基于广义逆控制的飞控系统鲁棒性

本文基于广义逆控制的飞控系统，提出了基于广义逆控制的飞控系统框架，分析了控制系统的不确定性以及在控制效能矩阵存在不确定性时的飞控系统鲁棒性问题。为解决当前开环广义逆控制系统的控制误差和不稳定，建立了基于闭环反馈的广义逆控制系统，由此实现了飞控系统的鲁棒性设计。针对某型先进飞机的不确定性问题进行了开环和闭环控制的对比仿真验证，仿真结果表明基于闭环广义逆控制的设计方法能够有效解决控制效能矩阵存在不确定性时的系统鲁棒性问题，实现飞控系统的稳定性设计，对广义逆控制方法在实际工程中的应用起到了积极的推动作用。     

基于H2/H∞的双振动台解耦控制

研究了基于次优H2／H∞混合控制的振动台解耦控制器的设计方法，用缩减了高阶模态的降阶模型所设计的控制器对原系统进行解耦控制．引入了模型不确定性，克服了传统的基于模型逆的解耦控制系统鲁棒性能较差的缺点；利用双自由度控制结构的特点．将问题分解为H2和H∞两个次优控制器的设计过程，简化了问题求解的复杂性；通过整形技术提高了解耦控制的效果；与基于Riccati方程的求解方法相比．本文利用的线性矩阵不等式求解方法更具有灵活性和一般性；本文的仿真结果表明了次优H2／H∞解耦控制方法不仅具有良好的解耦性能，而且能够有效控制结构振动高阶模态的溢出。     

H∞理论在双振动台解耦控制中的应用

研究了基于H∞控制理论的振动台解耦控制的双自由度控制器设计方法，克服了传统的基于模型逆的解耦控制系统鲁棒性能较差的缺点．根据截去振动系统高阶模态的降阶系统设计H∞控制器，引入了模型的不确定性扰动；利用H∞控制的整形技术对控制对象进行整形，提高了闭环系统的解耦性能。通过简化的4自由度渠并考虑截去第4阶模态的模型进行控制器设计，仿真结果表明在5～2000Hz频率范围内，H∞解耦控制方法不仅具有较好的解耦性能，而且能有效控制结构振动高阶模态的溢出。     

一种无人机姿态智能PID控制研究

姿态控制是无人机自主飞行控制的基础，其控制律设计结果对无人机飞行特性的影响至关重要。它决定了无人机是否能够满足自主飞行要求。为了解决在整个飞行包线中都能获得好的控制效果．本文引入了仿人智能比例，积分和单神经元控制等智能控制方法，设计出了一种用于无人机姿态控制的智能PID控制器。控制品质主要表现为响应快、精度高、超调量小，能进行稳定的大范围调适，鲁棒性强。仿真研究表明，这种控制器算法简单．易于实现，且比常规P1D控制器具有更强的鲁棒性和自适应能力。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

小型无人机姿态回路的简化配置控制系统设计

提出了无人机的最简控制设计思想，并就姿态回路进行了两种最简控制结构（PI型、PID型）的设计。为了提高最简控制性能和设计效率，将输出反馈LQR控制理论进行了改进，使其能够解决飞行控制的跟踪问题。通过对某无人机姿态回路的最简控制设计表明，姿态回路的最简控制策略是成功的，控制系统的性能取决于最简控制结构，输出反馈LQR不仅具有很高的设计效率，而且能对最简控制结构进行规范描述。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

超机动飞机的非线性多速率控制系统

用非线性动态逆方法设计超机动飞机的控制律是一种简便可行的方法，但实际使用时需要解决控制律的离散化问题。多变量非线性系统的离散化是一个复杂的问题。本文根据逆方法和歼击机运动的特点，提出了一种简单直接的实现方法，该方法基本保留了连续域系统控制律的形式。用通常歼击机的最高采样频率来实现该方法，可以得到与连续域非常接近的控制结果。本文还提出了该形式的多速率实现方式，可以降低对机载计算机吞吐力的要求，其控制结果与连续域的差别仍很小。最后讨论了如计算时延等实际问题     

半桥三端口变换器并联控制

介绍了一种半桥三端口变换器并联系统的均流控制策略。为了实现并联系统的稳定、均流运行,要求至少对其中两个端口进行均流控制,另一个端口根据功率平衡实现自然均流。采用一种近似解耦方法,通过设置控制环路带宽和引入解耦控制变量,实现了单个变换器模块控制环路之间的近似解耦,以方便控制环路参数设计。为了实现并联系统较高的稳定度和均流度,采用平均电流均流外环、电压内环的均流控制结构,并对均流环参数进行优化设计。基于200W半桥三端口变换器模块搭建并联系统,实验结果验证了均流控制策略的正确性。     

基于自适应逆最优控制的卫星容错控制

针对卫星在轨飞行过程中存在的一类执行机构故障,提出一种基于自适应逆最优控制原理的卫星姿态容错控制设计方法。考虑卫星执行机构出现故障的情况,将系统的不确定性参数作为估计的自适应参数,基于逆最优原理采用积分反推方法求解辅助系统的自适应控制Lyapunov函数,设计了能够确保原系统鲁棒稳定的自适应逆最优控制器。同时基于Lyapunov方法,从理论上推导了所设计出的控制律的稳定性,并通过仿真进行了控制算法验证。仿真结果表明,所设计的基于自适应逆最优控制的卫星容错控制方法能够保证执行机构出现故障时姿态控制系统稳定。     

倾转三旋翼无人机倾转定高控制研究

针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制.首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过...     

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。     

高速无人机自主着陆纵向控制技术研究

为了提高无人机自主着陆的控制精度与安全性，以某型高速无人机为研究对象，在陡下滑段采用总能量控制，跟踪高度和速度同时变化的下滑轨迹；在拉起段接入速度控制，并在指数拉起的基础上，采用高斯伪谱轨迹优化方法设计出油门单调减小的速度轨迹；基于自抗扰控制方法设计升降速度控制律，实现对触地升降速度的精确控制。最后，在MATLAB/Simulink平台下搭建对象模型，对无人机自主着陆闭环控制系统进行仿真，并采用蒙特卡洛法对存在参数不确定性情况下的控制系统鲁棒性能进行验证。仿真结果表明，所提出的轨迹设计方法与控制结构能够满足着陆性能要求，控制系统具有较强的鲁棒性。     

综合非线性鲁棒飞行控制系统设计

提出一种综合非线性鲁棒飞行控制系统设计方法,用于解决现代复杂战场环境下的飞行控制问题。为了克服系统的不确定性、时延性以及未建模动态给飞行控制系统带来的不利影响,在动态逆控制法的基础上,进一步设计了基于多层感知器神经网络和动态非线性阻尼控制的综合非线性鲁棒飞行控制器。利用神经网络参数的在线调整和动态非线性阻尼控制的抑制作用,使飞行控制系统能够跟踪给定信号,且满足一定的性能指标。最后将所设计的飞行控制系统用于某型歼击机的飞行仿真,结果证实当存在时延和平尾损伤时,设计的飞行控制系统具有很强的补偿能力。     

三容实验系统的变结构PID控制

基于非线性系统的反馈线性化,介绍了一种变结构PID控制方法．该方法能够有效地改善有控制量约束系统的控制性能．以某试验系统为被控对象,在对其进行反馈线性化同时实现静态解耦的基础上,给出了变结构PID控制的实验结果,并与常规PID控制进行了比较．结果表明了变结构PID控制的优越性．     

风洞流场马赫数补偿解耦控制研究

风洞流场参数-总压、马赫数之间存在严重的耦合关系。解决二者之间的耦合问题,对提高系统的控制精度、减小调节时间、增强系统的稳定性、鲁棒性,具有重大的现实意义。笔者首先以某风洞流场为研究对象,建立流场参数的逻辑模型,接着从补偿解耦的角度出发,借鉴多变量子空间补偿解耦思想,提出解耦补偿算法和补偿系数整定,建立流场参数补偿解耦模型。最后经过多次仿真实验、分析,进一步验证了该补偿解耦算法的有效性。     

超高速电机电流源逆变器解耦控制优化策略研究

针对电流源逆变器（Current source inverter, CSI）超高速电机驱动系统控制对象阶数高、耦合强的特点,提出一种基于定子电流反馈有源阻尼的三闭环改进型解耦控制策略。首先,通过在Z域构建考虑控制延时的CSI超高速电机二阶系统等效模型,设计了复矢量解耦电流外环、前馈解耦电压内环构成的分级解耦驱动系统。其次,基于重构模型分析三闭环控制系统在全速域的稳定性,讨论了该解耦策略在高速工况下失稳与二阶系统谐振问题的相关性。本文将定子电流反馈有源阻尼引入电流环调节器,在解决高阶系统谐振问题的同时实现超高速电机在全速域的高性能稳定运行。最后搭建了550 000 (r?min-1)/110 W超高速永磁同步电机的CSI驱动平台,并进行相关仿真及实验验证,证明了所提改进策略的有效性和优越性。     

一种基于动态逆的控制方案在无人机中的应用研究

动态逆技术通过成功的实际飞行测试而获得广泛认同，目前该研究热点在于对象模型的不确定性的抑制及鲁棒性的研究。文中提出一种基于在线神经网络的新型动态逆控制器，其主要思想是通过在线迭代的神经网络最大程度地挖无人机非线性不确定模型及其逆模型，同时通过一个梯度修正环节来补偿误差的影响。仿真验证包括三部分：对极快变量回路的仿真、航迹角跟随的仿真以及三维空间中对给定轨迹的跟踪。仿真结果表明，该方案能够解决精确的     

飞行航迹动态逆跟踪控制的神经网络方法

针对用动态逆方法设计飞行控制系统在极慢模态设计中所遇到的完全非线性问题，以及飞行器在执行低空突防任务时所面临的程度无法精确控制的条件，提出了一种以前向神经网络为核心的解决方案。文中给出了神经网络的拓扑结构、样本采集方法以及动态逆控制器的构造方法，仿结果表明，该方案具有良好的指令跟踪能力。