非线性PD控制在自动地形跟随系统中的应用

提出了一种非线性PD控制方法，并将其应用在自动地形跟随系统飞行控制律的设计中。对采用常规PI控制与非线性PD控制的飞行控制系统进行了鲁棒性仿真比较以及典型地形跟随误差仿真比较。结果表明，采用非线性PD控制方法设计的控制律具有良好的鲁棒性与跟随性能。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。     

基于SVMα阶逆系统方法的非线性预测控制

针对一类未知非线性大时延系统,利用SVM特有的表达任意非线性映射能力,辨识得到非线性系统的α阶逆模型,然后将其串在原系统前组成SVMα阶伪线性复合系统。以此复合系统为被控对象,用预测控制方法实现对其有效控制。该方法不仅将非线性系统简化成伪线性系统,而且具有良好的控制效果,控制器设计简单。     

反馈线性化系统的非线性预测滑模控制

 对反馈线性化系统进行非线性预测滑模控制的设计，利用预测滑模的二次型代数指标的最小化来设计滑模控制律，按系统的输出相对度来设计滑动模，二次型指标中包含了控制量的代价函数项，这项是连续可调的，可以避免系统控制输入的饱和现象。证明了非线性预测滑模控制系统具有的鲁棒性，并导出了鲁棒滑模预测控制器。     

基于SVMα逆系统方法的非线性预测控制

针对一类未知非线性大时延系统,利用SVM特有的表达任意非线性映射能力,辨识得到非线性系统的α阶逆模型,然后将其串在原系统前组成SVMα阶伪线性复合系统.以此复合系统为被控对象,用预测控制方法实现对其有效控制.该方法不仅将非线性系统简化成伪线性系统,而且具有良好的控制效果,控制器设计简单.     

非线性解耦控制与飞机敏捷性机动

首先介绍了以微分几何控制理论为基础的非线性系统解耦理论，给出了解耦控制律的综合方法及解耦闭环系统平衡点的计算方法，并对解耦系统的稳定性进行分析，随后用非线性解耦理论研究了飞机非线性运动的三种解耦运动模式，并讨论了飞机非线性解耦控制规律的线性近似解，最后用飞机非线性运动的三种解耦运动模式实现了三种形式的敏捷性机动，结果是满意的。为飞机敏捷性，直接力控制和过失速机动问题提供了一种理论研究方法。     

核热源功率测量系统冷端温度控制策略

基于核热源功率测量系统冷端温度控制需要，建立系统动态特性模型.在开环仿真分析的基础上，分别设计了PID（proportion integration differentiation）控制、模糊控制以及支持向量机(SVMsupport vector machines)智能预测控制3种控制算法，并完成了其仿真研究，验证了测量系统控温的可行性.结果表明:将SVM优秀的非线性函数逼近能力与预测控制相结合来拟合被控非线性系统模型，并通过支持向量机的预测结果进行反馈校正，使系统具有良好的鲁棒性和稳定性，易于工程应用.      

多维磁悬浮隔振系统动力学模型与控制策略

磁悬浮隔振系统具有非线性、强耦合、高响应、宽频带等特点，系统的隔振控制目标与其定子和浮子之间的位置约束相互制约，这对系统的精密控制提出了较大的挑战。为解决该问题，建立了面向控制的六自由度磁悬浮隔振系统非线性动力学模型，并提出了双闭环控制策略，使系统在低频到中高频带内实现隔振控制，在极低频带内实现跟踪控制。采用PD定点控制算法，在MATLAB/Simulink环境中开发了控制系统仿真程序，通过分析不同扰动频率下浮子的绝对运动响应以及定子与浮子之间的相对运动响应，获得了系统的隔振控制与跟踪控制仿真结果。搭建了磁悬浮隔振平台样机测试系统，验证了动力学模型的正确性和控制策略的有效性。     

利用模糊系统实现解决最小时间喷射问题的非线性反馈控制律

目标 通过模糊逻辑，为非线性动态系统设计一种整合优化反馈控制律的新技术。 设计 方法 处理 在研究闭合回路模糊逻辑制导过程中，为了训练该模糊系统，本文推荐的方法是采用了各种非线性系统的开环优化控制解法，经过规定一套与系统状态有关的非量纲变量，从而完成这项目的研究。 各种发现 对于研究非线性问题，闭合回路模糊逻辑制导可以产生出闭合回路控制律，因为推荐的模糊结构不受该系统各方程式的限制，用于其他非线性系统也有处理能力。在常规状态下引入非量纲变量，提高了模糊训练的成果，同时对其它没有得到训练过的场景，为了得出精确解法，必要的模糊法则的要素也减少了很多。 创新和价值 在太空飞行器的制导和控制方面，有许多复杂的非线性问题，对这类系统来说，即使是开环的又是无噪声离线的情况，优化控制律的测定仍然是一项困难的工作，另一方面，闭合回路的开环优化控制解法，主要寄希望于在实际的工作环境中，它们的鲁棒性特征，所以这些特征更加适用于在线使用，但是对于复杂的各种非线性系统却不被认同。尽管在这类系统中，已经有少数科学家从事非线性优化控制领域和模糊逻辑的应用，但是还没有涉及到闭环优化模糊控制器，对可以在许多航天飞行器上的各种非线性系统，本文对优化反馈控制律的确定阐述了一种全新的策略。     

Application of neural networks for the design of flight control algorithms. II Adaptive tuning of neural network control law

In this paper, we consider different approaches for the neural network controller tuning in the flight control system. Two of the most common tuning approaches in the adaptive control theory are applied. The first one uses parameter identification technique and consists in solving a real-time regression problem for the control law. The second approach is based on the Lyapunov direct method, which utilizes a tracking error as an absolute measure of tuning performance. The neural network control law are designed for the three-axis flight control problem and tested on the full nonlinear model of a fighter aircraft. Closed loop simulation results are presented and two adaptation algorithms are compared in the case of abrupt change of aircraft dynamics.     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

Analytical redundancy of variable cycle engine based on variable-weights neural network

In this paper, variable-weights neural network is proposed to construct variable cycle engine’s analytical redundancy, when all control variables and environmental variables are changing simultaneously, also accompanied with the whole engine’s degradation. In another word, variable-weights neural network is proposed to solve a multi-variable, strongly nonlinear, dynamic and time-varying problem. By making weights a function of input, variable-weights neural network’s nonlinear expressive capability is increased dramatically at the same time of decreasing the number of parameters. Results demonstrate that although variable-weights neural network and other algorithms excel in different analytical redundancy tasks, due to the fact that variable-weights neural network’s calculation time is less than one fifth of other algorithms, the calculation efficiency of variable-weights neural network is five times more than other algorithms. Variable-weights neural network not only provides critical variable-weights thought that could be applied in almost all machine learning methods, but also blazes a new way to apply deep learning methods to aeroengines.     

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

利用神经网络设计航空发动机全包线最优控制器

本文提出一种用神经网络拟合飞行条件、发动机工况与发动机最优控制器参数之间关系, 从而设计适合于全飞行包线范围内发动机最优稳态控制器的方案。该方案可以针对发动机分段线性化模型, 利用成熟的线性控制设计方法设计非线性控制器, 且控制器结构简单、实时性好。仿真结果表明, 所设计的发动机控制系统在整个飞行包线内的设计点及非设计点均具有良好的性能。      

基于神经网络的超机动飞机自适应重构控制

 讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明,在飞机发生舵面故障时,神经网络通过自适应地补偿逆误差,可以快速在线重构控制律,保持飞机稳定和一定的操纵品质。     

基于优化神经网络模型的系统建模仿真研究

建立一个结构优化的系统模型是设计控制系统的基础,但对于实际系统尤其是非线性系统一般没有统一表达形式,其模型结构难以构造,对其结构优化难以实施,给非线性系统建模带来很大困难.为此,基于神经网络理论,分析了非线性系统的神经网络模型并对其神经网络模型结构进行仿真研究.基于OBS (Optimal Brain Surgeon)优化策略,对初始神经网络模型结构进行优化操作,进而获得结构优化的神经网络模型并对非线性系统的建模进行仿真.仿真结果表明,优化的神经网络模型对非线性系统的建模效果是良好的,其模型的泛化能力亦得到增强.     

Application of neural networks for synthesizing flight control algorithms. I neural network inverse dynamics method for aircraft flight control

The application of artificial neural networks for aircraft motion control, in particular, for creation of nonlinear algorithms of the aircraft remote control system (RCS) is considered. Aircraft as a control object is represented as a multidimensional nonlinear dynamic system and nonlinear control methods are used to operate this system. The control loop is constructed using the method of inverse dynamics based on the feedback linearization principle. The nonlinear control law is represented as a neural network being learned (adjusted) by recorded or incoming measurements of motion parameters. Synthesis and testing of neural network control algorithms is performed with the fully nonlinear mathematical model of a maneuverable aircraft for three control channels. Simulation results of the closed system are presented.     

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。