基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

基于神经网络的GAIN-SCHEDULED飞行控制器设计方法研究

采用神经网络设计ＧＡＩＮＳＣＨＥＤ－ＵＬＥＤ控制器,给出神经网络ＧＡＩＮ－ＳＣＨＥＤＵＬ－ＩＮＧ控制器的实现方法,这样做可以简化控制器的ＳＣＨＥＤＵＬＩＮＧ参数,并且能够区分不同条件下的控制器结构。将其用于飞行控制器的设计,验证了所提方法的有效性。     

具有饱和补偿的碟形飞行器神经滑模控制

针对执行机构饱和非线性未知的碟形飞行器,在考虑执行机构动态的基础上,设计了基于神经网络的滑模控制器,给出了相应的控制律和参数选择方法.神经网络用来估计执行机构的饱和量,从而在设计控制器时,可以对执行机构的饱和进行相应补偿.仿真结果表明了该方法的正确性和有效性     

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。      

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近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。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于神经网络的GAIN—SCHEDULED飞行控制器设计方法研究

采用神经网络设计ＧＡＩＮＳＣＨＥＤ－ＵＬＥＤ控制器，给出神经网络ＧＡＩＮ－ＳＣＨＥＤＵＬ－ＩＮＧ控制器的实现方法，这亲做可以简化控制器的ＳＣＨＥＤＵＬＩＮＧ参数，并且能够区分不同条件下的控制器结构。将其用于飞行控制器的设计，验证了所提方法的有效性。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

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。     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

一类非线性系统的反演变结构控制及应用

针对一类非线性系统 ,将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络( CMAC)估计系统中的不确定函数 ,利用 CMAC神经网络和多面滑模技术估计出变换后系统的状态 ,最后利用变结构控制技术设计出控制器 ,特点是无需已知不确定性函数及其各阶导数的上界 ,与经典设计方法相比 ,所提出的方案允许非参数化不确定性。最后将此方法应用于空空弹控制系统的设计中 ,仿真结果表明了该方法的有效性     

基于CMAC的伺服系统控制研究

针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD＋前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。     

神经网络及模糊控制在飞机防滑刹车系统中的应用

提出了一种新的神经网络 -模糊逻辑刹车系统控制方案。利用神经网络解决刹车系统中存在的非线性识别问题,实现刹车过程的轨迹跟踪;利用模糊控制克服参数变化和环境因素造成的不利影响,同时避免不精确建模造成的误差,最后利用所设计的控制器对某型飞机进行了仿真研究。结果表明 :新的控制方案能极大的改善飞机的刹车性能。     

Variable structure robust flight control system for the F-14

In this paper, a flight control law for a simplified F-14 aircraft model is designed based on variable structure control (VSC) theory. For m-input, q-output linear uncertain systems (q相似文献   

RFNN control for PMLSM drive via backstepping technique

A robust fuzzy neural network (RFNN) control system is proposed in this study to control the position of the mover of a permanent magnet linear synchronous motor (PMLSM) drive system to track periodic reference trajectories. First, an ideal feedback linearization control law is designed based on the backstepping technique. Then, a fuzzy neural network (FNN) controller is designed to be the main tracking controller of the proposed RFNN control system to mimic an ideal feedback linearization control law, and a robust controller is proposed to confront the shortcoming of the FNN controller. Moreover, to relax the requirement for the bound of uncertainty term, which comprises a minimum approximation error, optimal parameter vectors and higher order terms in Taylor series, an adaptive bound estimation is investigated where a simple adaptive algorithm is utilized to estimate the bound of uncertainty. Furthermore, the simulated and experimental results due to periodic reference trajectories demonstrate that the dynamic behaviors of the proposed control systems are robust with regard to uncertainties.     

On-line gain-tuning IP controller using RFNN

In this study an integral-proportional (IP) controller with on-line gain-tuning using a recurrent fuzzy neural network (RFNN) is proposed to control the mover position of a permanent magnet linear synchronous motor (PMLSM) servo drive system. The structure and operating principle of the PMLSM are first described in detail. A field-oriented control PMLSM servo drive is then introduced. After that, an IP controller with on-line gain tuning using an RFNN is proposed to control the mover of the PMLSM for achieving high-precision position control with robustness. The backpropagation algorithm is used to train the RFNN on line. Moreover to guarantee the convergence of tracking error for the periodic step-command tracking, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the RFNN. Furthermore, the proposed control system is implemented in a PC-based computer control system, Finally, the effectiveness of the proposed PMLSM servo drive system is demonstrated by some simulated and experimental results. Accurate tracking response and superior dynamic performance can be obtained due to the powerful on-line learning capability of the RFNN. In addition, the proposed on-line gain-tuning servo drive system is robust with regard to parameter variations and external disturbances     

Coordinated Frequency and Voltage Control of Synchronous Generators

Three different types of controllers, i.e., the conventional controller, the linear optimal controller (LOC), and the variablestructure controller (VSC) are proposed for the coordinatedfrequency and voltage control of synchronous generators. Theinteraction between the frequency and voltage control loops is takeninto account by incorporating both the speed-governing system andthe excitation system into the mathematical model of thesynchronous generator. Results obtained from computer simulationindicate that the variable structure controller can yield the bestdynamic responses following a step load change.     

三轴式无人旋翼飞行器及自适应飞行控制系统设计

设计了一种操控简便的三轴式无人旋翼飞行器,由三组共轴双旋翼组成,各旋翼由直流电机直接驱动,只需调节各电机转速就能控制旋翼飞行器运动姿态和轨迹。为使三轴式无人旋翼飞行器飞行控制系统设计得到有效验证,研究了旋翼飞行器的飞行动力学非线性建模,运用叶素动量理论建立了共轴双旋翼变转速旋翼载荷计算方法,分析了旋翼入流分布对共轴双旋翼气动载荷模型的影响,通过试验验证了共轴双旋翼气动载荷计算模型的正确性。由于旋翼飞行器飞行动力学模型的非线性及未建模动力学的影响,难于建立非常精确的数学模型,给飞行控制系统设计带来了挑战。本文根据旋翼飞行器飞行动力学非线性模型推导出了旋转动力学模型逆和平移动力学模型逆控制器,利用神经网络在线自适应修正模型逆误差,采用线性PD或PI控制器调节指令跟踪误差,应用由向心回转和垂直上升组合的机动科目进行了仿真验证,给出了具有外界阵风干扰模拟的仿真结果,表明所设计的飞行控制系统具有自适应性和鲁棒性,能实现精确的轨迹跟踪控制。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。