基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

鲁棒PI控制方法在无人机编队飞行稳定性中的应用

针对无人机编队执行空战任务中因发动机运转产生的振动影响命中率问题,将稳定性研究转化为动态响应和稳态误差分析。采用鲁棒控制和PI控制相结合的复合控制方法,实现无人机编队在高速近距情况下对目标精确打击的目的。通过加入PI控制,使得无人机机体振动和闭环系统稳态误差减小,稳定性整体增强,同时对鲁棒控制进行完善,使鲁棒性更好。通过仿真对复合控制方法进行了可行性验证,结果表明:复合控制方法整合了鲁棒控制和PI控制的优点,提高了无人机编队的响应速度、收敛时间和稳定性,为无人机协同打击目标控制律的设计开拓了思路。     

基于LQG/LTR方法的鲁棒飞行控制系统设计

针对飞行控制系统设计中存在的建模误差以及实际飞行中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成了某型攻击机横航向控制设计,解决了在飞机模型不确定性、随机干扰下控制系统可能出现的不稳定和控制精度不够的问题。系统仿真结果表明,控制系统实现了横航向指令的精确跟踪,不但具有良好的鲁棒性,而且调节性能良好,满足飞机横航向控制的要求。     

基于μ综合的鲁棒飞行控制系统设计

针对飞控系统设计中存在的建模误差以及实际飞行中的外界干扰的影响，采用 μ综合控制方法，根据系统的飞行品质及设计要求，构造了纵向姿态控制系统μ综合控制设计框架，选取了不同环节的权函数，数字仿真表明，所设计的某型无人机飞控系统具有良好的性能。     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

基于视线的无人机鲁棒自适应编队控制设计

针对基于视线的无人机编队动力学非线性不确定的特性,设计了一种基于鲁棒自适应控制的编队控制系统.首先建立了基于视线的长机-僚机编队方式下的无人机编队动力学模型,而后将其转换成伪控制形式,将伪控制量分解成参考模型的输出、比例微分控制输出与神经网络自适应输出三项,采用误差观测器的输出训练神经网络以实现误差补偿,利用Lyapunov理论对误差的有界性进行了证明,设计了伪控制保护以防止执行器超出物理范围.最后建立了无人机六自由度非线性模型并进行仿真,结果表明设计的编队控制系统可以使僚机有效地跟踪做不确定机动的长机.     

民用飞机鲁棒飞行控制器的设计

针对民用飞机同时存在模型参数变化和外界干扰这两种不确定性,采用基于混合灵敏度的鲁棒控制方法进行控制器的设计。仿真表明,闭环系统不仅对模型的参数变化具有鲁棒稳定性,而且对外界干扰具有很强的抑制能力。系统的动态性能得到了很大的改善。     

基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

基于群智能算法的鲁棒飞行控制律参数优化

针对飞行控制律设计过程中由于名义模型和实际飞机之间的参数偏离所导致的不确定性问题,基于传统频域分析法、μ分析以及蒙特卡洛拉偏仿真分析,提出了一种控制律优化算法。该算法以控制系统的时域、复域、频域以及多输入多输出(MIMO)系统的μ值组合而成的不满足概率来构建代价函数,再通过混合遗传粒子群算法进行代价函数最值的迭代寻优,最终得到最优反馈控制增益参数。以某小型无人机横航向控制律为例开展分析和优化,结果表明优化后的控制律既能满足飞行性能响应指标要求,又具有满意的鲁棒稳定性,验证了该算法具有良好的优化作用。     

基于灰色预测滑模控制的鲁棒飞行控制器设计

为了解决近空间可变翼飞行器大包络飞行以及小翼伸缩过程中受到不确定性参数和未知外部干扰的问题,第一次将灰色理论引入飞行控制领域。首先对飞行器的非线性模型不确定性参数进行分析,利用灰色GM(0,N)模型精确预测不确定性参数和外部干扰;然后根据所预测的数值,设计了基于灰色预测滑模控制的鲁棒飞行器,从而有效补偿不确定性参数和外部干扰对飞行器的影响。仿真结果表明,灰色GM(0,N)模型能够有效预测不确定性参数和未知外部干扰,并通过所设计的飞行控制器补偿其影响,保证了飞行器的稳定性和鲁棒性。     

基于QFT的鲁棒飞行控制器设计

首先对定量反馈控制理论及其发展进行了介绍,并指出了其所能解决的问题,以及器的一般求解步骤,按着讲述了鲁棒控制中的灵敏度设计方法,讨论了基于ＱＦＴ的鲁棒灵敏度设计思路,最后以某型号飞机为算例,采用ＱＦＴ方法设计了鲁棒控制律,计算和仿真结果说明了定量反馈控制理论是一种设计鲁棒飞行控制律的有效方法。     

基于鲁棒特征结构配置的无人机直接侧力控制

应用特征结构配置，提出了一种新的无人机直接侧力模态控制系统设计方法——基于输出反馈的鲁棒特征结构配置最优化方法。实现了飞行器侧向运动模态之间的解耦，设计了无人机直接侧力控制律。为了证明该方法的有效性，最后根据研究结果给出了一个直接侧力控制的设计实例，仿真表明其结果是令人满意的。     

飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，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，结果证明，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。     

基于遗传算法的直升机鲁棒飞行控制器设计

以旋翼机驾驶品质要求 ADS-33为设计目标,采用 H∞ 混合灵敏度方法设计直升机在低速飞行时的鲁棒控制器,设计中利用遗传算法优化加权阵参数,找到同时满足频域和时域性能要求的控制器。以 UH-60 A直升机为对象,所设计的直升机飞行控制系统不仅具有鲁棒稳定性,而且满足 ADS-33D水平 1操纵品质要求。     

固定翼无人机紧密编队的鲁棒协同跟踪控制

固定翼无人机（UAV）具有典型的欠驱动、非线性等特点,导致航点自主跟踪设计难度大,同时紧密编队飞行过程中无人机之间运动耦合与气动干扰明显,进一步增加了高性能控制设计难度。为此,本文针对固定翼无人机紧密编队飞行的航点自主跟踪问题,综合考虑轨迹平滑性、运动协同性和跟踪鲁棒性等需求,依托全驱系统建模方法提出了一种多层次鲁棒协同跟踪控制架构。该架构包括上层运动规划、中层协同滤波及底层鲁棒协同跟踪控制3个核心部分。上层运动规划根据离散航点指令,融合虚拟结构法和迭代线性二次型优化,实时生成可行、平滑的运动轨迹。在此基础上,为改善跟踪控制的瞬态性能,引入分布式协同滤波思想,对规划轨迹进行滤波处理,生成每架无人机个体的参考信号。最后,考虑到紧密编队中气动耦合与系统不确定性等挑战,设计了一种基于不确定性及干扰观测器的鲁棒协同跟踪控制方法,实现了编队轨迹的精确跟踪以及队形的可靠保持。所提出的鲁棒协同跟踪控制架构考虑了紧密编队飞行中的多种约束与挑战,实现了编队运动规划与跟踪控制的综合设计,可以有效提升系统自主性、协同性和鲁棒性。最后,通过5架固定翼无人机的紧密编队飞行仿真对所提方法进行综合测试,验证了方法的...     

无人机飞行试验参数辨识研究

针对大型无人机飞行试验,探讨了无人机气动导数的参数辨识过程。根据无人机飞行试验数据特点及模态激励方式,分析并实践了相应的数据处理过程,修正了试飞数据;结合参数的相关性分析,建立了合适的气动模型,进行了气动导数辨识并验证了部分导数,辨识结果是真实可信的。所研究内容对验证和优化无人机空气动力和飞控设计进而合理地评价无人机的性能和品质具有重要意义。     

对系统辨识误差鲁棒的自适应复合控制方法研究

对基于系统辨识的自校正控制方法来说,其控制性能极大程度受制于辨识精度。针对这一缺点,提出了将变结构模型参考自适应控制与自校正控制相结合的自适应复合控制方法。以二阶线性对象为例,首先给出了极点配置理论下的自校正控制方法,并分析了辨识误差对控制性能的影响,对这一问题,引入变结构自适应控制,并给出了自适应控制律,最后通过仿真证明了这种复合控制方法既能抑制辨识误差的影响,同时也保留了自校正控制参数调整迅速准确的优点。     

基于微分载荷模型的飞行载荷参数辨识方法

介绍了一种基于微分载荷模型的飞行载荷辨识方法.根据实测载荷与飞行参数之间存在的相关性,利用输出误差法对平尾微分载荷模型进行了辨识,得到了飞行状态下平尾载荷的计算模型.同时得到了适合于飞行载荷辨识的一种方法,该方法可以研究飞机的不同操纵规律对结构载荷的影响,具有较高的精度,可行有效.