基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

基于未知输入观测器的不确定非线性系统故障检测

针对具有不确定性和系统故障的非线性系统,利用神经网络构造了全阶未知输入观测器,在获得系统的状态观测信号的同时得到了系统的故障观测信号。通过在故障观测神经网络权值的调整规律中引入死区函数,从而提高了故障观测对系统不确定性的鲁棒性。利用得到的故障观测信号,可以方便地检测系统的缓变故障和突变故障,实现了对系统故障的快速检测,降低了误检率。仿真示例表明了该方法的有效性。     

不确定大系统的分散输出反馈容错控制

 针对不确定性关联大系统提出对执行机构故障、传感器故障以及混合故障具有完整性的３种分散输出反馈容错控制律设计方法。可以使得故障闭环大系统在有界参数不确定时渐近稳定，而且保证故障大系统的Ｈ∞性能次优。     

歼击机对传感器故障的分散鲁棒容错控制

 从提高控制系统的可靠性及安全性出发,提出了对关联大系统的传感器故障具有完整性的分散鲁棒控制器设计方法,应用鲁棒性指数特性,对歼击机纵向控制系统进行分散鲁棒性设计。这种完整性的设计方法,使得歼击机在传感器正常或故障情况下,都能稳定地飞行并具有参数鲁棒性。     

基于多智能体系统的飞机舵面故障诊断方法

采用了多智能体系统方法对飞机系统的舵面故障诊断问题进行分析.首先从飞机系统的复杂性角度分析了该方法对其进行故障诊断的适应性,然后提出了对组成飞机舵面故障诊断系统的各智能体进行分类、建模和编码的方法,并在此基础上提出了故障诊断智能体的交互模型.在仿真实例中,采用Simulink建立了F-16飞机的仿真模型,用JADE平台构造了故障识别智能体以通过数据融合来对具体的舵面故障进行诊断,并利用MAC-Sim建立了Simulink与JADE平台之间的信息互通.仿真结果说明,该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断.     

分散控制固定模态的存在性及其重数

对分散控制系统的固定模态进行了研究。基于固定模态的存在性，定性地分析了分散控制固定模态产生的原因；克服Ａｎｄｅｒｓｏｎ 等人的判别原则不足之处。通过闭环系统特征多项式，利用多项式矩阵左既约分解法，不仅能判别一个特征值是否为固定模态，还能确定其重数，同时给出了固定模态的新算法，把固定模态的计算归结为求解一个低维的多项式方程，避免了Ｄａｖｉｓｏｎ 的算法中求解高维特征方程的复杂性。     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.