基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

T-S模糊系统的部分状态反馈H∞控制

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器, 一般难以利用线性矩阵不等式工具求解. 本文研究T-S模糊系统的部分状态反馈镇定及部分状态反馈H∞控制问题. 首先, 通过矩阵变换, 将T-S模糊系统的部分状态反馈镇定问题转换成求解一组线性矩阵不等式(LMIs); 然后, 以此为基础得到基于LMI的部分状态反馈H∞控制器设计方法; 最后, 通数值例子验证所给方法的有效性.     

基于模糊Takagi-Sugeno模型的发动机转速鲁棒控制

基于某航空用二冲程活塞式发动机的非线性模型, 利用扇形非线性特性得到了发动机模糊Takagi-Sugeno(T-S)模型;基于该T-S模型, 采用系统增广的方法研究了无静态误差转速控制器;设计中考虑了鲁棒H∞性能, 使得该非线性系统的模糊控制器具有较好干扰抑制性能, 并在Lyapunov稳定性理论基础上建立了该系统渐进稳定的线性矩阵不等式条件;最后通过系统仿真算例验证了所设计控制器的有效性.      

一类不确定时滞模糊系统的保性能可靠控制

针对一类不确定时滞模糊系统,研究了执行器故障情况下的状态反馈保性能可靠控制问题。首先,在不确定时滞系统的T-S模糊模型的基础上,设计了状态反馈控制器;然后,选取保性能指标和构造Lyapunov函数,给出系统存在保性能可靠控制器的充分条件,并以线性矩阵不等式的形式表达。通过求解LMI方程就可以得到状态反馈保性能可靠控制器。采用所设计的保性能可靠控制器,当任意执行器出现故障时,闭环系统仍保持渐近稳定且保持原有的性能指标。     

基于广义系统表达式的模糊系统稳定性分析

研究不确定T-S模糊系统的稳定性问题,并基于模糊广义系统表达式,给出了系统稳定的充分条件。在此基础上,转化为求解线性矩阵不等式的问题。与以往结果相比,减少了求解过程的计算量。同时,为了得到更为松弛的线性矩阵不等式条件,提出一种新的模糊控制器设计及模糊Lyapunov函数。算例说明所提方法有效和可行。     

辅助驾驶员操纵的预见显示及预测控制

针对人具有预见、预测能力和驾驶员操纵品质要求,提出了辅助驾驶员操纵的预风显示及预测控制方案。应用预见控制技术对驾驶员最优控制模型,显示与控制协调性合成设计的预见加速显示进行了研究,建立了驾驶员跟踪目标信号的最优预见控制模型和基于系统状态的预见加速显示的人机预测控制结构。用非零和协调性动态规划法进行驾驶员－显示器－控制器的最优协调性合成设计。可减轻驾驶员的操纵负担,提高了飞行品质和主观评价。     

微型飞行器过失速降落轨迹跟踪控制设计

采用基于张量积的T-S模糊建模与控制方法,对微型飞行器过失速降落纵向运动的轨迹跟踪控制问题进行了研究。首先,建立了过失速降落中飞行器纵向运动的线性变参数动力学模型;然后,通过张量积模型转化方法,将线性变参数模型转化为张量积胞体模型,基于该模型设计了并行分布补偿控制器,用Lyapunov稳定性理论证明了闭环系统的稳定性,并推导了区域极点配置条件以获得更好的暂态响应性能;最后,对飞行器的过失速降落过程进行了仿真,验证了所设计的跟踪控制器的有效性。     

模型跟踪和涡流控制在飞翼布局飞机上的应用

为增加小展弦比飞翼类布局飞机的操纵特性,并满足其对隐身性能的要求,将模型跟踪控制器和涡流控制器进行综合使用.模型跟踪是一种提高系统闭环响应并跟踪驾驶员指令的方法,通过此方法可使动态特性较差的飞机对动态特性较好的飞机输出进行跟踪,由此来改善飞机的动态特性.增加涡流控制可以进一步扩展模型跟踪控制的作用效果,涡流控制器使用变步长神经网络进行训练.结果表明,两种方法的综合使用可以有效地提高飞机的动态特性,通过增加涡流控制后,进一步增加了模型跟踪控制的作用效果.     

时变时滞和不确定模糊广义系统的鲁棒H_∞控制

讨论了一类时变时滞参数不确定模糊广义系统的二次稳定性与鲁棒H∞控制问题。应用新的T-S模糊系统模型对其进行了描述,并给出了系统的二次稳定性定义。应用新的Lyapunov函数和线性矩阵不等式,给出了判定系统二次稳定的更为松弛的条件。一个H∞状态控制器确保了闭环系统具有H∞性能。最后的仿真实例验证了结论的有效性和可行性。     

基于Lyapunov函数的不确定模糊控制系统设计

研究一类不确定T-S模糊系统的稳定性问题,考虑了平行与非平行分配补偿控制器的设计,并把线性矩阵不等式方法运用到了非平行分配补偿控制器中。基于Lyapunov函数把系统稳定的充分条件延伸到了不确定模糊控制系统。最后通过数值实例说明了本结论的有效性。     

航空发动机多变量模糊滑模变结构模型跟踪控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模变结构控制和模糊逻辑系统的优点,提出了一种模糊滑模变结构模型跟踪控制方法。采用比例积分型切换超平面设计滑模变结构控制系统,使用模糊逻辑系统自适应调节切换增益,得到某涡扇发动机的模糊滑模变结构模型跟踪控制器。数字仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,消除抖振现象,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性。     

分布式控制系统稳定性分析及控制器设计

针对存在总线通信时延和掉包的航空发动机分布式控制系统,分别进行了时延和掉包情况下的系统建模和稳定性分析;利用增广离散化方法将时延系统转化为增广无时延模型,利用迭代方法将数据掉包建模为一定掉包界内的切换系统;分别提出时延和掉包条件下系统的稳定性条件,并通过求解线性矩阵不等式确定系统输出反馈控制增益;最后比较了基于保持输入和重构增益的2种掉包补偿措施。研究结果表明:采用基于时延的反馈控制增益设计和重构增益掉包补偿措施,可以保证分布式发动机控制系统的稳定性并获得最佳性能。     

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.