基于对角回归神经网络的自整定全系数自适应控制器及其特征参量辨识

针对全系数自适应控制器参数人为调试带来的不便,提出一种基于对角回归神经网络的参数自整定方法,通过神经网络的自学习能力对全系数自适应控制器参数进行在线整定.同时,提出一种新的特征模型参数间接辨识方法,采用神经网络的权值和回归层输出组成的非线性函数构造对象的特征参量,更有效地对特征模型的时变参数进行自学习和调整.对闭环回路...     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

时变参数辨识梯度算法稳定性分析

研究用于时变参数辨识的梯度算法稳定性问题.基于随机过程有界性判据对时变参数辨识梯度算法进行了稳定性分析,给出了梯度算法稳定的充分条件.指出在待辨识参数变化率有界,观测噪声是零均值白噪声,且系统满足持续激励条件的情况下,梯度算法参数选择满足一定条件时,能够确保参数辨识误差的有界性.上述研究与以往工作的不同之处在于稳定性证明过程中仅要求待辨识参数的变化率是有界的,而不要求参数变化率是零均值白噪声.     

基于多输入多输出特征模型的高超声速飞行器自适应姿态控制

针对高超声速飞行器再入过程中强耦合、大扰动和大范围变化的气动参数的问题,基于特征建模的思想,分析动力学方程的耦合特点,采用分散控制的方案,把原非线性动力学方程用一个二阶时变差分方程组形式的特征模型描述,建立了攻角、侧滑角和滚转角三通道特征模型,并给出了黄金分割自适应的姿态控制方法．最后,针对类X-20高超声速飞行器进行数值仿真,仿真结果充分验证了这种自适应控制器的有效性．     

基于特征模型的高阶线性不稳定系统的参数辨识与控制

在仅已知系统相对阶的情况下,通过串联差分器(微分器)的方法使系统的相对阶条件得到满足,从而使基于二阶特征模型的全系数自适应控制可以应用于高相对阶的最小相位高阶线性不稳定对象.针对测量存在噪声的问题,又提出一种改进的强跟踪滤波方法对测量信号进行去噪声处理,从而显著地改善了控制量和被控对象输出的性能.最后,通过对几种控制方案的控制性能比较,说明所提出的基于串联差分器和改进的强跟踪滤波相结合的全系数自适应控制方案可以较好地处理含测量噪声情况下的高相对阶系统的镇定控制问题.