基于CMAC神经网络的BTT导弹模型跟踪控制

提出一种ＢＴＴ导弹模型跟踪控制系统的参考模型设计新方法。在此基础上,设计了一种非线性模型跟踪控制律,并将ＣＭＡＣ神经网络用于ＢＴＴ导弹系统的鲁棒自适应模型跟踪控制,使具有不确定性的实际系统获得要求的跟踪性能。该方法适合于控制导弹作全空域飞行。仿真结果进一步验证了该方法的正确与有效。     

BTT导弹自动驾驶仪设计方法综述

介绍了当前非线性自适应反演控制理论的研究现状和多种肿导弹自动驾驶仪设计方法。最后给出了结论。     

应用动态逆和时间尺度分离的BTT导弹控制

基于简化的ＢＴＴ导弹控制设计模型,应用非线性动态和时间尺度分离方法设计了一种非线性ＢＴＴ导弹自动驾驶仪,根据导弹实际的飞行高度和飞行速度,可以计算出导弹动力学系数的标称值,非线性动态逆法正是基于这些动力学系数的标移值,适适合于控制导弹作大空域飞行,六自由度仿真结果一步验证了方法是正确的与有效的。     

导弹自动驾驶仪微机自适应控制系统设计

研究了战术导弹自动驾驶仪的微计算机系统设计问题，讨论自动驾驶仪采用衰减记忆最小二乘法直接辨识弹体的时变参数，应用最小方差着适应控制方法计算出反馈控制量，实现闭环自适应控制。文中根据地空导弹自导弹自动驾驶仪以微机系统的功能要求，论证了微机系统总休性能参数的选择，设计出Ｚ－８０００ＣＰＵ为核心的微机系统，推导出一套适合微机定点运算的算法算式，并在此基础上，编制了微机系统的应用软件。计算结果表明，用微处     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

BTT导弹机动飞行非线性解耦控制

使用微分几何控制理论研究了 BTT导弹在倾斜转弯时的非线性解耦控制问题。首先给出了非线性系统实现解耦的充要条件 ,然后推导了 BTT导弹在倾斜转弯时的非线性解耦控制律 ,最后利用所推导的控制律对某型 BTT导弹进行了仿真研究。仿真结果表明 :所设计的非线性解耦控制律能很好地抑制导弹在倾斜转弯时的纵侧耦合 ,同时导弹的纵向过载及滚转角能很好地跟踪参考输入指令。     

ROBUST ADAPTIVE BANK-TO-TURN MISSILE AUTOPILOT DESIGN USING FUZZY CMAC NEURAL NETWORKS

ＲＯＢＵＳＴＡＤＡＰＴＩＶＥＢＡＮＫ┐ＴＯ┐ＴＵＲＮＭＩＳＳＩＬＥＡＵＴＯＰＩＬＯＴＤＥＳＩＧＮＵＳＩＮＧＦＵＺＺＹＣＭＡＣＮＥＵＲＡＬＮＥＴＷＯＲＫＳＺｈａｎｇＹｏｕａｎ（张友安）,ＣｕｉＰｉｎｇｙｕａｎ（崔平远）,ＷａｎｇＳｈｏｕｂｉｎｇ（王守斌...     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

电液力伺服系统的神经网络并行自适应预测 PI 控制

考虑电液伺服系统的复杂非线性和不确定性特性,提出一类基于神经网络的并行自适应预测PI控制结构,该结构使控制参数的调整和系统的实时控制操作可并行进行,不仅做到了神经模型和控制器的在线辨识和设计,而且避免了神经网络方法通常存在的实时控制的困难,使复杂系统的在线学习控制成为可能。仿真结果表明该控制器具有良好的适应性和鲁棒性。      

控制系统的神经网络鲁棒设计方法

拓展了基于一个给定的模型考虑系统的摄动问题的这种传统的鲁棒控制设计方法,给定多个模型,设计多个鲁棒控制器,将有更大的容许摄动范围,针对多个不同控制器用传统方法很难同时实现的状况,用具有定性和定量多模态控制能力的神经网络同时实现了多个传统控制器的功能,方法简单,实现容易。将该方法用于飞机增稳系统的控制设计,仿真结果证明控制效果良好。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

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。     

基于反馈误差学习的神经网络控制

研究了应用神经网络和ＰＤ反馈控制实现非线性系统的自适应跟踪问题。ＰＤ反馈控制器不但保证闭环系统的稳定性,同时其输出又作为训练神网络的参考信号。证明了通过选择适当的初始加权和加权的调节速率可以实现非线性系统的固定点跟踪。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。