基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器（ADRC）人工参数整定难的问题，提出了一种基于变权重变异鸽群优化（VWMPIO）算法的无人机自抗扰控制器优化算法。首先，给出了六自由度无人机（UAV）模型，基于自抗扰控制结构设计了一种受油机的姿态控制器，在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后，将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比，并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分（PID）控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。     

基于QPSO算法的自抗扰控制器设计及参数整定

提出了一种基于量子粒子群(QPSO)的自抗扰控制器(ADRC)设计及参数整定方法.利用自抗扰控制器抗于扰能力强、鲁棒性好、对模型参数变化适应能力强的特点,设计了自抗扰纵向飞行控制器以提高飞行控制性能.针对所设计的自抗扰控制器参数多,需要依靠专家经验或试凑进行整定的问题,应用QPSO算法进行控制器参数整定.仿真结果表明,...     

自适应PID控制系统仿真

针对常规PID控制器不能满足非线性、时变系统的控制要求的问题,本文将自适应控制思想与PID控制器相结合,合成一种自适应PID控制解决方案,并设计了一个自适应PID控制器。该方案运用专家控制策略,自动整定PID参数。仿真结论表明,在系统参数不确定或者发生变化时,该控制器的控制效果明显优于常规PID控制器。     

航空发动机自抗扰控制器简捷设计与应用

针对航空发动机的强非线性特征,进行了自抗扰控制器(ADRC)技术在航空发动机控制系统中的应用研究。首先,从工程应用的角度出发,给出1种简捷自抗扰制器设计方法,从而减少需整定参数和以增强设计参数的物理直观性,以方便设计;然后,将该方法应用于某型涡扇发动机控制器设计。仿真结果表明:ADRC比PID控制方法有效。     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

基于交替联合迭代的关节电机滑模控制参数整定方法

机器人关节电机的控制器参数整定是实现系统良好控制性能的前提。提出了一种基于交替联合迭代的关节电机滑模控制器参数整定方法。设计了永磁同步关节电机的电磁参数,并设计了PID电流环控制器和滑模速度环控制器结合的滑模PID控制器。利用工程整定方法初步整定滑模速度环控制器的参数;增设冗余PID速度环控制器,对其参数进行整定,以冗余PID速度环控制器和滑模速度环控制器作用于系统时的输出转速为迭代变量,交替选择速度环控制器参数进行联合迭代,完成滑模速度环控制器参数的整定。利用MATLAB/Simulink软件对系统进行仿真,证明方法具有较高的整定效率,可使关节电机控制系统获得良好的控制性能。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。     

基于遗传算法的航空发动机PI控制器参数优化方法

P ID控制器参数整定与优化一直是自动控制领域研究的问题。采用遗传算法进行的PID参数整定与优化是一种全局最优且与初值无关的优化方法。本文结合某型航空发动机,利用遗传算法对发动机单变量及双变量P I控制器参数进行优化。仿真结果表明:该方法对PI参数整定具有比较好的综合控制性能,不失为一种具有较好实用价值的航空发动机P I控制器参数整定与优化方法。      

风速前馈与变论域模糊结合的变桨距控制

针对传统PID变桨距控制难以在大惯性、强耦合的风力发电机组中取得较好的控制效果,提出了一种风速前馈的变论域模糊变桨距控制方法。根据功率误差及其变化率,通过模糊推理得到输入与输出论域的伸缩因子,避免了确定伸缩因子函数模型及其参数的困难;又采用风速前馈的方式实现桨距角的动态补偿,提高了系统的响应速度。仿真结果表明:当风速超过额定风速时,所提方法能使风力发电机组的转速更加稳定、输出功率更加平稳。     

基于TS模糊加权的风电机组变桨距的双模切换优化控制

传统的PID变桨距控制策略存在转速波动较大、变桨的跟随性差等不足。以风速在额定风速以上时,使风力发电机的输出功率稳定在额定功率为研究目标。针对变桨系统的惯性与延迟导致控制过程动态调节时间长、超调量大等问题,提出了基于TS模糊加权的模糊与PID双模切换优化变桨距控制策略。以Simulink为试验平台,搭建了永磁直驱风力发电机组的变桨控制模型。通过仿真验证表明,所提方法具有模糊控制与PID控制两者的优点,控制输出的桨距角精度更高、响应速度更快、功率更加靠近发电机输出的额定功率。     

涡轴发动机自适应非线性预测控制

为了实现当直升机旋翼负载变化时,尽量保持功率涡轮转速恒定,并提高系统动态品质,研究了一种针对涡轴发动机的自适应非线性预测控制(ANMPC)算法.基于涡轴发动机稳态数据和动态特性,采用递归最小二乘法(RLS)进行模型参数辨识,建立了具有在线自适应能力的涡轴发动机数值-ARX(auto regressive with external input)并联预测模型.在此基础上,通过多步输出预测和反馈校正,利用序列二次型优化(SQP)算法,进行在线滚动优化,从而获得了涡轴发动机ANMPC控制器.仿真结果表明:当旋翼负载变化时,相比于传统的串联PID(比例-积分-控制)控制器,ANMPC控制器能够使得功率涡轮转速收敛更快,超调量/下垂量更小.      

A New Hybrid Control Scheme for an Integrated Helicopter and Engine System

A new hybrid control scheme is presented with a robust multiple model fusion control(RMMFC) law for a UH-60 helicopter and an active disturbance rejection control(ADRC) controller for its engines.This scheme is a control design method with every subsystem designed separately but fully considering the couplings between them.With three subspaces with respect to forward flight velocity,a RMMFC is proposed to devise a four-loop reference signal tracing control for the helicopter,which escapes the closed-loop system from unstable state due to the extreme complexity of this integrated nonlinear system.The engines are controlled by the proposed ADRC decoupling controller,which fully takes advantage of a good compensation ability for unmodeled dynamics and extra disturbances,so as to compensate torque disturbance in power turbine speed loop.By simulating a forward acceleration flight task,the RMMFC for the helicopter is validated.It is apparent that the integrated helicopter and engine system(IHES) has much better dynamic performance under the new control scheme.Especially in the switching process,the large transient is significantly weakened,and smooth transition among candidate controllers is achieved.Over the entire simulation task,the droop of power turbine speed with the proposed ADRC controller is significantly slighter than with the conventional PID controller,and the response time of the former is much faster than the latter.By simulating a rapid climb and descent flight task,the results also show the feasibility for the application of the proposed multiple model fusion control.Although there is aggressive power demand in this maneuver,the droop of power turbine speed with an ADRC controller is smaller than using a PID controller.The control performance for helicopter and engine is enhanced by adopting this hybrid control scheme,and simulation results in other envelope state give proofs of robustness for this new scheme.     

基于ADRC迭代学习控制的四旋翼无人机姿态控制

针对农用无人机超低空表型遥感和喷药精准悬停易受地效扰动问题，提出了一种自适应ADRC姿态控制器。首先设计了基于ADRC的姿态控制器，结合四旋翼无人机平台在0.9~1.1、1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9、3.3~3.6 m/s侧向水平风、0.9~1.1 m/s （11°）、1.1~1.3 m/s （13°）、1.4~1.6 m/s （18°）、1.8~2.0 m/s （18°）、2.1~2.5 m/s （18°）前俯向风和侧俯向风下进行干扰的预测和控制量的补偿实验。实验结果显示使用ADRC姿态控制器后无人机抗风性能有较大提升。然而在存在初始误差时，ADRC固定带宽无法满足要求，进一步设计了自适应ADRC姿态控制器（ILC-ADRC）。通过迭代学习控制在线优化自抗扰控制器带宽，实现了不同增益观测器的自适应整定。实验结合四旋翼无人机平台分别进行了机头实际方向与期望方向偏离55°、90°、180°，水平风速1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9 m/s下使用ADRC和ILC-ADRC的对比。实验结果显示采用ILC-ADRC姿态控制器，在150次控制周期内，偏航角误差均在-15°~15°之间，满足四旋翼无人机偏航角控制精度要求，同时调节时间分别缩短了40%，16.67%，12.5%，53.33%，10.34%，13.95%，27.27%，58.66%，11.86%。     

Output Power Controller for a Wind-Driven Induction Generator

A constant stator power output controller for a wind-driven grid-connected induction generator is described. The load torque of the generator is controlled by varying the rotor resistance electronically. A dynamic model for the wind energy conversion system is proposed for both controlled and uncontrolled operation.The model is then used to predict the changes in shaft speed,turbine torque, and stator power output in response to change in wind speed. Data pertaining to a 60 kW commercial wind turbine generator is used in this investigation. Results based on analog computer simulation demonstrate the feasibility of the controller for scheduling a desired power output from the induction generator.Results of the tests on a laboratory induction generator driven by amicrocomputer-controlled dc motor drive simulating the characteristics of the wind turbine are included.     

基于模型补偿的风力机变桨距线性自抗扰控制器设计

设计了一种变桨距线性自抗扰控制器,估计和补偿了系统未建模部分和外界干扰,实现额定风速以上时系统输出功率稳定于额定值;并采用模型补偿方法对自抗扰控制器进行优化,减少了参数整定的数目,提高了系统控制精度。对额定功率为300 kW的风电机组分别在阶跃风、阵风以及湍流风作用下进行系统仿真。结果表明,该方法可以快速调节风速变化引起的输出波动,使得系统输出稳定且超调量小,具有很好的稳定性和鲁棒性。     

计及全风况小干扰稳定的双馈风机变换器控制参数设计

随着双馈风电并网容量增大,系统的稳定性与风机变换器控制参数的相关性也越来越大,风机变换器控制参数整定时必须计及电网小干扰稳定性。针对双馈风机单机无穷大系统,建立风机工作在全风况下的小信号模型,采用李雅普诺夫线性化方法并考虑风速分区,分别推导出风机在最大功率跟踪区、恒转速区、恒功率区电网小干扰稳定分析的状态方程。分析风机变换器控制参数与特征根之间的相关性,引入表征系统稳定性强弱的小干扰稳定裕度指标,提出使系统全风况小干扰稳定的风机变换器控制参数设计方案。实例仿真表明:所提方案可快速获取有效参数,并保证全风况下电网小干扰稳定性。     

一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究

为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。