基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强．在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。     

解耦模糊控制方法及在飞控中的应用

以某型飞机为对象，控制飞机纵向定高恒速飞行。由于模型是非线性的，采用模糊控制，并具有两个输入两个输出系统的模糊控制方法进行研究，找出了解耦控制规律，并结合ＰＩＤ控制器综合构成了模糊ＰＩＤ控制器。仿真结果显示控制过程时间短、超调量小，振荡小，为飞行控制提供了一种新方法。     

自组织模糊解耦控制在飞机着陆中的应用

为了更好地控制飞机的着陆飞行，采用模糊推理的方法，实现飞行高度和飞行速度的解耦控制。所设计的自组织模糊控制器，其模糊控制规则用解析形式进行描述，并通过修正因子的在线调整而改变，适应了系统响应的过程。同时，通过削弱量化误差以及在点附近引入PI补偿控制器，提高了系统的动态、静态性能指标。     

模糊模型参考学习控制及其应用

介绍了一种新型的模型参考自适应控制器-模糊模型参考学习控制.学习机制可以观测对象的输出并且调节模糊控制器中规则的隶属度函数,从而使得对象的输出跟踪参考模型的输出.仿真结果表明该控制器可以实现对非线性时变系统的高效控制,可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.     

直升机模糊神经控制模型

介绍了多变量系统的模糊神经控制模型、直升机飞行模糊控制规则建立的思路;建立了一个直升机模糊神经控制模型,并给出利用神经网络学习模糊控制规则的方法和步骤。     

模糊神经网络在过失速机动飞行中的应用

模糊逻辑控制技术和神经网络有机的结合 ,拓宽了模糊逻辑方法和神经网络方法的适用领域。利用神经网络具有自学习能力的优势 ,采用反向传播学习算法 ,通过对传统模糊逻辑控制器中的模糊逻辑控制规则和隶属函数有关参数进行训练学习 ,设计了模糊神经网络控制器 ,应用于飞机的过失速机动“里程碑”之一—— 70°迎角定常飞行仿真计算 ,获得了令人满意的结果。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

模糊线性/非线性自抗扰切换控制及其应用

针对干扰弹在作战过程中所遇到的强非线性的干扰、模型不确定性的影响等特性,提出了一种模糊线性/非线性自抗扰切换控制器。首先,以干扰弹滚转运动模拟装置为研究对象,分别建立了以飞轮角速度为被控量、滚转角为被控量的数学模型;提出了用模糊规则改进线性/非线性自抗扰切换控制条件,进而实现更为平稳的模糊软切换;然后选择采用飞轮角速度线性自抗扰控制内环和滚转角模糊线性/非线性自抗扰切换控制外环的双闭环控制策略;最后,搭建了系统的仿真模型与实验平台。仿真与实验结果都表明该控制器兼具了线性自抗扰与非线性自抗扰的优势,具有较高的实际应用价值。     

模糊复合控制在飞机除冰车加热系统中的应用研究

针对新型飞机除冰车加热系统的大惯性、纯滞后、非线性和模型不确定性等特点，提出了一种新的模糊复合控制方法。该方法将基于模糊规则切换的Fuzzy—PID双模控制与参数自整定模糊控制相结合，一方面利用基于模糊规则切换的Fuzzy—PID双模控制器增强系统的鲁棒性和抗干扰性，另一方面利用参数自整定模糊控制器加快系统的响应速度。理论分析和仿真结果表明，所设计的模糊复合控制方法能很好地适应飞机除冰车加热系统数学模型的大幅度变化，具有很大的实用价值。     

飞机转速摆动故障模糊诊断模型的建立及其仿真研究

鉴于传统故障诊断技术在飞机发动机故障诊断中不能较好吸收人类经验的缺点,文章运用模糊推理技术,模拟专家的故障诊断推理过程,建立了某型军用飞机发动机转速摆动故障的模糊故障诊断模型,并运用模糊神经网络对该模型进行了改进。仿真结果表明,所建立的模型可以很好地吸收维护人员的故障诊断经验,对故障原因可做出准确判断,训练完成的模糊神经网络模型可实现模糊模型的故障诊断功能,解决其不能自学习的问题。     

基于变论域模糊控制的无刷直流电机转速问题

无刷直流电机(BLDCM)是一种多变量、强耦合、非线性、时变的复杂控制系统。由于其采用传统的PID控制时很难满足需要,所以针对BLDCM精确调速的控制问题,在基于传统PID控制上引入模糊控制设计了模糊PID控制,并在此基础上应用变论域的方法,设计了变论域模糊PID控制器。以BLDCM为模型,通过MATLAB建立其仿真模型。仿真和试验结果表明,采用变论域模糊PID控制的BLDCM与传统控制的BLDCM相比,具有响应速度快、超调小、控制精度高等优点。     

基于多模型切换的鲁棒自适应控制器

系统参数发生跳变时,为了解决多变量系统暂态响应变差的问题,提出一种基于多模型切换的鲁棒自适应控制器。该控制器由多个鲁棒自适应控制器组成,鲁棒自适应控制器保证系统存在未建模动态时能够使自适应系统稳定运行,引入的多模型策略保证系统参数跳变时具有良好的暂态性能。仿真结果表明,所提出的多模型鲁棒自适应控制器能够加快系统的响应速度,提高系统的暂态性能。     

一类带有时变输入时滞T-S模糊系统控制器设计

利用模糊T-S模型对一类带有时变输入时滞T-S模糊系统进行模糊建模．在此基础上对该T-S模糊系统控制器设计进行研究，并以Lyapunov—Razumikhin稳定性理论为基础，给出了该系统渐近稳定的充分条件及其控制器的设计方法。算例表明这种设计方法是有效的     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

飞机-驾驶员闭环系统模糊预见控制器设计

针对驾驶员操纵延迟和飞机不确定性所导致的人-机系统跟踪性能降低的问题,提出一种基于T-S模糊模型的鲁棒预见辅助驾驶方法。建立驾驶员-飞机时滞不确定T-S模糊模型,引入预见控制思想补偿驾驶员延迟,以跟踪误差和驾驶员操纵负担为性能指标,将存在模型不确定性的人-机指令跟踪问题转化为模糊最优保性能控制问题,并推导了该凸优化所应满足的线性矩阵不等式。为克服预见步数增多引起增广系统维数较大、进而导致线性矩阵不等式不易求解的缺陷,设计了一种次优的预见控制器。最后,分别通过驾驶员模型仿真和飞行模拟器实验,验证了所设计的模糊预见控制器的有效性。     

涡喷发动机多变量自适应加速控制

提出了一种模型参考自适应控制方法, 并应用于双转子涡喷发动机多变量控制系统。仿真研究表明, 该方法在整个飞行包线内均有满意的瞬态响应, 对非线性的建模不确定性具有较好的鲁棒性, 以及对多变量系统中较强的耦合作用有较好的解耦效果。与传统的调节器相比, 发动机加速时间约减少16%, 加速过程中发动机推力明显增加, 平衡状态仍可提高约9%。      

航空发动机多变量模糊滑模变结构模型跟踪控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模变结构控制和模糊逻辑系统的优点,提出了一种模糊滑模变结构模型跟踪控制方法。采用比例积分型切换超平面设计滑模变结构控制系统,使用模糊逻辑系统自适应调节切换增益,得到某涡扇发动机的模糊滑模变结构模型跟踪控制器。数字仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,消除抖振现象,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

Two-stage open-loop velocity compensating method applied to multi-mass elastic transmission system

In this paper, a novel vibration-suppression open-loop control method for multi-mass system is proposed, which uses two-stage velocity compensating algorithm and fuzzy I ＋ P control- ler. This compensating method is based on model-based control theory in order to provide a damp- ing effect on the system mechanical part. The mathematical model of multi-mass system is built and reduced to estimate the velocities of masses. The velocity difference between adjacent masses is cal- culated dynamically. A 3-mass system is regarded as the composition of two 2-mass systems in order to realize the two-stage compensating algorithm. Instead of using a typical PI controller in the velocity compensating loop, a fuzzy I ＋ P controller is designed and its input variables are decided according to their impact on the system, which is different from the conventional fuzzy PID controller designing rules. Simulations and experimental results show that the proposed veloc- ity compensating method is effective in suppressing vibration on a 3-mass system and it has a better performance when the designed fuzzy I ＋ P controller is utilized in the control system.