神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能     

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...     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

基于特征模型的某型无人机智能PID控制器

无人机的飞行特性在很大程度上取决于其飞行控制律。本文以无人机的姿态控制回路为研究对象,分析了表征该无人机姿态控制特性的特征状态信息。利用特征建模的方法,设计一种基于控制对象特征模型的无人机姿态回路仿人智能P ID控制器,并进行了仿真试验。结果表明,该控制器具有较好的抗干扰和自适应能力,结构简单,针对性强,易于实现。     

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。     

综合火力／飞行控制系统的模糊控制及其仿真研究

研究了综合火力／飞行控制系统（ＩＦＦＣＳ）的模糊控制问题，首先给出了飞机纵向运动的火力／飞行控制系统的数学模型，然后讨论了基本模糊控制器的结构方案和设计过程，在分析了不同量化因子及比例因子对控制特性的影响后，对基本模糊控制器进行了改进，提出了分段因子模糊控制器和经过一次修正的模糊控制器的设计思想，最后，对包含模糊控制器的ＩＦＦＣＳ进行了计算机仿真。仿真结果表明，对ＩＦＦＣＳ采用模糊控制方法是可行的     

一种无人机鲁棒自适应控制律设计

针对现代无人机作战时存在强不确定性、全包线大机动飞行时的强非线性、战损/故障导致的舵面效能变化问题，提出一种包含基本控制器和补偿控制器的鲁棒自适应控制律设计方法。以鲁棒伺服LQR作为基本控制器，L自适应作为补偿控制器，在保证无人机控制系统稳定性和动态特性的同时，拥有较强的鲁棒性。仿真结果表明了该方法的有效性和优越性。     

模糊控制和神经网络相融合的研究及其在家电产品中应用

综述了模糊控制和神经网络相融合的研究，列举了若干种由神经网络实现模糊规则和模糊控制器的方法．这些利用神经网络的模糊控制器，能自动地辨识控制规则和校正隶属函数．最后叙述了该方法在家电产品中的应用。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法，给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法，前者提高了系统对参数变化的适应能力，同时也提高了系统的控制精度，改善了系统品质，后者缩短了网络的学习时间，有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时，针对某型直升机用数字仿真证明了该方法的优点和良好效果     

基于模糊神经网络的异步电机速度控制系统

针对矢量控制异步电动机，利用模糊神经网络控制理论．提出了一种教师值指导和隶属函数自调整的模糊神经网络控制器。详细描述了模糊神经网络控制器和教师值控制器的设计过程，采用了隶属函数参数在线调节的办法，推导了隶属函数参数调整的公式和算法，研究了以转矩电流Iqs为目标函数和系统输出转速ω为目标函数的情况下的系统转速响应，分析了系统转动惯量J、粘滞摩擦系数B和转矩系数Kt变化情况下系统的性能，仿真结果表明该控制器具有速度响应快、鲁棒性较强等优点。     

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。     

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     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。