一种基于模糊控制的直升机姿态控制器设计方法

研究了直升机姿态模糊控制技术。首先将专家知识和训练数据相结合生成了直升机的前置模糊姿态控制器。由于模糊控制所固有的不精确性，以及直升机的飞行状态多变，前置模糊姿态控制器无法对直升机进行精确控制，本文提出利用另一个在线自适应模糊控制器补偿控制误差。自适应模糊控制器的自适应学习算法通过李亚普诺夫稳定性分析得到，从而也保征了整个系统的稳定性。仿真算例征明了本文方法的有效性。     

基于量子控制与自适应补偿器的直升机直接自修复控制

针对发生复杂故障情况下的直升机采用量子控制理论与自适应补偿器技术进行直接自修复控制方法研究.首先对线性参数时变直升机控制系统进行模型参考自适应控制器设计;其次在外环增加自适应补偿器提高直升机控制系统的自修复控制能力,并利用李雅普诺夫稳定性理论证明了该系统的稳定性.最后为提高自修复控制律的抗干扰能力,在不影响系统稳定性的前提下,在故障信号与干扰信号之间增加量子前馈控制模块.仿真结果表明了该控制方法的有效性.     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV），提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析，经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统，仿真结果显示了控制器的良好性能。     

武装直升机飞行控制系统的组合智能控制

讨论了专家系统的人工神经网络相结合的一种控制方法，并将这种方法成功地用于直升机飞行控制系统设计。根据系统特征模型的划分、精心设计专家系统的知识库、数据库、规则库和推理机。然后，用专家系统控制器训练了三层ＢＰ神经网络。同时，针对某型直升机用数字仿真证明了这种方法的优点和良好效果。     

自适应滤波前馈控制器实现智能旋翼振动的实时控制

主要研究目的是寻求利用智能旋翼概念，将自适应随波前馈控制器应用于直升机旋翼的主动实时振动控制的可行性研究，但自适应控触所需参考信号在实际应用中往往难以获得。本提出利用旋转变压器拾取直升机桨叶旋转信号作为参考信号来解决这一问题。为了实现旋转桨叶和机体之间的双向多路信号的可靠传输，以组成智能旋翼闭环控制系统，本提出了一种非接触信号传输方法，并进行了实时振动控制试验，以验证控制策略、信号传输方法和智能旋翼概念．最后，根据试验结果，讨论了进行高效控制应当如何选择控制参数问题．     

在主减速器斜撑杆上安装压电叠层作动器的直升机主动隔振

采用安装在主减斜撑杆上的压电叠层作动器建立了直升机主动隔振系统。基于压电材料本构关系推导了压电叠层作动器的驱动方程,建立了压电叠层作动器驱动的主减主动隔振系统动力学模型。采用了自适应滤波控制方法,通过最小均方算法实现了自适应控制。直升机主动隔振仿真实验表明了该系统具有高效的隔振效果。     

三轴转台谐波幅相自适应控制系统的设计

提出了一种能够有效地提高正弦运动仿真转台精度的谐波幅相自适应控制补偿方法，阐述了谐波幅相自适应控制的机理、结构配置，开发了谐波幅相自适应控制律、分析了系统稳定性，为进一步提高精度还提出了一种在线辨识系统频响模型的实现途径。由转台工作的实测数据及跟踪误差测试表明，本文提出的谐波幅相自适应控制方法的精度明显优于常规的经典控制，对其他精密正弦运动跟踪系统也有普遍意义。     

基于粒子群优化的直升机飞行控制律设计方法

针对直升机强耦合特性导致飞行控制律设计难度高的问题,提出了一种基于粒子群优化算法的改进线性二次型调节器(Linear quadratic regulator,LQR)设计方法。针对直升机的线化状态空间模型,基于LQR设计方法建立了直升机飞行控制律全状态反馈矩阵的基本求解算法;以系统稳定性为约束,以最大化主状态反馈系数影响因子为目标,设计了粒子群优化算法的指标函数,实现了加权矩阵Q的多参数同步优化设计,并以优化后的主状态反馈系数作为直升机控制律设计结果。采用本文方法对UH-60A直升机悬停状态的飞行控制律进行了设计和验证。结果表明,基于本文方法得到的控制律具有良好的控制性能,并且能够显著提高直升机的飞行品质。同时本文的优化方法系统地解决了LQR设计过程中加权矩阵确定的困难,提高了控制律的设计效率。     

基于改进QFT方法的直升机飞行控制与仿真

针对直升机飞行包线上由对象数学模型的大范围变化带来的系统不确定问题,采用一种改进的定量反馈理论(QFT)方法进行直升机飞行控制器设计。首先利用H∞回路成形方法实现系统不同控制通道的解耦,将多输入多输出问题转化为单输入单输出问题,然后针对每个单输入单输出系统采用QFT方法进行控制器设计,从而简化QFT的设计过程提高控制效果。将该方法应用于UH-60A直升机的飞行控制,设计了该型直升机在五种飞行状态下的全包线飞行控制器。仿真结果表明:所采用方法具有良好的控制效果,验证了该方法的有效性。     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

风洞试验中旋翼的智能控制技术

直升机风洞试验是高转速、高难度、高风险的动态试验,人工操控具有效率低、安全性差、劳动强度大等缺点。为了克服人工操控的缺陷,构建了基于网络通信的试验管理系统和软硬结合的多重安全保护措施,在此基础上形成了成熟的直升机风洞试验自动配平技术。目前这些技术已成功应用于直升机风洞试验控制,应用效果表明旋翼的智能控制技术具有结构灵活、操作方便、安全可靠、数据质量好、试验效率高等特点,大大提升了直升机风洞试验的控制水平,充分满足了直升机风洞试验的需求。     

模糊推理在直升机模型辨识中的应用(英文)

直升机控制系统的设计、飞行模拟器的研制及计算机实时仿真都离不开直升机数学模型 ,但是建立可靠而且准确的直升机飞行动力学模型是十分困难的 ,而且也很难保证动力学模型计算的快速性、可靠性与实时性。本文基于模糊推理技术 ,根据飞行试验数据辨识了直升机飞行模型 ,可以在一定程度上保证所辨识模型的简单、准确与计算的实时性。为了提高模糊模型的精度 ,文中采用了一种新方法来处理矛盾规则。本文利用模糊聚类分析的方法对海量的试验样本数据进行处理 ,有效地减少了辨识模型的规则数量。最后的仿真辨识结果表明 ,辨识效果合理 ,方法可行。     

小型无人直升机模糊飞行控制系统设计

为了实现小型无人直升机的自主飞行,本文研究了它的飞行控制系统。基于模糊控制技术,根据某小型无人直升机飞行动力学数学模型,设计了模糊控制规则,并研究了模糊规则的表格查询学习算法;通过无人直升机操作手的经验,对模糊规则进行评价,并通过试验进行校正和更改,在此基础上,引入积分环节进一步提高控制系统的性能。     

直升机操纵稳定性优化设计

为了提高直升机操纵稳定性,建立了适合直升机总体设计的操纵稳定性分析模型,通过优化设计选择合适的总体参数和布局参数,以获得优良的直升机操纵稳定性。以UH-60A直升机为算例,结果表明该直升机操纵稳定性优化设计方法是可行和有效的;同时对比经典数值优化算法、智能优化算法和混合优化算法,发现混合优化算法更适合直升机操纵稳定性优化设计模型的求解。     

直升机神经网络反馈线化飞行控制

以SH－2G为控制对象，采用基于神经网络的非线性系统反馈性化控制方法，进行直升机机动飞行仿真，仿真结果表明，所设计的神经网络具有逢适应能力，能够在线补偿反馈线性化所产生的逆变换误差，这种方法无须获得动态逆模型，而只需某一个状态下的动力学模型，就能在全包线提供有效的控制，既避免了传统方法的增益调参，又解决了难以获得动态逆模型及计算量大的问题，是一种很有发展潜力的智能控制方法。     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。