无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

INS/SAR组合导航量测信息不同步的滤波算法

在惯性导航系统/合成孔径雷达(Inertial navigation system/synthetic aperture radar,INS/SAR)组合导航系统中,传统的SAR只提供位置和航向角信息,本文引入SAR图像测速系统,实现对INS速度信息的补偿修正。同时,建立了该组合导航滤波的数学模型。针对图像匹配耗时较大、产生信息不同步的现象,本文利用INS信息增量来对SAR导航信息延迟、非等间隔以及SAR量测不在INS滤波离散间隔上所带来的误差进行修正,并进行了仿真。经过1 500s后,本导航系统导航信息没有出现发散,在飞行器出现加速、爬升、转弯等机动时,位置误差绝对值不超过36.8m,高度误差绝对值不超过18.1m,航向角误差绝对值不超过5.3′,速度误差绝对值不超过0.5m/s,并与曲线拟合法作对比,仿真结果表明本文算法能够有效提高INS/SAR组合导航系统的精度,并为其他组合导航系统提供参考。     

弹性体运载火箭建模及控制器设计

考虑运载火箭飞行过程中的弹性振动特性,对运载火箭进行全量动力学建模以及控制器设计。首先将运载火箭考虑为一维梁模型并建立全量动力学模型,分别引入自适应滤波姿态控制算法和H_2范数鲁棒增益调度控制算法设计控制器。仿真结果表明:在考虑舵机非线性情况下两种控制方法均能够满足精度要求,在具有较大外部扰动情况下,鲁棒增益调度控制算法相较于自适应滤波算法具有较强的鲁棒性。     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

基于收缩理论的高超声速飞行器控制

为了使高超声速飞行器能够跟踪预定指令,针对其严反馈模型提出了基于收缩理论的控制方法。由于高度和速度相对独立,因此分开设计控制器。控制器设计过程中,以基于反步法的收缩理论为核心,对于模型中不确定项利用自适应进行在线识别;引入动态面对虚拟控制输入进行求导,并利用收缩下的奇异摄动分析降阶系统,可以证明降阶前后状态误差间的偏差及滤波误差有界。采用此方法,可证明系统状态半全局收敛,跟踪误差及自适应估计误差有界。     

基于L_1自适应的超低空空投抗侧风控制律设计

针对超低空空投过程中侧风干扰与装备投放过程相耦合,影响载机飞行安全和空投任务的完成等问题,提出了基于L_1自适应的控制律设计方法。利用最优控制对系统线性部分做状态反馈并确定匹配参考模型,在此基础上,考虑系统的匹配和非匹配不确定性,设计L_1自适应控制器实现姿态保持,结合外环PID侧向轨迹控制器实现对航迹的稳定和保持。仿真结果表明,控制器具有优良的控制性能,对复杂侧风干扰和系统非线性不确定性具有很强的鲁棒性,且在高自适应增益下能有效抑制输入信号高频抖振。     

MEMS陀螺静态误差补偿方法研究

针对典型MEMS陀螺静态误差大、 影响工程上使用的难题,提出基于时间序列模型的Kalman滤波方法.通过对典型MEMS陀螺数据进行分析,提取其趋势项,进行周期检验与相关性分析,建立时间序列模型;针对建立的时间序列模型,提出利用Kalman滤波方法,消除零位不稳定性.仿真及试验结果表明,该解算方法能够有效补偿MEMS陀螺静态误差,显著提升其静态指标.     

新一代战斗机非定常流动数值研究综述

新一代战斗机强调超机动能力和强隐身性，其中大攻角下的静态失速、动态失速及内埋弹仓绕流是与高机动和强隐身密切相关的、极具挑战的几类典型的非定常流动，它们对数值方法提出了极高的要求。为了高精度地仿真流场、清楚地揭示流动机理，有效地控制非定常流动，非常有必要发展高精度且高效率的RANS-LES混合方法体系，包含RANS-LES混合方法本身、与RANS-LES混合方法匹配的高精度自适应耗散格式、基准湍流模式、高质量计算网格、高精度时间推进方法、非定常量的统计方法等，具有极强的紧迫性。提出、发展、验证并应用该类方法数值仿真新一代战斗机（包括单独部件、组合体、甚至全机）的非定常流动，数值预测结果与风洞实验数据吻合良好；此类方法可为新型战斗机设计提供理论依据和分析手段。     

基于自适应非结构嵌套网格的旋翼流场模拟

针对直升机旋翼CFD仿真的复杂性,提出了改进的适合于格心格式求解器的非结构嵌套网格算法。采用自适应网格技术在旋翼流场仿真的整个过程中进行网格的自适应加密和疏化操作,以更好地捕捉桨尖涡等流动细节。对于频繁的自适应过程中产生的大量重复点和无用点,采用了高效的交替数字树算法(Alternating digital tree,ADT)和标记-删除-移动算法(Mark,delete,move,MDM)进行删除,节约了不必要的存储。针对格心格式的求解器,采用了基于梯度的网格间插值方式,简化了网格间数值传递的复杂性,同时不降低求解器的精度。对CaradonnaTung旋翼悬停算例和HLISHAPE 7A旋翼悬停算例进行了模拟验证,计算值与实验值吻合,表明本文建立的方法具有良好的鲁棒性和有效性。最后,与未采用自适应时求解器对桨尖涡的捕捉效果进行了对比,结果表明本文所采用的方法可以明显地提高求解器对桨尖涡的捕捉。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。