飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

舰载机着舰飞行/推力补偿控制律多目标综合优化设计

对舰载机着舰飞行/推力补偿综合控制问题进行了研究。在满足飞行品质要求下,为提高飞行/推力补偿系统抗舰尾流干扰能力及着舰下滑航迹的控制精度,提出了一种基于改进粒子群算法的飞行/推力控制律综合优化设计方法,实现了舰载机着舰控制的飞行品质、抗干扰能力及下滑航迹控制精度的综合优化。在算法的搜索过程中,粒子群模拟鸟类捕食过程自适应聚集为多个动态调整的子群,从而有效维持种群的多样性,抑制早熟收敛现象发生。最后,采用美国F/A-18A舰载机参数进行了数值仿真,仿真结果表明,该方法可有效提高控制律优化设计效率,不但能满足期望的飞行品质要求,同时,还可改善系统的抗干扰能力,提高着舰下滑航迹的控制精度。     

基于进化策略的飞行控制系统多目标优化

针对传统飞机飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且还有与飞行品质要求缺乏相关性和物理意义不明确等缺点,提出了一种基于改进多目标进化算法的飞行控制律多目标优化设计方法。该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折衷解,避免了决策者要在众多非劣解中作出困难的选择。在算法中,采用了新的偏好信息给定方法,并提出了一种模拟"投票选举"的偏好信息处理方法,该方法直观简便并易于实现。最后,使用改进的多目标进化算法对某型飞机纵向控制律设计进行数值仿真,结果显示该算法可有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

基于闭环准则的LQG/LTR飞行控制律优化设计

针对LQG/LTR飞行控制律设计中加权矩阵的选取问题,提出了一种基于闭环准则的LQG/LTR飞行控制律优化设计方法。以俯仰姿态控制律优化设计为例,首先基于闭环准则选取了满足一级飞行品质要求的参考模型,并基于该参考模型使用粒子群优化算法优化得到了两个加权矩阵,从而得到了卡尔曼滤波器和相应的目标反馈回路。进而借鉴飞机等效系统拟配的方法,优化得到了另两个加权矩阵,从而得到了LQG最优控制器,完成了回路传递恢复的优化设计。仿真结果表明,通过该方法能够快速自动地选取合适的加权矩阵,使得优化设计的LQG/LTR飞行控制律较好地满足了俯仰姿态控制的要求。     

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。     

一种改进粒子群算法及其在飞控系统中的应用

针对标准粒子群优化算法过早地陷人局部最优问题,提出了一种改进的粒子群优化算法,引人基于均匀设计区域选取的变异算子和改进的自适应权重来提高种群多样性和粒子群搜索效率,并应用于某飞行控制系统的优化调参.通过该方法,不但可以降低结果过早陷人局部最优的可能性,而且还提高了飞行控制系统优化调参的效果,仿真实验验证了该设计方法的有...     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

基于粒子群算法的导弹飞行控制系统设计

针对反坦克导弹鲁棒飞行控制系统设计问题,提出了一种基于粒子群算法的鲁棒飞行控制律设计方法.在使用μ综合方法设计反坦克导弹控制律时,采用粒子群算法优化鲁棒性能加权函数,解决了加权函数难以选择的问题.仿真结果表明,采用粒子群算法的μ综合方法设计的反坦克导弹飞行控制律具有较强的鲁棒性和更好的指令跟踪能力.     

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

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。     

基于均匀设计的小生境遗传算法及其在飞控系统中的应用

将小生境遗传算法(NGA)应用于飞行控制系统(FCS)的优化设计中,需要解决两个问题:如何选择目标函数及如何确定初始种群和算法运行参数。针对这两个问题,分别提出了基于参考模型的飞行控制系统优化策略及基于均匀设计的小生境遗传算法初始种群和运行参数的选择方法,根据规范要求将飞行控制系统的性能指标要求转化到参考模型中,利用均匀设计方法优选出合适的初始种群和算法运行参数。仿真结果表明,所提出的优化策略能够有效地解决飞行控制系统的优化设计问题,小生境遗传算法初始种群分布均匀,收敛速度快。     

基于社会模型改进粒子群算法的翼型优化设计

为了解决粒子群算法在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法优化过程中引入鱼类的聚群行为,发展了一种基于社会模型的改进粒子群算法。算法以粒子可视范围的不同用法为基础,提出了两种不同的优化策略,同时探讨了种群规模等参数对算法性能的影响,并通过函数测试结果证明了两种优化策略的有效性和不同的优化特性。将改进的优化算法应用在翼型的气动优化中,显著改善了翼型气动特性,提高了算法的全局搜索能力,取得了良好的优化效果。     

基于粒子群算法的飞行冲突解脱问题

自由飞行可有效解决航线日益加剧的拥挤问题,但同时也增加了管制员管制监控的难度,从而使飞行冲突探测和解脱成为自由飞行的关键问题。粒子群算法（particleswaITn0ptimization）是一种群智能优化算法,尝试将其应用于飞行冲突解脱问题,构造了适合飞行冲突解脱问题的粒子表达方式,建立了冲突解脱问题的粒子群算法,成功解决了飞行冲突,并将其运行结果与遗传算法结果作了对比试验。实验结果表明。粒子群算法是求解飞行冲突解脱问题的一个较好方案。     

基于鱼群优化粒子滤波的捷联惯导系统初始对准方法

针对传统捷联惯导系统静基座初始对准模型的维数较高,导致滤波算法的解算实时性较差的问题,设计出一种基于鱼群优化粒子滤波的两位置初始对准方法。首先,建立了捷联惯导系统的两位置初始对准模型。由于该模型中不存在惯性器件的随机常值影响,因此,在确保初始对准精度的前提下,有效降低了初始对准模型维数;然后,利用鱼群优化算法改善了粒子滤波算法中粒子样本的分布,提高了粒子滤波算法的收敛速度和预测精度。仿真结果验证,采用该初始对准方法,可以有效提高初始对准的精度,且满足系统对实时性的要求。     

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种"特征提取"的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的"背景噪声"S下,根据"特征提取"指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。     

小生境遗传算法及其在飞行控制系统中的应用

针对飞行控制系统控制器参数优化问题,提出了一种基于小生境遗传算法的模型参考优化整定策略,并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化中。仿真结果表明,该优化策略能够有效地整定飞行控制系统的参数,具有收敛速度快、编程简单的优点。     

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明：提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。