阻力方向舵在无尾飞机飞行控制中的应用

阻力方向舵在无尾飞机上得到广泛的应用。以一种无尾飞机为例,讨论了阻力方向舵舵效的非线性、耦合性等基本特性,并说明了阻力方向舵张开后对飞机整体的影响。给出了阻力方向舵在无尾飞机航向增稳、空速控制、作为复合舵使用三个方面的应用实例和仿真结果,说明了阻力方向舵在无尾飞机飞行控制应用中存在的一些问题及其解决方法。     

非线性系统理论在某型飞机飞控系统设计中的应用

采用非线性系统控制理论将某型飞机非线性运动模型动态地转化为线性模型，给出了推导过程，然后加入常规的PID控制，用MATLAB软件进行仿真，并给出了仿真结果。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

非线性解耦控制理论在飞控系统设计中的应用研究

根据非线性解耦控制理论设计了用升降舵、副翼和方向舵控制飞机迎角、侧滑角和滚转角速度的解耦控制律，并进行了闭环系统数字仿真研究。飞机动力学的数学模型计及了非线性气动力、运动和惯性耦合因素；操纵系统动力学模型中考虑了舵面的惯性，位置和偏转速率限幅，仿真结果表明，所设计的控制律可有效地指令飞机进行大幅值的单自由度或多自由度机动飞行，控制律中的参数变化对闭环系统动态响应影响较显著，容易导致Ｈｏｐｆ分支现象     

超机动飞行非线性动态逆 - 模糊自适应控制

对带推力矢量飞机的飞控设计问题进行了研究。根据奇异摄动理论将受控状态变量分为快变量和慢变量，然后根据非线性动态逆理论分别对内环和外环进行设计。针对非线笥动态逆要求准确的数学模型的特点，引入模糊自适应控制以考虑模型的不确定性,最后对所设计的飞控规律进行过失速机动仿真。结果表明，在存在较大模型误差的情况下，所设计的飞控规律安全能在过失速机动条件下控制飞机跟踪指令飞行。     

非线性自适应控制理论在无人直升机飞行控制系统设计中的应用

最近，国内外很多研究结果表明，基于神经网络的直接自适应控制方法，在飞行器控制系统设计中有着诸多优点。其中最重要的是它减少了设计对飞机动态特性高保真建模的依赖。这种设计方法在某无人直升机上得以实际飞行验证。本文主要介绍这种非线性自适应控制系统及其外回路航迹跟踪器的设计问题。     

神经网络动态逆方法在飞控系统设计中的应用

探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案，并将这种方法用于飞机指令增稳系统的设计。通过一种方案的仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性及其在飞控系统设计中所具有的潜在能力。     

基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真。结果表明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

非线性动态逆系统在飞行控制系统应用中的几个问题研究

对非线性动态逆方法在飞行控制系统应用中的理论问题进行了研究,采用Singh算法证明了当前两种主要设计算法的等价性;并用逆系统的方法重新给出了非线性动态逆的解耦结构,这种结构的优点有利于工程上的应用和理解;在Singh算法意义下,得到了飞行控制系统设计中常用的一阶形式逆系统的定义和有关性质。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

超机动飞行的非线性反推自适应控制

为解决对象参数未知时的超机动飞行控制问题,设计了一种非线性反推自适应控制器。针对超机动飞行的非线性模型,适当选取Lyapunov函数和中间虚拟控制信号,同时通过自适应控制律的设计来调节未知参数并得到了最终的控制信号。仿真结果表明,即使模型参数未知,所设计的控制律也能在过失速机动条件下控制飞机跟踪指令飞行,同时保证了闭环系统的稳定性。     

人工神经网络在飞行控制领域中的应用及发展

综述了近年来人工神经网络在飞行控制领域中的应用研究概况。首先从人工神经网络的发展历史出发，介绍了在飞行控制系统中常用的神经网络及其研究现状；而后论述了与其它智能技术的结合与发展情况，并针对当前飞行控制领域所遇到的重点和难点问题，分析了人工神经网络的具体应用；最后指出了今后主要的工作方向。     

反馈线性化及其在飞控系统中的应用

反馈线性化方法是一种有效的解决非线性系统控制的方法。而未来新一代战机控制系统需要适应超机动作战的非线性控制，非线性控制系统是必然要采用的。文中先简要介绍了反馈线性化理论，然后介绍了反馈线性化方法在飞控系统中的具体应用，最后以某型号先进战斗机为仿真算例进行了仿真，仿真结果表明，基于反馈线性化方法设计的飞控系统是可行的、有效的。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

无人机综合飞行/推力矢量控制

以某无人机为背景,主要研究大机动时带推力矢量的综合飞行/推进控制系统的设计方法。应用非线性动态逆方法,根据无人机本身具有明显不同时间尺度差异的动力学特性,结合奇异摄动理论将控制变量按照响应快慢分为4个回路进行了控制器的设计与仿真;设计推力矢量控制和气动控制相结合的控制器,实现飞行和推力矢量的控制综合;将无人机的任务转化为对飞行控制的限制条件,对所设计的控制系统进行了数字仿真,结果表明所设计的控制器能够满足飞机做大机动时的控制要求。     

无人机飞行控制技术初探

简要回顾了无人机飞行控制系统经典设计方法,然后着重论述了无人机飞行控制技术的最新研究成果,包括非线性动态逆控制、自适应反推控制等现代控制技术及包含神经网络PID控制、神经网络自适应控制在内的智能控制技术,最后对其作了总结。     

基于非线性控制分配的飞翼航向控制方法

研究了某无尾飞翼式布局飞行器采用升降副翼实现航向控制的操纵机理,分析了舵面的三轴耦合特性,提出基于非线性可达转矩集的飞行器操纵能力描述。在此基础上,对飞行控制系统进行模块化设计,利用经典控制方法设计出产生整个控制指令的基本控制律,然后利用基于微分进化算法的非线性控制分配器将整个控制指令合理地分配到各个舵面上,实现航向上的稳定与控制,仿真结果证实了该方案的有效性。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。