基于自适应滑模与模糊控制的导弹直接力/气动力复合控制系统优化设计

 针对导弹直接力/气动力复合控制问题,提出了一种基于自适应滑模控制(ASMC)与模糊逻辑的自动驾驶仪设计方法。该方法将整个导弹控制系统分为气动力控制子系统(ACS)和直接力控制子系统(RCS)两部分。前者采用自适应滑模控制理论进行设计,利用其所具有的强鲁棒性优点,克服了包括参数摄动与外界扰动在内的各类不确定性因素的影响。后者通过基于规则的模糊推理来确定不同条件下直接力作用的大小,以辅助提高气动力子系统的性能。在控制系统结构确定的条件下,利用遗传算法(GA)对各参数进行优化,实现了两个子系统之间的协调工作。仿真结果表明,所提出的控制方案对机动指令具有较好的跟踪效果,适用于直接力/气动力复合控制导弹的控制系统设计。     

基于终端滑模的直接力/气动力复合控制系统设计

针对空空导弹直接力/气动力复合控制问题,建议一种基于非奇异快速终端滑模控制方法(NFTSM)和动态控制分配技术的复合控制策略。根据导弹纵向运动模型设计非奇异快速终端滑模控制器,获得建立导弹过载所需要的控制力矩。采用动态控制分配将期望的控制力矩映射到气动舵和直接力装置。仿真结果表明,提出方法适用于空空导弹直接力/气动力复合控制系统设计,能够快速精确跟踪过载指令。     

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。     

基于自适应模糊滑模退步控制的直接力/气动力复合控制导弹自动驾驶仪设计

针对直接力/气动力复合控制导弹所具有的强耦合非线性特性,提出了一种基于自适应模糊滑模退步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,对大迎角飞行过程中导弹动力学方程中存在的非线性函数进行逼近,并利用变结构控制所具有对干扰的强鲁棒性,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,所设计的自动驾驶仪对过载指令有良好的跟踪效果,对模型不确定性和外界干扰具有鲁棒性.     

导弹的直接力/气动力控制系统设计

针对临近空间大气稀薄、防空导弹获得气动力较小的问题,提出了一种直接力/气动力复合控制系统设计方案。首先建立了导弹的气动控制系统模型,然后建立了采取轨控方式的直接力控制系统模型。以弹目相对距离作为直接力控制系统开启的判断条件,输出脉冲直接力,将气动力和直接力的控制作用叠加,构成了直接力/气动力复合控制系统,弥补了导弹末制导末段气动过载较小的不足,提高了导弹的制导精度。通过具体的仿真实例及定性分析,验证了该复合控制系统设计方案的有效性和可行性。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波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。用小波神经网络逼近非线性函数,并把逼近误差引入到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。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

利用模糊控制理论设计自适应机构的自适应系统的研究

本文针对航空发动机的转速控制系统 ,提出了以模糊控制理论 ,设计比较和积分自适应机构的模型参考自适应控制系统的设计方法 ,并对系统进行数字仿真。结果表明 :这种自适应控制方法充分发挥了 PI控制和模糊控制的优点 ,不但使控制算法得到简化 ,而且使控制精度得到提高。因而 ,这种自适应方法对高阶、非线性或缺乏精确数学模型的被控对象提供了一种新的设计方法     

一种采用脉冲调制器的空空导弹直/气复合控制系统稳定性研究

研究了一种采用脉冲调制器的空空导弹直/气复合控制系统设计方法及其稳定性。首先假设直接力是连续量,按照比例与气动舵进行混合,采用三回路设计方法得到混合后的控制量,之后采用脉冲调制器对得到的连续量进行调制,得到直接力装置的开关指令,最后采用非线性描述函数法分析控制系统的稳定性,在此基础上选取了合适的脉冲调制器参数,仿真结果表明了该方法的合理性。     

一类非线性系统自适应神经网络块控制器设计

对一类多输入多输出非线性系统,提出了一种基于块控原理自适应控制器设计方法.利用反演设计技术和RBF神经网络设计了控制器,并通过引入改进的Lyapunov函数,成功地避免了在控制函数矩阵未知情况下的自适应控制奇异问题.利用Lyapunov稳定性定理证明了系统的所有信号均有界.最后的仿真研究表明了该设计方法的有效性.     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

多输入模糊控制器及其在飞行控制中的应用

针对输入量之间具有导数关系的三输入模糊控制器进行了理论分析。通过输入空间分区和非线性反模糊算法的引入,推导出了三输入模糊控制器的有关算法,并且总结出它与传统ＰＩＤ控制器之间的等价性及等价条件。飞机纵向运动仿真计算结果表明：三输入模糊控制器与二输入模糊控制器相比较,当初始状态变化较大时,对高度和速度的控制更有效。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

神经网络及其在飞行器建模与控制中的应用

综述了近年来人工神经网络在飞行器系统建模与控制中的应用研究概况，首先给出了在系统建模与控制中的几种常用神经网络模型及其学习算法，进而介绍了人工神经网络在系统建模与控制，尤其是在飞行器建模，控制与故障分析中的应用现状，最后，就人工神经网络在解决飞行器非线性系统建模，智能控制和飞行故障分析方面的发展前景进行了讨论。     

Optimization of the tether-assisted return mission of a guided re-entry capsule

This paper presents the mission analysis of a tether-assisted payload retrieval from the International Space Station (ISS). The objective is to assess all relevant phases of such a mission in order to allow a comparison with a conventional mission employing a propulsive deorbitation. The controlled tether deployment procedure and the guided return flight of the released re-entry capsule are optimized. A preferable deployment strategy is identified that allows for favorable entry conditions and low flight loads. The optimal deployment trajectories serve as a basis for an optimal dynamic regulator. This approach is extended towards an adaptive concept, where artificial neural networks are applied to deployment control. For the guidance of the capsule a predictive concept is proposed that is based on the optimal re-entry trajectories identified previously. By applying these concepts, the attainable landing accuracy during return amounts to an average of 5 km, and the application of the tether system exhibits overall system mass advantages. This demonstrates that the tether-assisted return mission is a competitive alternative.     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

电液力伺服系统的神经网络并行自适应预测 PI 控制

考虑电液伺服系统的复杂非线性和不确定性特性,提出一类基于神经网络的并行自适应预测PI控制结构,该结构使控制参数的调整和系统的实时控制操作可并行进行,不仅做到了神经模型和控制器的在线辨识和设计,而且避免了神经网络方法通常存在的实时控制的困难,使复杂系统的在线学习控制成为可能。仿真结果表明该控制器具有良好的适应性和鲁棒性。      

基于模糊逻辑系统的转子振动控制方法研究

电流变液作为一种智能材料在振动控制工程领域有着广泛的应用。由于电流变效应具有非线性特性,使得难以设计基于常规控制理论的控制律。本文利用模糊逻辑系统能够逼近非线性函数的特性,设计了电流变阻尼器-转子振动系统自适应模糊控制方案。针对该转子系统的仿真计算表明,转子系统的振幅能够得到有效的抑制,自适应模糊控制器性能良好。