平流层飞艇飞行控制研究综述

综述了平流层飞艇控制研究的最新成果和发展动态,系统分析了反馈线性化控制、变结构控制、自适应控制、智能控制等方法的特点及其在飞艇控制系统设计中的研究应用现状。在总结已有研究成果的基础上,针对平流层飞艇的环境特性和应用特点,提出了需进一步研究的重难点问题,包括多物理场耦合与协调控制、上升段航迹优化与控制、异类执行机构复合控制等,并对今后的发展趋势进行了展望。     

基于单神经元算法的内嵌式永磁同步电机智能驱动控制

基于人工神经网络的内嵌式永磁同步电机(IPMSM)智能驱动控制性能要明显优于传统控制方法,但是存在计算量大和离线训练时间长的问题。针对该问题,提出了一种基于单神经元算法的IPMSM智能驱动控制策略。阐述了永磁同步电机的数学模型及电流转矩控制规律；并基于单神经元的控制原理,推导了驱动控制律,由于采用的是单神经元结构并设置了迭代算法的边界,因此达到了计算量减小和训练较少的效果。最后,搭建了小功率电机驱动试验平台开展了试验研究,并通过与传统PID控制的对比试验,验证了新型控制器的性能。     

航空智能发动机发展需求及关键控制技术

介绍了航空智能发动机的概念及国外发展背景,智能发动机的需求和未来所面临的技术挑战,并且分析了智能发动机所需的关键控制技术,最后根据现代航空发动机的特点,详细研究分析了使现阶段航空发动机更加智能化并且易于实现的关键控制技术。     

大型挠性充液卫星自适应PID智能控制技术研究

介绍以新一代静止轨道三轴稳定卫星平台为研究对象的大型挠性充液卫星的自适应PID智能控制方案。自适应PID智能控制继承了PID控制器的优点,在PID控制器的基础上增添了模态参数智能自主在轨辨识、自适应滤波器参数自主确定,从而使自适应PID智能控制的鲁棒性、可靠性、安全性显著增强,即使帆板挠性或液体晃动等模态参数超出预定指标范围,也可以自主地智能地消除可能出现的姿态振荡。     

可重复使用液体火箭发动机智能减损控制技术

液体火箭发动机减损控制技术是一门横跨控制理论与技术、材料科学、液体火箭发动机技术等领域的新兴交叉技术，是工程上实现液体火箭发动机健康监控系统故障控制功能的核心技术之一。文中主要评述了可重复使用液体火箭发动机智能减损控制技术研究进展，分析了减损控制技术与导弹延寿技术之间的区别，指明了存在的主要技术问题和今后的发展趋势。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真     

综合火力/飞行控制系统的仿人智能控制

本文介绍了综合火力/飞行控制系统的仿人智能控制。首先给出了智能控制系统的数学模型,然后较深入地研究了耦合控制器的结构与设计,详细地论述了控制器中各功能模块(特征识别模块、知识库、规则库、数据库、推理机等)的原理与设计内容,并讨论了相应的控制模式的选取及特征模型的划分,最后对包含耦合控制器的系统,考虑不同的飞行状态条件,进行了计算机仿真。仿真结果表明,所设计的智能控制结构能很好地模拟飞行员的控制行为并具有满意的控制品质。     

基于特征模型的某型无人机智能PID控制器

无人机的飞行特性在很大程度上取决于其飞行控制律。本文以无人机的姿态控制回路为研究对象,分析了表征该无人机姿态控制特性的特征状态信息。利用特征建模的方法,设计一种基于控制对象特征模型的无人机姿态回路仿人智能P ID控制器,并进行了仿真试验。结果表明,该控制器具有较好的抗干扰和自适应能力,结构简单,针对性强,易于实现。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。