基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

一种使用RBF网络的自适应滑模控制器

针对实际系统易受未知非线性、外界干扰和参数摄动等不确定因素影响的问题,以高精度模拟转台为例,采用一种基于RBF(Radial Basis Function)网络的自适应滑模控制器.控制器由名义反馈控制器和滑模干扰补偿器两个子系统组成.反馈控制器通过极点配置的方法实现,用来稳定名义系统.干扰补偿器使用一个自适应RBF网络在线辨识不确定性的上界值.计算机仿真结果表明了该法的鲁棒性和有效性.     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性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,而且使模型不确定性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.最后通过仿真分析,验证了该方法的有效性.      

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向，航天器结构的变化将导致质量分布发生明显变化，这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况，采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型，利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制，为提高滑模控制器的适应性，设计模糊神经网络（FNN）自适应调节滑模控制器参数，并利用径向基函数（RBF）神经网络逼近动力学模型，得到控制力矩与姿态变化之间的近似关系，用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化，仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势，证明了其在变结构航天器姿态控制方面的有效性。     

基于神经网络的电液转台非线性积分滑模控制

针对高精度电液飞行仿真转台具有高度非线性、参数不确定和不确定非线性等特点,提出了一种基于RBF（Radial Basis Function）神经网络的非线性积分滑模鲁棒控制方法.采用自适应RBF神经网络对该系统存在的参数不确定性和不确定非线性进行补偿,从而降低滑模控制器对切换项的增益的需求,进而减小系统抖振幅值.积分滑模面的设计能消除外部干扰对系统带来的稳态误差.根据积分滑模变结构控制器的特点,将控制律分为等效控制律和到达控制律.等效控制律使系统运动于滑模面附近,到达控制律可使处于状态空间内任意初始位置的系统趋近于滑模面,并进一步通过Lyapunov方法证明了系统的渐近稳定性.实验结果表明,所提出的非线性控制器不仅能满足电液转台的高精度跟踪性能的要求,且对参数不确定性和不确定非线性具有一定的鲁棒性.     

一种柔性可展桁架结构的主动振动抑制技术

针对柔性可展桁架结构的主动振动抑制问题,提出一种采用作动执行机构的主动振动控制方法。首先基于模态综合方法建立智能柔性可展桁架结构的动力学模型,然后采用动态滑模控制律设计了主动振动控制器,并基于遗传算法对作动执行机构的布局配置进行优化,最后通过数学仿真验证,仿真结果表明了方法的有效性。     

基于径向基函数响应面的机翼有限元模型修正

用ANSYS三维实体单元SOLID45建立机翼基准有限元模型并计算其自由振动的前6阶模态频率.用均匀设计方法将结构参数分组并分别计算各组结构参数对应的模态频率,建立高斯径向基函数响应面模型.用最小二乘法则拟合系数并检验响应面拟合精度,对基准模型的结构参数施加摄动量建立待修正有限元模型.用响应面模型和基准模型计算所得模态频率的相对误差建立适应度函数的表达式,将混沌搜索机制引入粒子群算法对结构参数的摄动量进行寻优计算,搜索所得优化解代入即得修正后模型,将修正后模型与基准模型在测试频段内段外的模态频率近似度进行比较,证实了修正后模型的有效性.      

永磁同步电机转速滑模和电流预测组合式控制器运行性能分析

针对永磁同步电机（PMSM）矢量控制系统的速度环采用PI调节器不能很好地适应电机参数变化而导致控制效果不理想的问题，在电流预测控制 (CPC)增强抗干扰能力、提高鲁棒性的基础上，提出了一种滑模控制方法.该滑模与电流预测相结合的控制方法改善了永磁同步电机矢量控制系统的动态性能，实现了负载扰动时调速响应快且无超调控制，提高了系统对内部电阻变化的容忍度.仿真结果表明，采用该方法，系统的响应速度和稳定性均得到改善，转速响应从启动到稳定所用时间减小60%.     

基于遗传算法的高速飞行器滑模控制律设计

以高超声速飞行器GHV(Generic Hypersonic Vehicle)的俯仰通道为控制对象,针对其6自由度非线性模型设计了滑模控制律.为了便于应用滑模控制理论,首先对该模型进行了输入输出反馈线性化,将原模型转换成为仿射型.设计好滑模控制律结构以后,基于遗传算法完成了滑模控制律参数设计.该过程利用了随机鲁棒思想,即在随机均匀分布的参数不确定性作用下,通过遗传算法优化滑模控制律参数,使得飞行控制系统失去稳定性和鲁棒性的概率达到最小.仿真表明,该方法可以同时满足飞行控制系统鲁棒性和参数优化过程收敛性的要求.     

转动惯量存在不确定性的挠性航天器动态自适应滑模姿态控制

针对存在转动惯量不确定性和外部干扰的挠性航天器,首先构造了一个部分状态观测器估计挠性模态,然后设计自适应律对转动惯量不确定性和外部干扰组成的函数的上界进行估计。最后,在设计的观测器和自适应律的基础上,建立了挠性航天器的基于部分状态观测器的自适应滑模姿态稳定控制律。采用Lyapunov方法证明了在挠性航天器存在转动惯量不确定性和外部干扰时, 所设计的自适应滑模姿态控制律能使闭环航天器姿态系统稳定。最后, 通过数值仿真例子验证了所提出方法的有效性。     

基于ADMM算法的航空发动机模型预测控制

为了提升航空发动机非线性模型预测控制（MPC）的实时性,将交替方向乘子法（ADMM）应用于模型预测控制的滚动优化中。基于状态空间模型构造预测方程,通过引入辅助变量和对偶变量,将二次型性能指标和发动机约束改写为适合ADMM算法求解的形式。在航空发动机部件级模型上开展的仿真结果表明,基于ADMM算法的单变量模型预测能够实现对指令信号的高性能跟踪和约束的有效管理。相比于内点法（IPM）,ADMM算法在滚动优化过程中,在不同控制指令下,均具有更高的实时性,且在预测时域增加的情况下,计算耗时增加更少,验证了其在模型预测控制中应用的有效性。      

火星大气进入段抗饱和固定时间阻力加速度跟踪制导律设计

研究了具有固定时间收敛特性的火星探测器大气进入段的标称轨迹跟踪制导问题。首先，针对横向运动，给出与速度成线性关系的航向误差漏斗走廊形式，完成了倾侧角的反号逻辑设计。与横程漏斗走廊反号逻辑相比，该逻辑计算量小，更适用于宇航计算机。与航向误差宽度走廊反号逻辑相比，该逻辑在高速状态下能够避免倾侧角的频繁切换，可提高任务成功的概率。其次，针对纵向运动，通过RBF神经网络补偿了倾侧角饱和问题，利用积分滑模设计了阻力加速度固定时间饱和跟踪制导律，其不仅可有效消除滑模控制的抖振问题，且将跟踪误差以两种不同形式引入制导律，能够加速收敛，能够保证跟踪误差在固定时间内快速收敛至0。最后，通过数值仿真验证了所设计的横向倾侧角切换逻辑和纵向制导律对标称轨迹的快速、精确跟踪能力。