基于多入多出平衡流形展开模型的涡扇发动机反馈线性化滑模控制

针对涡扇发动机内部状态大范围变化条件下,单点线性控制器控制效果不佳而线性变参数控制器求解困难的问题,提出了一种基于多入多出平衡流形展开模型的涡扇发动机反馈线性化滑模变结构控制。首先,采用多入多出平衡流形展开模型辨识技术,获得仿射型的涡扇发动机数学模型。随后,利用反馈线性化将平衡流形展开模型解耦,经过坐标变换获得可用于控制系统设计的线性结果,考虑了具有误差项和饱和函数的指数趋近滑模控制律来提高控制系统的鲁棒性,完成了基于平衡流形展开模型的多变量涡扇发动机反馈线性化滑模控制器设计。最后,在非线性部件级模型上开展了控制器验证。在平衡流形展开模型设计工况,增益控制和滑模控制的控制效果表明,基于平衡流形展开模型的反馈线性化方法能够获得涡扇发动机良好的控制效果。同时,在平衡流形展开模型稳定但精度无法保证的非设计飞行工况,反馈线性化滑模控制器能够进一步抑制不确定性的影响,保证转子转速和发动机压比的跟踪控制效果。     

基于目标状态方程的SRM非线性预测控制

提出了一种基于目标状态方程的开关磁阻电机非线性预测控制方法,根据建立开关磁阻电机的非线性数学模型,按照非线性控制理论,定义转矩偏差和速度偏差为目标状态方程。以此状态方程为基础,结合预测控制理论对开关磁阻电机控制系统进行非线性预测控制设计,得到了以转速和转矩为反馈变量的非线性预测控制规律。根据所设计的控制器,通过软件仿真进行了验证。仿真结果表明,采用基于目标状态方程的开关磁阻电机非线性预测控制方法设计的SRM控制系统具有良好的动态和静态性能,对抑制开关磁阻电机转矩脉动有很好的效果。     

涡轴发动机非线性模型预测控制

 对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面：预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。     

基于RBFN的伺服系统前馈控制器设计和仿真研究

 以转台伺服系统为控制对象, 采用RBF 神经网络前馈控制和比例反馈相结合的方法, 并利用单神经元对系统模型进行在线辨识, 为前馈控制器提供Jacobian 参数。将该方法运用在速度环控制中, 仿真结果表明, 采用了该方法的控制系统, 具有较高的跟踪精度和动态性能。     

带有执行器约束条件的模糊自适应反步控制

针对高超声速飞行器在飞行控制过程中存在外界干扰以及考虑执行器的动态特性等问题,结合飞行器纵向模型的特点,考虑舵的动态特性,分别设计了基于动态逆的速度控制器和基于指令滤波器采用Backstepping控制方法的高度控制器。模糊自适应系统用来在线辨识飞行器模型由于气动参数的变化而引起的不确定性。运用Lyapunov理论分析闭环系统的稳定性,证明了包含跟踪误差在内的所有信号满足半全局一致稳定。最后通过仿真对控制器的控制效果进行验证,得到了较为满意的控制效果。     

SMA鼓包迟滞建模与控制策略

激波控制鼓包SCB是一种减小激波阻力的流动控制技术。为了解决固定挠度鼓包工作范围较窄的问题,提出了一种具有双向记忆效应的形状记忆合金SMA鼓包,通过控制SMA鼓包的温度来改变其挠度。SMA鼓包最大可回复位移为6.1 mm,为鼓包变形区域的2.65%。针对迟滞现象对鼓包挠度控制的影响,基于（Krasnosel'skii-Pokrovskii,KP）模型对SMA鼓包的温度/挠度迟滞特性进行了建模研究。采用粒子群算法来辨识模型参数,辨识得到的迟滞模型最大误差为0.107 mm。设计了2种基于KP模型的PID控制方案,一种为无迟滞补偿的单目标PID控制,一种为迟滞逆模型前馈补偿的双目标PID控制。仿真与实验结果表明,迟滞逆模型前馈补偿的双目标PID控制时域性能优于无迟滞补偿的单目标PID控制。     

基于子空间和PEM的无人直升机两阶段参数辨识

在研究子空间辨识方法和预测误差方法(PEM)的基础上,提出了一种两阶段辨识方法,研究无人直升机的参数辨识问题.首先采用子空间方法得到初始参数模型,然后通过PEM方法得到参数化的直升机模型.为验证方法的有效性,以某型无人直升机实测数据为例进行参数辨识,结果表明该方法有良好的辨识精度.     

应用非线性模型预测控制的绳系卫星Halo轨道保持控制

针对哑铃型绳系卫星在圆形限制性三体问题(CRTBP)中的Halo轨道保持控制问题,应用非线性模型预测控制(NMPC)方法设计了Halo轨道保持控制器。首先采用摄动法得到目标Halo轨道,通过跟踪目标轨道上一运动点,将其转化为目标跟踪控制问题,然后设计非线性模型预测控制器对其进行跟踪控制。利用4阶Ronge-Kutta法对原非线性模型进行离散化,将预测控制中的有限时域最优问题转化为非线性规划问题进行求解,得到下一周期的控制量。最后通过数值仿真验证了即使在初始位置偏差较大的情况下,所设计的控制器只需要很少的速度增量就可使绳系卫星系统运动至目标轨道,并精确地保持在目标轨道上。     

基于PEM的辅助动力装置系统辨识与仿真

辅助动力装置（APU）是一个复杂的非线性系统,为了研究APU的工作特性,必须对其进行数学建模。本文依据某型APU地面试车数据,采用基于预测误差法（PEM）的输出误差模型进行系统辨识,建立了APU某一稳态点的＂小偏差＂数学模型,以满足后续控制规律的设计和研究。MATLAB仿真结果表明,此方法对APU模型辨识可行。验模表明,所建模型精度很高,且能实时准确反映APU性能,因而可在该状态下基于此模型进行控制器设计。     

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。     

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

 针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。仿真表明该方法是有效的。     

基于综合识别的高速飞行器在线姿态控制方法

针对高速飞行器控制方法中控制模型难以适应大包络飞行和算法中辨识存在收敛性的问题,设计了一种基于综合识别的在线控制方案.首先,由在线直接可测量构成三通道的特征状态量,以特征状态量建立面向控制的特征模型;然后,通过反馈线性化进行通道间的解耦,采用极点配置来进行在线控制参数的实时调节.仿真结果表明,在气动参数拉偏的情况下,三个通道均取得了较好的控制效果,控制器具有快速性和鲁棒性,且易于工程实现.     

基于特征模型的高超声速飞行器鲁棒控制方法

针对高超声速飞行器不确定性因素多、参数变化范围大的特点,将特征建模理论与多模型自适应控制方法相结合,设计了一种基于特征模型的鲁棒自适应控制方案.将飞行器的飞行包络划分为若干个子空间,基于对象特征模型分别设计各子空间的H,鲁棒控制器,飞行过程中,通过在线辨识得到的特征模型参数对各子控制器进行平滑切换.该控制方案不但可以较...     

近空间可变翼飞行器模态切换自适应控制研究

针对近空间可变翼飞行器在模态切换时存在参数不确定性的问题,研究了一种基于状态反馈输出跟踪的模型参考自适应控制方法。首先,基于近空间可变翼飞行器的状态方程,设计状态反馈控制器。在此基础上,设计了一种自适应更新律,实时估计控制器参数来消除参数不确定性的影响。仿真结果验证了模型参考自适应控制器的控制效果,以及对模态切换时参数不确定性的抑制能力。     

非线性预测控制在巡航导弹地形跟踪中的应用

建立了巡航导弹的非线性动力学模型,针对该模型的非线性连续预测控制方法,提出了预测跟踪误差和跟踪误差线性组合的性能指标,通过使性能指标最小,产生了巡航导弹地形跟踪的最优非线性反馈控制器,通过对虚拟地形的跟踪验证了控制器的性能,结果表明,该控制器不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

增广预测模型的航空发动机多变量约束预测控制

针对模型不匹配导致的模型预测控制性能下降的问题，提出了一种基于增广预测模型的航空发动机多变量约束预测控制器设计方法。在现有发动机状态空间模型基础上，将指令跟踪误差与系统状态的变化量增广为状态向量，设计增广预测模型以消除稳态跟踪误差，以控制量所需能量与模型预测输出误差最小为目标，利用带约束的序列二次规划（SQP）算法在线滚动优化控制变量。通过某型涡扇发动机非线性部件级模型的包线内不同状态下仿真分析，结果表明，控制系统无稳态误差，调节时间<2s，有效提高了发动机控制品质，实现了对输出量的限制管理。     

基于模型辨识的数控机床专用伺服电机位置控制

数控机床精密加工要求伺服电机具有精度高和响应快等特性,而传统的伺服控制器位置环采用的是简单的误差比例(P)控制,这种控制方法的响应性不能满足加工要求。提出一种基于模型辨识的伺服电机角位移控制方法。首先,采用最小二乘法辨识出传统闭环控制系统的模型；然后,分析模型的零、极点,根据模型特性设计补偿控制器；最后,通过试验结果说明所提方法能快速、准确地跟随系统输入。     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题，设计了高速开关阀和换向阀组合控制液压缸的结构方案，并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型，利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型，基于非连续参数映射和反步法设计了直接自适应鲁棒控制器，通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性，实验结果表明:在跟踪幅值为5mm，频率为0.4Hz的正弦信号时，最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm，与传统PID控制器相比，控制精度显著提升，旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。