UAV发射平台调平系统的NSSCA-PID控制方法

PID控制器是目前实现UAV(Unmanned Aerial Vehicle)发射平台在复杂环境下的自适应调平的主要手段,其控制性能取决于参数整定的品质。基于经典的正弦余弦算法架构,提出了一种嵌入边界缓冲策略的邻域搜索正弦余弦算法(Neighborhood Searching Sine Cosine Algorithm,NSSCA)用于整定PID控制器参数。以单位阶跃信号作为调平系统输入,邻域搜索正弦余弦算法优化PID控制调平系统的上升时间为0.04 s,调整时间为0.106 s,最大超调量为5.44%,表明邻域搜索正弦余弦算法对PID控制器参数的整定效果优于Z-N法、遗传算法、灰狼优化算法和经典正弦余弦算法。     

数字PID控制在天线伺服系统中的应用

天线伺服系统的作用是实现对目标的快速捕获和稳定跟踪,其采用电流环、速度环和位置环三环控制结构,通过双电机消隙,并进行速度同步控制。天线伺服系统可采用数字PID控制,分析其算法原理及其算法流程,给出一种PID参数整定方法,并应用该方法对某4.5米天线进行了PID参数整定,在此基础上,基于过渡过程曲线实测结果,总结出了PID参数对天线过渡过程的影响情况,对天线伺服系统PID参数的整定具有实际指导意义。     

转台伺服控制系统模糊PID算法研究

转台伺服系统的控制是一个复杂的过程,精确的数学模型推导非常困难,传统PID控制算法对转台的控制效果不理想。针对转台伺服系统的结构和运行特点,研究一种模糊PID控制算法,利用模糊控制理论对目标误差值进行处理,实现PID参数的自整定,提高转台伺服系统的控制效果。仿真结果表明,所设计的模糊PID控制器实现了参数实时自整定,转台伺服系统的性能指标得到了保证。     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.     

一种BP网络自整定PID控制算法及其在NF-6风洞控制中的应用

NF-6风洞是一座增压、连续、高速回流式风洞,对各子系统的控制性能都有较高的要求。针对NF-6风洞对模型姿态系统控制性能提出的高要求,提出了一种BP网络自整定PID控制策略,并结合现有的改进型PID控制思想对其进行了进一步的分析与改进。仿真结果及初步应用表明:该算法在算法收敛性、实时性及控制精度上较传统PID算法及BP网络算法都有较大程度的提高。     

舰载机动力补偿系统模糊逻辑设计技术

在舰载机迎角恒定动力补偿系统(Approach power compensator sysytem, APCS)研究的基础上,提出了一种采用模糊自适应PID控制参数整定方法,将模糊控制思想和PID控制技术有机地结合起来,实现了舰载飞机进场动力补偿系统智能化设计和PID参数在线自整定.该算法的另一个重要特点是省略了常规控制算法中法向加速度Δaz及舵偏Δδe两路信号反馈,仅利用迎角误差Δα及其变化率Δ进行反馈控制,简化了工程实现.最后,以国外某舰载飞机为研究对象,对它的动力补偿系统进行了设计和数字仿真.结果表明,该方法提高了舰载机的着舰精度,改善了系统的抗阵风干扰能力,提高了系统的鲁棒性.     

基于模糊罚函数的分布式并行遗传算法及其应用

本文将模糊理论用于优化中,提出了一种基于可行度的模糊罚函数法,并采用分布式并行遗传算法进行寻优操作,该方法可以将不同遗传操作的优点加以整合,通过并行运算提高优化效率。将基于模糊罚函数的分布式并行遗传算法应用到多目标结构优化中,仿真试验表明取得了很好的寻优效果。     

八旋翼动力学建模及RBF神经网络PID控制研究

针对八旋翼飞行器非线性、强耦合、欠驱动、多输入多输出的系统特点,综合八旋翼动力学特性进行数学公式推导,建立数学模型。利用模型解耦八旋翼各通道输入量与输出量之间的关系。提出RBF神经网络自适应PID控制策略,该策略能够根据控制效果在线自适应整定PID参数,具有自主学习和自适应能力。通过matlab搭建八旋翼仿真模型并对其仿真,对比分析RBF神经网络自适应PID和传统PID控制效果。结果表明:前者控制效果明显优于后者,系统快速性、鲁棒性和稳定性得到了很大改善。     

主动队列管理中内模控制系统设计

P I控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想。本文针对TCP网络系统的时滞特性,设计基于内模补偿控制器,提出了基于幅值与相位稳定裕度的控制参数整定方法。仿真实验表明,与P I算法相比较,该方法设计的控制器的稳定性与鲁棒性有显著的提高。     

基于神经网络的风洞尾支杆减振系统

风洞试验时,由于气流的影响,测试用悬臂式尾支杆容易产生大幅度低频振动,这会严重影响测试精度,甚至损坏自身结构。为了有效抑制尾支杆的振动,本文设计了基于压电组件的主动减振系统,并将人工神经网络应用于PID控制,提出了神经网络PID智能控制算法。对尾支杆进行有限元分析,获取其模态参数。然后设计试验测试减振系统的性能,将神经网络PID与经典PID的控制效果进行对比。试验结果表明:在连续载荷的作用下,采用经典PID控制算法与神经网络PID均可达到有效控制(减振幅度70%以上),且神经网络PID在保证减振效果的情况下实现控制参数自整定,具有良好的鲁棒性。     

基于改进PSO算法的导弹控制参数优化

研究了将粒子群算法(PSO)应用于空对空导弹控制参数自动设计的方法,解决导弹控制参数手工设计中遇到的困难与问题.标准PSO算法在导弹静稳定工作点参数优化中表现出良好性能,但在静不稳定工作点优化时容易限入局部最优,因此引入遗传算法(GA)的杂交思想对标准PSO算法进行了改进,以扩大解空间的范围.仿真结果表明:改进后的PSO优化算法具有更强的全局搜索能力,获得的参数能够满足给定的性能指标,并且可以节省大量的设计时间,具有很高的工程应用价值.     

基于FPGA的并行遗传算法硬件实现的研究

遗传算法具有天然的并行性。FPGA(Field programmable gate arrays)本质上的并行特性使其很适合用于实现并行的遗传算法。结合两者的并行特性，本文提出了一种基于FPGA的并行遗传算法。选用了适合硬件实现的选择、交叉、变异算子，并将它们设计成流水线结构。整个设计采用了XILINX公司的XC2V1000型号FPGA芯片。算法利用VHDL语言来描述。实现后的测试表明，这种硬件遗传算法有效减少了运行时间，使其在一些实时性要求较高的场合得到很好应用。     

脉冲燃烧风洞测力系统动态标定方法

针对脉冲燃烧风洞中的测力系统，提出了一种动态标定方法。利用力锤在模型表面上不同位置，沿不同方向施加一系列集中载荷，由输入载荷和天平输出辨识出该表面对应的单位脉冲响应函数（UIRF），再将各表面对应的UIRF加权得到系统的UIRF，加权系数由试验状态下各表面的压力分布确定。辨识某表面对应的UIRF时，通过将其参数化使反卷积问题转化为参数优化问题以回避问题的病态特性。求解参数优化问题时，先用遗传算法搜索到参数全局最优解的近似值，再以此作为单纯形方法的初值继续优化得到参数最优值。在ANSYS中模拟了动态标定过程，考虑了实际试验中输出应变含有较大噪声的情况，验证了这种动态标定方法的准确性。     

三参数Weibull分布参数的极大似然估计数值解法

利用降阶思想,给出了一种新的求解三参数Weibull分布参数的极大似然估计数值方法。该方法首先假定形状参数已知,将三元方程组转化为二元方程组,并用二分法求解该二元方程组的数值解,然后将尺度参数和位置参数表示成形状参数的函数,此时极大似然函数仅是关于形状参数的单变量函数,再次应用二分法即可得出形状参数的最优估计结果。该算法稳定,不需要赋予初始值,对样本数量没有限制。与其他方法相比,具有计算精度高、运算速度快的优点,便于工程应用。     

并行多种群自适应遗传算法在COW集群上的实现

为改善标准遗传算法的求解效率,提出一种基于6模糊控制器的并行多种群自适应遗传算法。利用MPI(Messagepassinginterface)技术建立了一个COW(Clusterofworkstation)集群,将算法在该硬件平台上进行了实现。3机COW集群的仿真实验结果在演示算法设计可行性的同时,表明该算法的求解效率明显优于用于对照的单种群算法,具有在解决组合优化问题上广泛应用的可能。本文还对影响并行算法的参数进行了探讨。     

自适应遗传 PID 算法在风洞风速控制中的应用

风速控制是风洞的核心控制部分,风速控制系统的优劣直接影响风洞性能指标,为了完成 FDxx 风洞的风速控制系统,设计了一种基于自适应在线遗传算法的 PID 参数整定方法,在风洞气源资源有限的情况下,快速建立流场,确保流场稳定时间。首先对控制参数进行联合编码,在种群个体进化前期采用锦标赛精英保留策略,后期采用基于轮盘赌非线性选择方法,加快算法收敛速度,同时避免了算法过早陷入局部最优,交叉选用单点交叉,变异采用均匀取反法,动态调整过程为了减小甚至避免超调,采用误差绝对值及误差和误差变化率加权方式设计目标函数,并采取了惩罚措施,即一旦产生超调,将超调量作为最优指标的一项,现场测试验证了算法的可靠性及实用性。     

基于网络的高速切削参数优化和管理系统

对高速加工中切削参数优化的理论和方法进行了研究,并对来自生产现场、实验室以及资料收集的数据进行了检验、评价和应用。提出了一种基于遗传算法的切削参数优化算法。与通常的优化算法相比,该算法计算量小,计算速度快,能适应自动化制造系统对优化切削数据快速响应的要求。切削实验表明：应用经过优化的切削数据,不仅提高了机床的利用率,减少了切削时间,而且提高了工件的加工质量。在上述理论研究的基础上,开发了切削参数优化和管理系统。该系统的完成提高了整个数控加工中心的生产率。     

基于基因算法与博弈论的气动高升力优化

A multi-objective evolutionary optimization method (combining genetic algorithms(GAs)and game theory(GT))is presented for high lift multi-airfoil systems in aerospace engineering.Due to large dimension global op-timization problems and the increasing importance of low cost distributed parallel environments,it is a natural idea to replace a globar optimization by decentralized local sub-optimizations using GT which introduces the notion of games associated to an optimization problem.The GT/GAs combined optimization method is used for recon-struction and optimization problems by high lift multi-air-foil desing.Numerical results are favorably compared with single global GAs.The method shows teh promising robustness and efficient parallel properties of coupled GAs with different game scenarios for future advanced multi-disciplinary aerospace techmologies.     

基于基因算法与博弈论的气动高升力优化(英文)

讨论了基于基因算法与博弈论的组合优化算法在高升力气动优化问题中的应用。引入基因算法与博弈论相结合的分布式组合算法 ,可以将复杂的优化问题分解为几个简单的局部优化问题。文中论述了组合优化算法的构造方法 ,并应用于高升力多段翼型气动优化。与传统基因算法的数值计算结果进行了比较 ,表明本文构造的方法具有高效收敛性及强的鲁棒性 ,可广泛应用于先进气动设计问题。