一类MIMO状态可观测非线性系统的激励辨识

研究一类多输入多输出(MIMO)状态可观测非线性系统的激励辨识问题,输入激励信号采用高斯白噪声,均匀采样获得输出状态数据;根据Girsanov定理获得系统参数的渐近无偏估计;数值仿真试验说明了该方法的有效性并发现多变量耦合辨识中的噪噪比(NNR)现象;最后给出该系统的分步激励辨识算法。     

输入输出反馈的应用──倒摆系统控制器的设计

输入输出反馈是一种常用的控制器设计方法。文中着重讨论了单输入多输出系统的输入输出反使问题，根据输入输出反馈系统的结构，利用丢番方程和矩阵简约方法，讨论了极点配置方法．该方法充分利用了单输入多输出系统的特点，简化了一般的多变量系统的极点配置方法，使其应用更加简单方便。在此基础上，文中针对倒立摆系统，给出了一个应用例子，并且进行了数字仿真。结果表明，根据该方法设计出来的控制器，控制效果良好。     

电磁轴承-转子系统多变量模糊解耦控制算法的推导

在建立了转子高速旋转时电磁轴承系统的模型基础上 ,针对此系统的多变量模型 ,采用了多变量模糊解耦方法进行控制研究。文中推导了有效的降维模糊关系矩阵 ,得出了四输入四输出的多变量模糊系统的输出算法 ,并进一步考虑了加上输入变量导数的情况下算法的推导。     

非线性飞行控制律设计中的分支裁剪技术

研究了非线性飞行控制律的全局连续设计方法--分支裁剪技术.该方法以分叉分析和连续算法计算得到的飞行动力学系统平衡图为基础,采用特征结构配置方法设计全局调参的纵、横航向解耦反馈控制律,满足飞行品质要求,从而裁剪偏离运动对应的平衡分支;应用前馈控制修改平衡图的主分支形状,使系统输出根据设计要求跟踪操纵输入指令.控制律设计和仿真计算结果表明,采用分支裁剪技术可以系统把握飞行动力学系统的全局特性,在整个包线范围内便捷地设计初步的飞行控制律,为现代飞行器设计阶段的气动布局评估、控制效能确定、设计参数选择等研究工作提供基础.     

非线性输出误差模型的两阶段递推辨识算法

输入非线性系统的输出误差模型在实际工业生产中是一类常见模型,针对含有色噪声的输出误差模型提出基于辅助模型的两阶段递推增广最小二乘算法。根据辅助模型思想和分解技术,将复杂的非线性辨识系统分解为系统模型和噪声模型子系统,再根据最小二乘思想分别辨识,其中噪声信息向量中存在的不可测噪声项用其估计值代替。最后与递推增广最小二乘算法在参数估计精度和收敛速度的比较,验证算法在此类模型应用的有效性,仿真结果表明该算法精度高,收敛速度快,计算量小。     

旋翼飞行器飞行动力学系统辨识建模算法研究

描述了旋翼飞行器飞行力学模型的系统辨识建模算法,从旋翼飞行器飞行动力学建模的共性问题入手,首先采用机理建模的方法分析了旋翼飞行嚣主要气动部件所受气动力.考虑旋翼挥舞运动对旋翼飞行器飞行动力学特性的影响,建立了旋翼飞行器的飞行力学系统辨识参数化模型集.其次以子空间方法辨识初始飞行动力学模型,采用加权频域预报误差法获得最优模型的两步辨识方法解决旋翼飞行器这一非线性不稳定,多输入-多输出系统辨识问题,且所辨识模型与机理模型具有相同的结构.最后对样例直升机的悬停飞行状态模型辨识进行了数值与试飞试验验证,表明了方法的有效性.     

风洞流场马赫数补偿解耦控制研究

风洞流场参数-总压、马赫数之间存在严重的耦合关系。解决二者之间的耦合问题,对提高系统的控制精度、减小调节时间、增强系统的稳定性、鲁棒性,具有重大的现实意义。笔者首先以某风洞流场为研究对象,建立流场参数的逻辑模型,接着从补偿解耦的角度出发,借鉴多变量子空间补偿解耦思想,提出解耦补偿算法和补偿系数整定,建立流场参数补偿解耦模型。最后经过多次仿真实验、分析,进一步验证了该补偿解耦算法的有效性。     

基于曲线等弧长分割的机器人轨迹规划

从机构学的角度，基于机器人机构运动方程中原动件角位移及其微分系数的变化关系，利用原动件的角位移在端点附近，其微分系数的值急剧增大的特征，对轨迹曲线上点的坐标进行变换，提出了输出输入角相互切换的基准和算法，以较少的计算量实现了轨迹曲线上输出点的等间隔分布，对机器人轨迹规划的研究具有积极意义。     

航空发动机直接推力控制

为实现推力的多变量控制,首先研究了控制系统输出参数选择方法.输出参数选择采用相对增益矩阵(Relative gain array,RGA)和灵敏度分析方法.当RGA对角元趋近1而其他元素较小时,回路之间的耦合小,当输出对输入的灵敏度大时,输出易于控制.为此从常用被控参数中选择低压转子转速与推力构成控制系统输出.由于推力不可测量,采用神经网络对其进行在线估计,神经网络的输入采用遗传算法从航空发动机诸多可测参数中选取.最后设计了H∞控制器,通过闭环系统仿真,验证了本文方法的有效性.     

六维力传感器静态标定及解耦研究

设计了一种八梁结构轮辐式六维力传感器的静态标定试验台,并从传感器的静态耦合特性和解耦算法两方面进行了研究。给出了详细的标定过程,获取了试验数据样本。基于试验样本构造了标定矩阵。结果表明:该传感器在结构上具有良好的自解耦特性,通过解耦算法对传感器输出进行解耦后,传感器的耦合误差基本被消除,满程测量精度能达到2.6%,为该种六维力传感器的实用及其产业化奠定了基础。     

动态矩阵预测控制算法在过程控制中的应用研究

一些过程控制系统极其复杂,影响因素多,难以建立精确实用的数学模型,针对这一复杂过程,本文引入动态矩阵预测控制算法,并利用计算机仿真对过程控制系统进行了初步研究和探讨.仿真结果表明,动态矩阵预测控制算法在过程控制领域的应用具有广阔的前景.     

时滞系统的Elman网络多步预测模糊控制方法

讨论了Elman神经网络的结构与学习算法,研究了基于Elman网络的动态系统辨识模型、预测模型及预测算法,并与模糊控制相结合,研究神经网络多步预测模糊控制方法。仿真结果表明该方法可以提高系统的鲁棒性及稳定性,多步预测最佳模糊控制的控制精度及ITAE指标均较无预测时要优。     

基于分布式模型预测控制的多无人机协同规避控制技术

建立了多无人机协同规避控制模型,并提出了一种基于纳什最优的分布式模型预测控制算法。仿真结果表明,基于纳什最优的分布式模型预测控制算法有效地实现了多架无人机对障碍物的规避,并且相对于集中式模型预测控制算法减少了求解过程中的计算量,缩短了优化控制的时间,改善了系统的实时性。     

基于Hammerstein模型的非线性建模与预测控制

所有实际的运动机构中都包含一定的非线性,对其进行精确的建模和控制是运动控制中具有挑战性的难题。文中提出了基于粒子群优化算法的RLS-PSO系统辨识建模方法,所得伺服转台模型具有良好拟合效果;对该模型提出改进的两步法,应用基于预测函数控制(Predictive functional control,PFC)的全局优化预测控制;伺服转台的仿真运行结果表明跟踪效果良好。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

基于LPV模型参考自适应飞行边界保护控制

进行有效的飞行边界保护控制有利于预防飞行失控。研究了一种基于线性参数变化(Linear parameter varing,LPV)模型参考自适应飞行边界保护控制方法。基于函数替换方法构建了仿射参数依赖LPV飞行动力学模型,通过调度变量的动态变化来减小与全量非线性动力学模型的失配。将实时飞行边界保护转为有约束广义预测控制问题,设计了数值算法以实现对舵偏角控制量及其增量、飞行状态参数的边界保护。通过仿真分析表明,LPV模型能够较好地逼近全量模型,反映出瞬时飞行动态;通过有约束广义预测控制数值算法能够有效地实现飞行边界的保护控制。     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

基于灰混合策略的灰矩阵博弈模型的解

最大最小灰博弈值与灰混合策略的灰鞍点问题是基于灰混合策略的灰矩阵博弈的关键问题，本文运用灰色系统理论证明了最大最小灰博弈值定理，从而奠定了灰矩阵博弈的理论基础。在此基础上，提出了灰混合策略的灰鞍点的概念，并且证明了灰鞍点存在的充分必要条件和灰混合最优策略的可交换性定理。     

含有非解析子模块的非线性系统控制

针对模型中含有非解析子模块的非线性系统,提出了一种预测控制的设计方法。首先建立了与传统广义预测控制(Generalized predictive control,GPC)的联系,探讨了针对含有非解析子模块的非线性系统控制对性能指标的选取原则,并由此推导出了最优预测控制器,并进一步讨论了控制器的实施问题。由于所提出的设计方法不需要对非线性系统求逆,因此具有较低的计算复杂度。对两节机械手臂的仿真研究验证了所提出的设计方法的有效性。