多变量系统二次型最优控制的自学习实现

提出了多变量系统二次型最优控制的一种自学习算法，该算法使控制系统能通过学习，获得二次型最优准则意义下的最优控制品质。文中对算法收敛性给予了理论上的证明，对算法在造纸机网前箱控制问题中的应用进行了仿真研究，获得了令人满意的结果。     

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。     

用最优轨迹分析法研究战斗机的敏捷性

利用最优轨迹分析法确定战斗机的敏捷性，并将最优控制问题转换为参数优化问题，由非线性数学规划理论解出参数变化规律。从典型示例飞机分析了不同迎角限制和推力下的控制策略及对功能敏捷性的影响。仿真结果表明，在转弯过程中适当放宽迎角限制和增加推力都能增大转弯速率，缩短转弯时间，从而改善飞机的功能敏捷性。     

可折叠张拉整体-薄膜系统的可控形态展开

针对可折叠薄膜航天器的特点和设计需求，设计一种由杆件、弦绳、薄膜构成的新型可折叠/展开的刚柔耦合多体系统：可折叠张拉整体-薄膜系统。杆件可以提供充足的系统刚度，通过控制弦绳拉力可实现系统形态变化和形态控制，薄膜折叠技术可明显减小系统折叠形态的外形尺寸。采用非线性有限元方法建立系统动力学模型，用于描述系统运动中的几何非线性特性和薄膜折叠/展开过程中的材料非线性特性。基于准静态控制和H_∞控制方法设计一种系统形态展开组合控制策略，仿真结果表明该控制策略可以在系统预应力构型发生切换的情况下实现系统形态展开，并且在展开形态下快速稳定系统并抑制系统振动。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

三轴液压转台系统最优控制

三轴液压转台系统的核心是阀控马达伺服机构，由于其负载性惯量大，固有频率较低，采用经典控制理论设计的控制系统难以获得满意的响应特性和控制精度，以转台外框为例建立了转台液压系统的数学模型，应用最优控制理论，获得了使线性二次型性能指标为极小的最优控制规律。数字仿真结果和以该控制规律为依据设计的数模混合控制器进行的试验结果均表明，最优控制规律不仅有效地改善了转台的稳定性，而且提高了转台的响应速度和控制精度     

2.4m风洞常压吹风控制策略与控制软件设计

2.4m风洞是世界上最大的引射式风洞之一，该风洞控制系统多、所能实现的吹风方式也多，因而，其系统复杂。风洞被控对象具有非线性、时变、滞后和耦合特性，而风洞试验又要求系统有较高的控制精度和较快的稳定收敛速度。为了解决这种控制系统复杂的风洞控制问题，在控制系统硬件和软件上分别采用了先进的集散型控制系统硬件和智能控制策略，使风洞p0和M数控制精度分别优于0.3％和0.002。笔者对风洞控制核心系统和控制软件的设计和控制策略进行了介绍。给出了调试结果说明了控制策略和控制软件的设计是成功的。     

基于分岔理论的直升机地面共振分析

基于拉格朗日法建立了旋翼/机体耦合的直升机地面共振动力学模型,该模型考虑了非线性桨叶摆振阻尼的影响.采用非线性分岔理论对无阻尼地面共振动力学系统的自激振动边界进行了预测,并与经典的Cloeman特征方程法得出的结果进行了对比验证.随后利用该理论分析了无阻尼及含桨叶非线性摆振阻尼的地面共振系统的动力学特性.结果表明,采用非线性桨叶摆振阻尼使地面共振动力学系统在自激振动区域呈现出有限幅度的极限环振动,同时也避免了系统在该区域运动发散,且极限环振动幅值与非线性阻尼相关.     

多机械手混合位置/力协调学习控制的研究(英文)

研究了多机械手抓持一刚性物体的协调控制。考虑多机械手系统的动态模型不确定性,导出了物体位置的误差方程和内力的误差方程,给出了多机械手的混合位置/力协调学习控制策略,并对学习控制的收敛性进行了讨论。文中提出的控制策略在每次迭代学习后,通过修正系统的控制输入来改善系统的性能。最后,通过两个平面机械手抓持一物体的仿真实验证明了该方法的有效性     

一种变速风力机全风速范围发电策略

由于风力机系统复杂的机械阻尼和大惯量等强非线性因素的存在,增大了控制策略设计与实现的难度。同时,对于变速风力发电系统而言,风力机的转速控制器设计是实现发电控制策略的重要环节。本文首先分析了定桨距变速风力机全风速段的发电策略,针对传统方案所存在的问题,提出了新型的控制策略,该策略在不同运行状态之间的过渡过程迅速平滑,有效降低了系统的动态载荷;其次,基于现有的风力发电系统分析了定桨距风力机的小信号模型,推导了风力机系统的传递函数,并为转速控制环设计了P ID控制器;最后,通过仿真和实验,验证了全风速段发电策略的可行性和有效性。     

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。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

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。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

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。     

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     

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。     

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.     

神经网络在旋翼／机身气动干扰模型中的应用

由于直升机自身的特点，旋翼／机身气动干扰呈现非线性，且受多种因素的影响，用神经网络来解决这一非线性问题是一个很好的办法。将旋翼／机身气动干扰试验数据构造的学习样本，对网络参数进行学习，可以得到旋翼／机身气动干扰神经网络模型，进而可以用该神经网络模型研究直升机机身受旋翼气流干扰时的空气动力特性。参数训练好的旋翼／机身气动干扰神经网络模型可直接用于直升机气动设计和实时仿真。笔者在对旋翼／机身气动干扰神经网络模型的建立进行论述外，还简要介绍了旋翼／机身气动干扰试验。