战术导弹的一种自校正控制

本文探讨自校正控制理论在战术导弹控制中的应用。采用一种渐近的最小方差自校正控制方案设计导弹自动驾驶仪回路。该方案通过设计自校正控制器的极点和可调增益,使控制器稳定,并能兼顾闭环系统的动态特性,也可使输出方差趋于最小。在两种参考输入信号情况下进行仿真,结果表明,与经典控制情况相比,该方案具有较强的抑制干扰能力,能克服参数变化对系统控制性能的影响,提高了系统的跟踪性能。     

星间光通信精跟踪系统的模糊自整定PID控制及仿真实验

在星间光通信技术中,精跟踪系统对于整个光通信链路的建立和保持至关重要。本文针对精跟踪系统的被控对象——快速反射镜建模得出传递函数,在此基础上进行参数辨识而得出完整的数学模型。采用模糊自整定PID控制器来优化控制效果,提升对扰动的抑制能力。通过Simulink仿真实验对二者的控制性能进行了对比,并在仿真过程中加入扰动量以试验二者的鲁棒性。仿真实验结果表明：模糊自整定PID控制器在精跟踪系统的控制过程中有显著的扰动抑制能力。     

基于高斯过程的航天器自适应滑模姿态控制

针对存在模型不确定性和外界干扰的刚性航天器,提出了一种基于高斯过程回归(GPR)的新型自适应滑模姿态控制算法。该算法具有自学习能力,在不同的姿态控制任务下都能够实现高精度、强鲁棒和高效率的姿态跟踪。首先,在航天器的四元数标称系统动态模型基础上,应用在线稀疏高斯过程回归(SOGP)方法学习系统的未知动态;其次,结合高斯过程的预测均值设计滑模控制算法,利用高斯过程的预测方差自适应调节控制增益,并应用李雅普诺夫方法严格证明闭环系统的稳定性,保证了航天器姿态跟踪误差的渐进收敛性;最后,通过数值仿真验证了所设计控制器的有效性。结果表明,该自学习控制算法与自适应滑模控制(ASMC)与神经网络自适应控制等算法相比,具有更快的收敛速度、更高的跟踪精度以及更低的控制成本。     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

考虑约束的高超声速飞行器制导与控制一体化设计

针对高超声速飞行器上升段飞行过程中强耦合、强非线性同时要求满足过程约束的特点，提出了一种结合级联控制方法和控制障碍函数的新型三维制导控制一体化算法。首先通过对速度子系统设计控制障碍函数约束算法来满足飞行器的过程约束要求，然后利用反步法、动态逆控制方法设计其余子系统的控制器，两者共同组成制导控制一体化控制器。考虑到飞行器在上升过程中容易遭遇阵风扰动的问题，设计非线性干扰观测器以增强算法的鲁棒性。最后通过李雅普诺夫函数证明了系统的稳定性，并且通过仿真验证了该新算法能够在满足高超声速飞行器上升段过程约束的同时，实现飞行器的三维跟踪控制。     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

一种相控阵天线转台伺服控制系统设计

针对相控阵天线测控系统小型化的需求,提出一种相控阵天线转台伺服控制系统设计方法,采用集成化的设计思想,将伺服控制系统集成到转台内部。系统设计有波束控制器,具有波束控制功能和自动跟踪目标的功能,以及利用网络通信方式实现对多套伺服控制系统的远程控制功能。系统的伺服控制器采用参数自适应模糊PID控制结合时间最优控制的复合控制算法,阶跃信号、正弦信号测试和跟踪测试结果表明,伺服控制系统具有优异的动态性能和较高的跟踪精度。该伺服控制系统功能丰富,控制性能良好,具有广阔的应用前景。     

模糊自整定PID控制及其在航天产品真空热试验中的应用分析

文章首先分析了航天产品热试验时被控对象的特点,并进行了建模分析,接着介绍了如何通过参数自整定技术获得PID的3个初始参数,并进行了模糊自校正PID控制器设计。为了检验该控制方法的控制效果,文章选取了3次有代表性的试验数据进行了仿真分析。结果表明,模糊自校正PID控制方法具有适应性强、控制精度高、抑制试验系统温度滞后明显的优点,该方法较原控制方法超调量有所减小,过渡过程有所加快,抗干扰能力显著增强,较好地解决了控制系统快速性和小超调量之间的矛盾。     

编队飞行卫星的自适应姿态协同控制

研究了双星编队飞行系统的姿态控制问题.在卫星转动惯量参数不确定下,给出两种编队飞行卫星的自适应姿态协同控制算法.第二种自适应协同控制算法,在实现对转动惯量参数的实时辨识的同时,还能够解决控制输入饱和问题.通过李亚普诺夫方法证明了编队飞行系统全局渐近稳定性.最后对给出的算法进行了数值仿真.结果表明,所设计的控制算法实现了编队卫星之间的姿态协同控制,是可行的、有效的.     

基于多数字处理器的平板天线伺服控制系统设计

平板自跟踪天线系统以其体积小、功耗低、运输使用方便等优点而具有广阔的应用前景。设计一种具备自动跟踪功能的高集成化平板天线伺服控制系统,伺服控制器以DSP+FPGA架构为控制核心,通过集成Rabbit Core网络模块实现伺服控制系统与监控计算机的通信,最后将伺服控制器和伺服驱动器设计安装在自跟踪天线座内部,实现伺服系统的集成化。伺服系统的设计与实现有助于测控设备的小型化和多目标测控任务的执行,具有一定的工程实用价值。     

热真空试验中的自校正PID控制策略

通过引入自校正PID控制策略解决热真空试验温度调节过程中存在的长滞后问题。首先,采用带遗忘因子的递推最小二乘法对未知模型的特征参数进行在线辨识;然后,进行自校正PID的控制律设计。仿真结果表明:该方法可以比较准确地辨识出模型特征参数;与传统的PID控制方法相比,具有响应速度较快、超调量较小等优点。     

利用BP网络校正跟踪接收机的相位漂移

针对跟踪接收机不同通道之间相位差的漂移问题,提出利用BP神经网络作为校正环节来消除此相位漂移。通过原理分析用数学方法描述跟踪接收机存在的相位漂移问题,介绍BP神经网络的网络模型和一种动态全参数自适应学习算法,进而提出基于BP神经网络的相位漂移校正算法。仿真结果表明,该方法的相位校正效果较好,不仅保证了系统的角跟踪精度,而且实现了高度的自动化。     

一种高超声速飞行器的鲁棒解耦控制方法

高超飞行器的再入非线性动力学模型具有参数不确定性和外部干扰,针对这种情况基于奇异摄动理论提出了鲁棒内环外环解耦控制方案.控制系统的外环基于自适应模型参考设计简单解析的虚拟控制律,实现二阶模型动态跟踪气流系角,抑制三通道运动耦合和干扰的影响,避免了在线实时求逆计算.强耦合的内环采用动态逆跟踪虚拟的角速度指令,期望动力学采用PI形式抑制干扰和不确定性,并基于模型预测控制策略解决辅助轨迹线性化的时变控制器设计和输入约束,提高内环的鲁棒跟踪性能.最后,通过仿真验证了所提算法的有效性.     

基于特征结构配置的无人机多目标控制技术研究

阐述了特征结构配置法在飞行控制系统设计中的应用问题.从理论上探讨了特征结构配置的概念和根据设计指标确定特征结构的方法.应用这种方法,根据对无人机运动模态的分析,设计出结构简单的多输入多输出飞行控制器.通过对某型无人机多目标控制器的设计仿真表明:采用该控制器的飞行控制系统实现了各模态之间的解耦,且具有良好的动态性能和跟踪性能.     

卫星遥感农业监测系统中权重优化的实例修改算法

针对播种机设计过程需求获取的复杂性和可用性低等问题，采用遥感等技术动态监测土壤、农作物生长过程中的一些参数，以优化设计需求特征，并以此为基础，提出改进的混合权重实例修改算法。该算法以相似实例检索为前提，以相似实例集中的特征相似度、问题-解特征间的关联度、问题特征间的自相关度为因子，通过矩阵乘法来构造解特征混合权重矩阵，进行实例修改。将其应用到铲式播种机的数字化设计系统中，以实现智能设计。研究结果表明新算法能有效提高机械设计结果的可用性和准确度。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

多变量全系数之和为Ⅰ及其参数辨识和自适应控制(一)

本文从带干扰的线性微分方程组出发,通过对离散化方法的分析,得到了相应的规范形差分方程.若系统i)采样周期趋于零或静态增益等于单位阵(或经变换后),ii)或者采样周期满足0<Δt/T_(min)≤0.2(T_(min)为系统最小时间常数),静态增益在单位阵附近,则差分方程i)所有系数矩阵之和趋于单位阵,ii)系统参数范围能够具体确定,并受计算机系统采样率控制,可以事先知道.从而可以实现快速参数辨识,减少计算量和运算次数;还可以实现全部参数阵在线辨识的自校正控制.     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

高超声速飞行器的自适应容错控制

针对高超声速飞行器再入过程中可能出现的执行器部分失效或卡死故障,设计了一种飞行器自适应容错控制器。在系统存在外界干扰及未知故障输入且上界未知的情况下,该控制器采用自适应算法在线估计未知的控制器参数,在执行器发生卡死或部分失效故障时,实现了对故障的容错控制和对制导指令的鲁棒输出跟踪。通过Lyapunov方法证明了该方法在执行器存在故障时能保证系统渐进稳定,仿真算例说明了该方法的有效性。     

基于Popov超稳定性的TVC系统在线辨识及补偿方法

新一代固体捆绑运载火箭在发射状态下,由推力矢量控制(TVC)系统环境温度变化引起的参数摄动问题严重。而传统的PID控制器无法满足输出力矩的精度要求,且系统鲁棒性较差。针对上述问题,提出了基于波波夫(Popov)超稳定性理论的在线辨识方案,用于实现电动伺服系统的自校正控制。同时,针对内嵌式永磁同步电机(IPMSM)在最大转矩电流比(MTPA)矢量控制方案下,自适应辨识系统存在的欠秩问题,提出了利用回归分析的补偿方法。经试验验证了该方案的有效性。