导弹动态可攻击区实时在线算法研究

为满足对空导弹在真实空战环境中射后动态攻击区实时在线计算的需要,提出了一种基于改进BP神经网络算法的导弹射后动态可攻击区的实时在线高精度拟合方法。该神经网络可用于对空导弹各种飞行总体状态下的射后动态可攻击区实时在线高精度拟合。数值仿真结果表明,该方法所求得的拟合导弹射后动态可攻击区与实际计算结果误差很小,在实际的导弹攻防对抗、群体导弹拦截一体化等工程应用中,能够实时在线地计算导弹射后动态可攻击区,对现代国防技术有较大的推进作用。     

弹道导弹飞行时间的BP神经网络控制方法

时间协同攻击是提高弹道导弹突防能力和作战效能的一种重要手段。由于发动机推力偏差等干扰因素造成导弹的飞行时间偏差较大,为精确控制弹道导弹的飞行时间,运用BP神经网络算法,建立了一种适用于较大飞行时间偏差修正的飞行时间调控模型。该模型用视加速度偏差表征推力偏差等干扰的影响,根据视加速度偏差调整导弹飞行中某一时段的程序角来实现对飞行时间的精确控制。由BP神经网络建立满足飞行时间偏差要求下视加速度与飞行程序角速率、转弯结束时间之间的映射关系。导弹实际飞行时,根据实际视加速度,由BP神经网络在线计算出飞行程序角速率及转弯结束时间,使导弹在干扰条件下仍以预定飞行时间到达目标。最后,通过仿真验证了该模型的有效性和可行性。     

机动发射导弹助推段弹道快速规划方法

针对机动发射条件下的弹道快速规划问题,提出了基于神经网络状态预报模型的典型助推-滑翔导弹助推段弹道在线规划方法。导弹发射后,运用事先训练的神经网络拟合弹道计算过程,预报关机点状态,结合优化算法快速生成满足终端再入约束的飞行程序。仿真结果表明,所提神经网络预报及飞行程序解算模型能够适应给定的机动发射条件,在2 s内输出全程飞行程序,且实际终端状态量满足关机制导要求。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

基于闭环控制的带翼导弹虚拟飞行数值模拟

通过耦合求解非定常Navier-Stokes方程、刚体六自由度（6DOF）运动方程及舵偏控制律,发展了一套虚拟飞行数值模拟平台,对基本带翼导弹外形进行了虚拟飞行数值模拟研究。流场求解采用基于结构网格的有限体积法,时间推进采用双时间步法,使用刚性重叠动网格技术模拟舵与弹身的相对运动,采用四阶Runger-Kutta方法求解运动方程组,舵偏控制律采用基于比例-积分-微分（PID）的反馈控制。模拟结果表明：发展的虚拟飞行数值模拟平台能够处理包含复杂运动边界的非定常运动问题,可以为非定常气动力建模提供数据、预示飞行器稳定性及检验飞行控制律,该模拟平台具备一定的工程应用价值。     

基于预估校正和嵌套网格的虚拟飞行数值模拟

 针对导弹虚拟飞行数值模拟问题,发展了空气动力学/飞行力学数值计算方法和软件。控制方程为非定常雷诺时均Navier-Stoker(RANS)方程和刚体六自由度运动方程;流场求解器为有限体积法结构网格求解器,时间推进采用双时间步法,湍流模型为Spalart-Allmaras一方程模型;采用Adams预估校正法实现飞行力学方程与流场控制方程的耦合计算;使用嵌套网格方法模拟多体运动。首先模拟了美国国家航空航天局(NASA)窄条翼导弹模型纵向虚拟飞行,研究耦合方式和时间步长的影响。仿真结果表明,双时间步三阶Adams耦合方法,同等精度下可以显著增大时间步长,缩短仿真时间。最后,采用该方法模拟了导弹自由摇滚特性和纵向虚拟飞行,模拟结果与试验值吻合较好。     

基于果蝇-蛙跳模糊神经网络PID 的永磁直线同步电机控制

针对永磁直线同步电机(PMLSM)伺服系统存在的非线性、时变性及强耦合性,设计一种基于模糊神经网络PID的速度控制策略,通过融合果蝇优化算法和蛙跳算法形成果蝇-蛙跳算法,实时调整优化模糊神经网络的结构参数,输出适用于PID控制器的最佳参数kp、ki、kd,实现PMLSM速度控制的自适应和智能化。仿真分析与试验结果表明,采用基于果蝇-蛙跳算法优化的模糊神经网络PID速度控制器,能使PMLSM控制系统取得更加优良的控制效果。     

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

基于遗传神经网络的飞行载荷参数识别

针对飞行载荷参数识别问题,结合典型机动动作,提出一种优化改进的BP神经网络模型。模型采用留出方法和遗传算法对BP神经网络的设置参数进行优化,利用最优设置参数训练得到飞行载荷与飞行参数的BP神经网络模型。在半滚机动下,通过利用飞行参数识别某一部位弯矩并与未优化BP神经网络对比,表明优化改进的BP神经网络模型对飞行载荷参数识别是一种可行且精度高的方法。     

无人机涡喷发动机的神经网络自适应PID控制

将基于RBF神经网络的辨识网络与基于BP网络的控制器相结合，组成自适应PID神经网络控制系统。RBF神经网络采用离线学习在线修正权值和阈值，为加快收敛速度，应用带惯性项的梯度下降法。大量仿真结果表明，RBF网络较ELM，标准BP及改进的BP等网络具有明显优点。对某型无人机涡喷发动机控制系统的仿真结果表明此控制方式具有鲁棒性好、响应速度快、稳态误差小等优点。     

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

基于BP神经网络的惯导初始对准误差辨识方法

针对弹道导弹捷联惯导系统初始对准问题,提出一种基于BP神经网络在线辨识初始对准误差的方法。首先设计了初始对准误差辨识总体方案;然后,基于SINS/GPS组合导航系统测量信息,以SINS与GPS之间的位置偏差为输入量,以初始对准误差为输出量,分别采用三输入和六输入的BP神经网络建立位置偏差与初始对准误差参数之间的映射关系,生成BP神经网络结构;最后,设计仿真试验,分别采用三输入BP神经网络、六输入BP神经网络和卡尔曼滤波算法预测初始对准误差参数。仿真结果表明,六输入BP神经网络算法识别精度最好,初始水平姿态角误差小于30″,瞄准方位角误差小于70″。     

PID控制器与CFD的耦合模拟技术研究及应用

飞行控制系统（FCS）与计算流体力学（CFD）的耦合求解是一个崭新的研究领域。传统的飞行控制系统的工程仿真方法依靠气动力模型或气动力数据库得到不同飞行姿态的气动力;而当前方法通过耦合求解Navier-Stokes方程和刚体动力学方程（RBD）以获取飞行器运动过程实时流场和非定常气动力。由于充分反映了气动力的非定常、非线性效应,因而从根本上保证了飞行控制系统仿真的精度。以方形截面导弹俯仰姿态控制为例,首先给出了系统的传递函数,并基于系统在单位阶跃舵偏操纵下的开环响应特性,提出了传递函数的修正方法,进而设计了该外形俯仰姿态控制的PID控制器。数值模拟了不同控制参数时,P控制器、PD控制器和PID控制器的控制效果。针对不同的控制指令,根据建立的控制律,数值模拟了飞行器在PID控制器作用下的实时响应过程,最终成功实现了对飞行器的俯仰姿态控制。研究发现,当飞行器作慢速机动时,工程仿真与CFD数值计算的结果吻合很好,两种方法可以互相验证;但快速机动时,两种方法给出的结果差异明显,基于CFD的耦合模拟方法由于模拟了飞行器运动和舵面偏转导致的非定常流动过程,其结果比基于静态气动力的工程方法的可靠性更高。在大攻角和快速机动等非定常效应较强时,采用CFD方法评估和验证飞行控制系统是很有必要的。     

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。     

一种BP网络自整定PID控制算法及其在NF-6风洞控制中的应用

NF-6风洞是一座增压、连续、高速回流式风洞，对各子系统的控制性能都有较高的要求。针对NF-6风洞对模型姿态系统控制性能提出的高要求，提出了一种BP网络自整定PID控制策略，并结合现有的改进型PID控制思想对其进行了进一步的分析与改进。仿真结果及初步应用表明：该算法在算法收敛性、实时性及控制精度上较传统PID算法及BP网络算法都有较大程度的提高。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

基于BP神经网络的飞行时间快速计算方法

为快速计算弹道导弹的飞行时间,首先分析了影响弹道导弹飞行时间的各因素,并重点仿真分析了不同发射点纬度、射程、大地方位角对飞行时间变化的影响规律,提出了基于BP神经网络快速计算弹道导弹飞行时间的方法,并仿真验证了该方法的有效性。该方法适用于多枚导弹进行火力协同攻击或饱和攻击时,快速计算不同导弹的飞行时间。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

导弹配平飞行数值模拟及控制优化

传统基于建模仿真的控制系统检验方法受建模质量的影响,在非定常效应较强时很难得出准确结果。为此,采用基于CFD的虚拟飞行数值模拟方法检验和优化控制系统。首先介绍了数值模拟方法,进行了纵向开环控制飞行模拟,结果与气动力建模仿真结果、风洞试验结果吻合较好,共同验证了计算方法和气动力模型。针对迎角拉起设计了PID控制器,阶跃响应仿真结果表明控制器具有良好的动态性能,然后进行了数值模拟验证,结果表明迎角超调量超过50%、调节时间1.7s。通过试探法对控制参数进行了优化改进,将超调量减小到14%,调节时间减小到1.18s,动态性能显著提高。分析表明,受控时尾舵角速度达到200°/s,非定常效应强,线性气动力模型不能精确描述这些过程,造成了仿真结果的差异;虚拟飞行数值模拟技术在控制律检验和优化上可以起到关键作用。     

基于改进BP神经网络的导弹攻击区计算

针对传统导弹攻击区计算方法和BP神经网络算法的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的导弹攻击区模型。该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性。仿真结果表明,与传统导弹攻击区计算方法和BP神经网络相比,动态变结构BP神经网络具有更好的计算能力和收敛速度,可以快速、准确地完成导弹攻击区计算。