基于智能PID和扩张状态观测器的姿态控制方法

针对在实际工程中人工设计飞行器姿态控制参数造成工作量大的问题,提出一种基于模型参考自适应控制的神经网络姿态控制方法。首先在模型参考自适应控制的基本框架下,利用BP神经网络的自学习特性,实现PID控制参数的自适应整定。随后设计了两阶线性扩张状态观测器以对控制量进行补偿,并对观测器进行了误差分析。仿真结果表明通过神经网络训练得到的控制参数变化规律和工程实际较为相似,姿态角指令跟踪误差在允许范围内,幅值裕度和相角裕度均符合要求。通过分别在常值干扰和正弦变化干扰下的两阶线性扩张状态观测器和三阶线性扩张状态观测器的仿真对比,发现两阶的观测器更能够降低外界扰动对系统的影响。     

基于统计参数分析和RBF网络的动调陀螺故障诊断方法

针对动调陀螺故障振动信号的特点,提出了一种基于振动统计参数分析和神经网络的动调陀螺故障诊断方法.该方法通过计算原始振动信号的一组统计参数作为表征故障的特征信息,以此作为RBF神经网络的输入参数来学习并识别陀螺故障.实验结果表明,采用对统计参数的计算能够简单、有效地提取陀螺故障特征信息;运用神经网络进行故障诊断建模,使诊断具有自适应、自学习的能力,诊断结果更加可靠.     

一种自整定模糊PID型控制器

本文提出一种简单的模糊PID型控制器,分析了其结构组成,介绍了基于自整定量化因子的参数整定方法,并利用小增益定理对BIBO系统的稳定性进行了研究.仿真结果表明这种控制系统的性能优于线性PID控制器.     

基于PSO算法的自动驾驶仪控制参数设计

针对自动驾驶仪控制器参数设计问题,提出一种基于PSO算法的导弹自动驾驶仪参数整定方法并对该方法所整定的控制器参数进行仿真验证.该方法在自动驾驶仪俯仰通道Simulink建模基础上,定义一个包含系统时域指标和频域指标项的适应度函数,根据控制系统对快速性和稳定性的要求,对各项指标进行适当加权,采用PSO算法对自动驾驶仪进行优化设计,实现了自动驾驶仪的控制参数整定.应用本算法对大量特征点的优化设计,均取得了良好的线性化设计结果,并对其进行了仿真验证,亦能满足仿真要求.仿真实验表明了该算法用于控制参数优化的有效性和优越性,有一定工程应用价值.     

一种自整定模糊PID型控制器

摘 要 本文提出一种简单的模糊PID型控制器，分析了其结构组成，介绍了基于自整定量化因子的参数整定方法，并利用小增益定理对BIBO系统的稳定性进行了研究。仿真结果表明这种控制系统的性能优于线性PID控制器。     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

基于高斯过程的航天器自适应滑模姿态控制

针对存在模型不确定性和外界干扰的刚性航天器,提出了一种基于高斯过程回归(GPR)的新型自适应滑模姿态控制算法。该算法具有自学习能力,在不同的姿态控制任务下都能够实现高精度、强鲁棒和高效率的姿态跟踪。首先,在航天器的四元数标称系统动态模型基础上,应用在线稀疏高斯过程回归(SOGP)方法学习系统的未知动态;其次,结合高斯过程的预测均值设计滑模控制算法,利用高斯过程的预测方差自适应调节控制增益,并应用李雅普诺夫方法严格证明闭环系统的稳定性,保证了航天器姿态跟踪误差的渐进收敛性;最后,通过数值仿真验证了所设计控制器的有效性。结果表明,该自学习控制算法与自适应滑模控制(ASMC)与神经网络自适应控制等算法相比,具有更快的收敛速度、更高的跟踪精度以及更低的控制成本。     

刚柔耦合系统神经网络跟踪控制方法研究

针对刚柔耦合系统的姿态跟踪及振动抑制问题,采用一次近似动力学模型,提出了一种神经网络控制方法.典型刚柔耦合系统由一个中心刚体和带有末端质量块的柔性附件组成,假设系统参数未知并且截断模型具有任意的有限维.该方法利用多层神经网络补偿系统非线性项及未建模动态,利用其自学习和自适应能力,降低不确定性因素对系统产生的影响;并且控制器只利用姿态角和角速度信息进行反馈控制,不需要知道柔性附件振动信息.理论分析和实验结果表明该方法使闭环系统所有信号一致最终有界,能有效地使系统完成姿态跟踪,而且能显著地减少柔性结构的弹性振动.     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

基于强化学习的火星无人机状态约束控制

针对火星无人机在恶劣条件下难以实现稳定的飞行和位置控制的问题，提出了一种基于状态约束的连续时间自适应神经网络控制方法，为了达到不分析虚拟控制器可行性条件的效果，引入了可以在没有虚拟控制器可行性条件情况下进行控制的坐标变换。该神经网络采用基于强化学习的自适应跟踪控制，以最小化长期性能值进行估计。虚拟控制器的验证不需要离线计算，使设计参数具有更大的自由度和更大的初始条件。通过对火星无人机的仿真，验证了该控制策略的性能。     

基于DSP和FPGA的静电悬浮加速度计控制器设计

针对静电悬浮加速度计高稳定悬浮控制和极微小加速度信号处理需求，设计了一种基于数字信号处理（digital signal processor,DSP)和现场可编程门阵列（field programmable gate array,FPGA)的加速度计控制器。该控制器采用DSP作为主控芯片，FPGA为辅助控制芯片。基于加速度计的工作特性，设计了一种加速度计工作模式切换控制策略，可根据加速度计当前工作状态，自动或者手动切换工作模式。基于加速度计的工作原理和测量需求，设计开发了基于FPGA的比例、积分、微分(proportional integral derivative,PID)控制算法和有限冲击响应(finite impulse response,FIR)滤波算法。为验证该控制器的控制性能，开展了地面高压悬浮实验。结果表明，该控制器及控制算法可以快速准确地实现加速度计稳定悬浮控制和模式切换，并且可以实现软件在轨重构和控制参数在轨更新，为后续重力场探测、空间引力波探测以及自主导航等提供了工程参考依据。     

基于参数自整定模糊PID控制的大型液压源温控系统设计

根据液压源温度控制系统的非线性、时变的大滞后特性,采用参数自整定模糊比例积分微分(PID)控制算法,通过模糊推理在线调整PID的3个参数,给出了PID参数在线整定原则和模糊控制器设计。仿真结果表明:用该法设计的控制器较传统PID控制器有更好的动态性能和鲁棒性。不同工况的实验验证其液压源油温控制精度达到文献[1]的B级要求(±2℃)。     

充液挠性航天器姿态机动控制的多目标优化

针对充液挠性航天器姿态快速机动、快速稳定的控制要求,为减小姿态机动对挠性附件振动和液体晃动的激发,设计了一种基于正弦型加加速度的姿态机动路径规划方法。为进一步提高姿态控制性能,提出了一种基于云多目标粒子群算法的姿态控制器参数和机动路径参数联合优化方法。以最小化充液挠性航天器三轴姿态达到指定指向精度的时间以及三轴姿态稳定度,构建多目标优化模型,并应用云多目标粒子群算法求取姿态控制器参数和机动路径参数的Pareto最优解。仿真结果表明:采用多目标联合优化算法得到的控制器与路径参数,能够有效减小液体晃动和挠性附件振动,显著提高充液挠性航天器大角度姿态机动的快速性和稳定性。     

航天器柔性太阳翼最优PPF主动振动抑制方法

针对采用可变速控制力矩陀螺(VSCMG)进行柔性太阳翼振动抑制问题，提出一种基于求解非光滑 H∞ 综合问题的最优参数正位置反馈(PPF)控制方法。首先，建立考虑VSCMG和柔性太阳翼耦合的振动模型，得到了线性化的约束陀螺柔性板动力学模型，基于同位控制思想推导了以角度陀螺为测量装置的约束陀螺柔性板全阶状态空间模型。针对被控对象特性，确定最优PPF控制器的结构构型和待优化参数。进而，通过对约束陀螺柔性板全阶状态空间模型进行降阶、修正和加权处理，将PPF控制器参数优化问题转化为在PPF控制器构型约束条件下的非光滑H∞综合问题，并应用一阶下降算法进行寻优求解，实现最优PPF控制器的设计。该方法能够实现对各阶陀螺模态的独立控制，在保证快速性和鲁棒性的前提下，实现最优PPF参数的稳定高效求解。仿真结果表明，所提出的最优PPF控制方法能够快速、鲁棒地实现航天器柔性太阳翼的主动振动抑制。     

飞行器滑模变结构姿态控制器参数优化设计

研究了大气层外飞行器姿态控制器设计。基于误差四元数建立飞行器姿态运动学与动力学方程,用滑模变结构控制方法设计控制器,通过构造Lyapunov函数验证了控制器具全局稳定性和鲁棒性。以控制器参数为优化变量,机动时间为优化指标,飞行器发动机输出力矩为约束条件,用粒子群算法实现对滑模控制器参数的优化设计。仿真结果表明：控制器设计可行且有效,并能对参数进行优化。     

天线指向机构位置伺服的H_∞-PID控制研究

针对大型卫星天线指向机构高精度高可靠性的要求,研制了一种永磁同步电机驱动的新型天线指向机构.在建立双质量体驱动模型的基础上,以ITAE(时间乘以误差绝对值积分)为优化指标,在H_∞混合灵敏度约束下PID参数的稳定域内,采用遗传算法对PID控制器的参数进行了优化.最后采用优化的PID控制器对指向机构进行了控制仿真和实验验证,结果表明系统具有响应快速而平稳、抗负载扰动和模型误差能力强的特点.     

宇航矢量伺服控制器在SiP中的设计与实现

磁场导向控制FOC（field-oriented control）矢量控制算法在伺服驱动控制系统中一般由CPU或DSP实现，难以满足航天应用中实时性较高场景下的需求。为提高宇航电机系统控制的实时性与可靠性，从FOC矢量控制算法的硬件加速角度出发，详细介绍了伺服控制器的设计，给出了一种全数字、高性能的伺服控制器硬件加速设计方案，并在具有可编程逻辑功能的宇航级SiP6117S芯片上进行了验证。仿真实验表明，相比于前人的设计，通过调整观测数据的量化精度来降低硬件加速过程中的处理延时，能有效改善多级流水延迟并在一定程度上提升算法的实时性。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题，应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题，提出单网络积分型强化学习（SNIRL）算法进行求解，该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构，只需要采用评价网络估计值函数就可以求得最优控制律，其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器，并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高，收敛速度更快，并校验了自适应最优姿态控制器的有效性 。     

吸气式组合动力高超声速飞行器上升段制导方法研究

针对涡轮/冲压/火箭三组合动力水平起降高超声速飞行器爬升段飞行轨迹设计和制导律设计问题，首先考虑宽速域组合动力发动机多模态特性和高低速气动特性差异，分别开展了涡轮段、引射段、纯冲压段及冲压火箭段的飞行策略研究，提出了不同阶段的飞行攻角剖面构型和火箭流量剖面构型，将无穷维轨迹优化问题转化为有限维参数规划问题，进而完成了组合动力上升段飞行轨迹的优化设计；在此基础上，结合轨迹线性化控制方法，开展了组合动力上升段轨迹跟踪制导律设计研究，给出了保证闭环稳定性和控制品质的制导律参数设计准则，最后通过开展仿真分析说明了提出轨迹设计及制导方法的有效性。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。