基于辨识模型的无人机鲁棒飞行控制方法

提出了一种基于系统辨识获取飞行动力学模型并进行鲁棒飞行控制律综合设计的方法。首先利用混合遗传粒子群优化算法,从真实试飞数据中辨识建立无人机动力学模型,然后基于随机鲁棒原理的设计方法和辨识模型,设计了无人机鲁棒飞行控制律。飞行试验验证表明,在无气动数据情况下所设计出的高性能鲁棒飞行控制律满足了无人机飞控研制的需求。     

基于μ理论的飞机俯仰姿态控制

针对飞机飞行条件变化引起的模型不确定性问题,基于μ控制理论设计鲁棒的俯仰姿态控制系统.首先,根据干扰抑制原理将俯仰姿态控制系统设计转化为μ综合的一般框架,合理地选择加权函数确定广义被控对象,通过引入虚拟的不确定块将鲁棒性能问题转化为广义系统的鲁棒稳定性问题.然后,利用D-K迭代算法求解得到14阶的μ控制器,基于平衡截断...     

基于群智能算法的鲁棒飞行控制律参数优化

针对飞行控制律设计过程中由于名义模型和实际飞机之间的参数偏离所导致的不确定性问题,基于传统频域分析法、μ分析以及蒙特卡洛拉偏仿真分析,提出了一种控制律优化算法。该算法以控制系统的时域、复域、频域以及多输入多输出(MIMO)系统的μ值组合而成的不满足概率来构建代价函数,再通过混合遗传粒子群算法进行代价函数最值的迭代寻优,最终得到最优反馈控制增益参数。以某小型无人机横航向控制律为例开展分析和优化,结果表明优化后的控制律既能满足飞行性能响应指标要求,又具有满意的鲁棒稳定性,验证了该算法具有良好的优化作用。     

基于[μ]综合方法的自动驾驶仪设计

对于具有不确定性的控制系统,如何保证控制系统的设计能够具有鲁棒性,同时又达到最优的控制性能,[μ]综合方法以完备的结构奇异值理论为基础,给出了这一问题的最优解。导弹受控飞行于稠密大气层时,其自动驾驶仪正是这样一种要面对多种不确定性因素的控制系统,为使导弹控制在这种情况下达到鲁棒最优,将[μ]综合方法用于导弹自动驾驶仪设计,并对设计结果进行了仿真验证,结果分析表明采用该方法对于导弹气动不确定性具有更好的鲁棒效果。     

高空台飞行环境模拟腔μ综合控制设计

针对航空发动机在高空台(AGTF)试验中高空飞行环境模拟腔(FESV)控制问题以及建模过程中产生的未建模动态不确定性问题,提出了一种μ综合控制结构方案,同时对于截止频率相差近几百倍的温度回路和压力回路的大差异特性,提出了采用同一加权灵敏度函数的处理方法,获得了模拟腔控制的期望效果；采用D K迭代算法设计了μ综合控制器,为解决因系统矩阵不满秩带来的温度、压力同时控制的问题提供了一种设计方法和思路,不同的飞行轨迹仿真验证结果表明:μ综合控制器对于飞行环境模拟腔温度和压力的控制效果一致性良好,动态误差不大于09%,稳态误差不大于05%,因此设计的μ综合控制系统具有伺服跟踪性能和鲁棒性能。      

弹用涡喷发动机鲁棒性能μ综合控制

针对某型弹用涡喷发动机，分析了具有乘性输入不确定性的被控对象中嵌入加权函数的μ鲁棒性能问题，由具有N-△结构的μ综合框架，给出了控制系统获得鲁棒性能的D-K迭代法，设计了弹用涡喷发动机鲁棒μ控制器。仿真结果表明设计的控制器在全飞行包线内不同的弹道上取得了鲁棒性能。     

高空台飞行环境模拟系统温度延时不确定性μ综合设计

针对高空台飞行环境模拟系统温度大延时特性的控制问题,提出了一种考虑温度延时不确定性的两自由度μ综合控制设计方法以提升其温度的控制精度。在考虑变比热容腔微分方程、管壁传热、调节阀流量特性、液压伺服动态、传感器增益以及温度延迟对飞行环境模拟系统造成的建模不确定性的基础上,建立了完整、准确的非线性延时模型。在考虑执行机构参数、温度延时不确定性的基础上,提出了两自由度的μ综合控制设计方法。为了确保设计的控制器具有良好鲁棒伺服跟踪性能,基于分频设计的思想设计性能加权函数和控制量加权函数,并运用D-K迭代算法设计控制器。假定了包含"等马赫数爬升"和"平飞加速"的试验过程来验证μ综合控制器的伺服跟踪性能,仿真结果表明,飞行环境模拟系统温度和压力的稳态和动态误差分别均不大于1.5%和3%。     

综合飞行/推进系统H∞控制设计

应用混合灵敏度H∞控制理论研究了综合飞行/推进系统多变量鲁棒控制器设计问题,分析并提出了合理构造和调整加权阵设计综合控制律的方法,针对混合灵敏度H∞控制设计的关键———构造加权阵问题,从加权阵的约束条件和控制系统设计的性能指标两方面入手,通过构造和调整两个加权阵频域特性,以达到对控制系统进行频域整形的目的,仿真结果证明了方法的有效性。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

操纵品质的鲁棒飞控系统设计

利用对误差函数加权的最优控制,提出了具有固定增益的鲁棒飞行控制系统的设计方法。用该方法设计的控制系统不仅具有稳定的鲁棒性,而且具有操纵品质的鲁棒性。本文研究了该鲁棒飞行控制系统在全飞行包线内的稳定性,还对某歼击机设计了鲁棒飞行控制系统。设计和仿真表明了该方法的简便性和有效性。