旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.     

协作优化方法的计算特性及其应用范围研究

协作优化方法是近年来发展起来的一种多学科设计优化方法,适用于求解大型分布式分析问题.本文分析了协作优化方法的基本构架和数学表达形式,研究了协作优化方法的计算特性,提出了对这种方法的改进途径,最后讨论了这种方法在多学科设计优化领域中的应用.     

基于伪谱法的小天体最优下降轨迹优化方法

针对小天体着陆探测下降阶段的多约束轨迹优化问题,基于Gauss伪谱法进行了燃耗最优下降轨迹优化设计,得出了燃耗最优下降轨迹。建立了小天体下降轨迹优化问题的最优控制问题模型,采用Gauss伪谱法进行离散化,转化为非线性规划问题进行了求解。数学仿真结果显示:优化结果符合各项约束条件,以零速度到达了目标着陆点,且符合燃耗最优的优化目标。利用Gauss伪谱法进行小天体最优下降轨迹优化,计算速度快,求解精度高。     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

一种基于多终端约束的最优制导方法

在航天器主发动机推力大小不可调的前提下,针对5个终端约束下传统迭代制导小角度修正假设的不足,对一种基于多终端约束的最优制导方法进行了研究。在入轨点轨道坐标系下建立航天器的最优控制模型,对横截条件方程组直接进行迭代求解获得制导角度指令,在此基础上,通过对开关机点进行优化以减小未被满足的终端位置约束的影响;进一步,推导了地心惯性系下等效的5个终端约束,并通过引入权重因子来提高制导方程数值求解的精度。标准条件下的仿真结果表明,所提制导方法与传统迭代制导相比,未被满足的终端位置约束精度提高了1595355m,而其余5个终端约束几乎不受影响;蒙特卡罗打靶仿真结果表明,所提制导方法对航天器初始位置和速度偏差具有一定的适用性。     

基于能耗最优的多足机器人综合步态优化方法

为综合研究步态参数、摆动腿足端轨迹和机身运动轨迹对多足机器人步态稳定性和能耗的影响,文章提出一种基于能耗最优的多足机器人综合步态优化方法,将步态优化过程转换为两个嵌套的子优化问题。首先,采用一种基于零力矩点稳定性理论的机身运动轨迹规划方法,针对给定的下一步落足点和支撑多边形,规划机身运动轨迹,在保证机身轨迹连续平滑的同时,确保机器人在迈步过程中的稳定性。其次,提出一种基于能耗指标的周期性步态优化方法,建立足式机器人虚拟样机模型作为步态优化模型,对步态参数、摆动腿足端轨迹和机身运动轨迹同时进行优化,保证机器人的步态稳定性,得到使机器人前进单位距离能耗最小的步态。最后,搭建足式机器人虚拟样机仿真平台,仿真结果表明,采用本文的步态优化方法,在保证机器人平稳前进的同时,机器人前进单位距离能耗与优化前相比降低了约14%。     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.     

空间交会寻的最优轨道机动

研究了交会寻的阶段的燃料优化问题。在经典Ｃ－Ｗ方法基础上,导出了考虑第一次脉冲位置的双脉冲寻的燃料优化方法。当寻的时间给定时,优化变量为第一次脉冲启动的时刻;当寻的时间不定时,优化变量为第一次脉冲启动的时刻和寻的时间。仿真结果表明,考虑和不考虑第一次脉冲位置,燃料消耗差别悬殊。对于地面站较少、要求寻的时间比较长的情况,该方法有重要意义。     

EHA反馈线性化最优滑模面双模糊滑模控制

为提高电静液作动器（EHA）控制性能,提出了一种反馈线性化最优滑模面的双模糊滑模控制方法。该方法在EHA的非线性模型上,利用反馈线性化方法将其线性化,在此基础上建立线性切换函数,并采用最优控制理论对切换函数进行设计。为削弱抖振将模糊控制算法引入滑模控制中,采用一个模糊控制器,根据最优滑模函数运动特性的数值对切换控制增益进行估计;采用另一个模糊控制器,根据滑模控制原理对切换控制项进行调整。仿真结果证明了该方法的有效性。      

李群变分积分子在最优航迹规划中的应用

结合几何力学的相关理论,研究了个体的航迹优化的控制策略及其算法实现。构造随机规划算法以获取可行航迹点序列,具有较好的全局收敛性。利用最优控制方法求解所得航迹点之间的最优控制。几何力学着眼于个体的几何特性,利用李群来描述刚体的运动。依据离散变分原理得到了刚体的李群变分积分子。藉由李群变分积分子构造的最优控制算法,可以高效的实现刚体运动的最优控制。     

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。      

含模糊参数振动系统的Taylor级数展开法

为研究模糊参数约束条件下振动结构模糊有限元平衡方程特征值的问题,通过模糊集合理论中隶属度的性质,把振动结构的不确定模糊参量表示成区间形式,得到区间有限元平衡方程,利用所提Taylor级数展开法求解可以得到特征值所在的区间集.将α水平截集下得到的区间解,通过模糊分解定理构造出振动结构模糊有限元平衡方程的模糊解,从而可以得到模糊参数约束条件下振动结构的固有频率的变化范围,为结构的模糊可靠性评价奠定了基础.通过数值算例表明了所提方法的可行性.     

无人直升机的动态逆模糊集成控制

对于一个非线性系统,利用其近似的线性化模型求出系统的近似逆,采用模糊控制方法抑制误差对系统输出的影响来保证系统的最终特性,构成一种动态逆模糊集成控制方案.将这一方法应用在无人直升机的姿态控制中,仿真结果表明该方法可以消除无人机未建模动态和不确定性的影响,具有较好的鲁棒性能.      

基于模糊控制的纳卫星热控系统仿真

建立了球状纳卫星温度系统动态特性方程组,确定系统稳态温度值后搭建温度系统模型;设计合理的模糊逻辑控制器,与温度系统模型部分相结合,完成整个热控系统模型;分别采用±50%的阶跃信号模拟纳卫星温度系统在空间运行时受舱内仪器热源改变和外壳、辐射器所接受的太阳辐射加热量改变的影响,执行热控系统仿真,绘制仿真曲线与不加控制前的结果相比较.仿真结果表明,将模糊控制系统运用于纳卫星热控系统中能够准确、快速地对其系统温度进行合理控制,具有鲁棒性好、对参数变换不敏感、适应性强以及过渡过程时间短等优点.      

基于模糊控制的直升机纵向电传控制律设计

直升机具有多变量、轴间强耦合和不稳定的非线性系统的特点,在悬停状态下尤为严重,用常规控制方法设计的控制系统难以满足高性能直升机的需要.模糊控制是一种比较近似于人类解决问题方式的控制方法,通过模仿人类思维中的模糊概念,进而控制某些不确定系统,应用模糊控制对直升机在悬停条件下纵向姿态控制/姿态保持(ACAH)响应类型控制律进行设计,通过仿真证明了这种方法的良好效果.      

直接力/气动力复合控制导弹 自适应模糊滑模控制

针对采用直接力/气动力复合控制导弹所具有的强耦合非线性等特性,提出了一种基于自适应模糊滑模控制的自动驾驶仪设计方法.该方法利用自适应模糊系统所具有的万能逼近特性,对大攻角飞行过程中导弹动力学系统存在的非线性特性进行逼近,并利用变结构控制对外界干扰的强鲁棒性,构造误差系统滑模面,克服了逼近误差和外界干扰对控制系统的影响,实现了对大机动指令的精确跟踪.仿真结果表明,所设计的控制方法对大过载指令有较好的跟踪效果,对模型不确定性和外界干扰也具有较好的鲁棒性.由于采用直接力/气动力复合控制,有效的减小了气动舵偏角,避免了气动舵的饱和.      

模糊滑模迭代学习控制算法在液压系统中应用

普通比例(P, Proportion)和比例微分(PD, Proportion and Differential)迭 代学习控制(ILC, Iterative Learning Control)算法在液压位置伺服系统中收敛速度比较 慢,很难在实际中应用.为了提高ILC算法的收敛速度,将滑模控制算法引入ILC,提出模糊 滑模迭代学习控制(FSMILC, Fuzzy Sliding Mode Iterative Learning Control)算法,利 用滑模控制响应快的优点来加速ILC的收敛速度,利用模糊控制来减小滑模控制所引起的抖 动问题.FSMILC算法的实质是以系统的滑模函数作为模糊控制器的输入,以模糊控制器的输 出作为ILC的控制增量.通过仿真可以看出,FSMILC算法能够实现系统快速收敛,相对于P型 和PD型具有明显优势.      

柔性卫星大角度机动的自适应模糊变结构控制

针对柔性卫星大角度机动过程中多种模态的强耦合非线性动力学控制问题,提出了一种自适应模糊变结构姿态控制方法.首先利用拉格朗日方程建立了带柔性附件卫星的动力学模型,然后设计变结构控制器使得系统状态能在有限时间内到达滑模面,并采用自适应模糊系统逼近系统所存在的耦合非线性项.为了削弱变结构控制项所带来的抖动,避免激发柔性附件的高频模态,采用边界层方法来代替开关项,并通过模糊规则表的方法确定边界层的厚度.仿真结果表明,所提出的控制方法既实现了柔性卫星高精度姿态控制,也保证了卫星大角度机动过程中柔性附件弹性模态的有效抑制,系统对各种干扰具有一定的鲁棒性.