基于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PID控制器的方法。基于BP（Back Propagation）神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

永磁同步风力发电系统的分数阶比例积分控制算法研究

将分数阶比例积分(PIλ)控制器应用于直驱型永磁同步风力发电系统,来达到实现系统高性能控制的目的。重点研究了永磁同步风力发电系统的分数阶PIλ控制器参数设计方法。通过分数阶PIλ控制器系统的仿真研究与试验分析,结果表明:采用分数阶PIλ控制器的系统具有较快的响应速度和较高的功率输出性能,具有一定的发展潜力和实用价值。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

阵列旋转对功率倒置算法性能的影响分析

针对卫星导航抗干扰中,功率倒置算法下导航信号载噪比受干扰来波方向的影响,通过理论推导和数值计算的方法研究了天线阵列旋转与功率倒置算法抗干扰性能的关系。分析结果表明:天线阵列旋转会使功率倒置算法下的阵列增益在最大值和最小值之间呈现连续的、周期性的变化。相比固定天线阵不变的载噪比,阵列旋转能够使信号在一段时间内获得更大的载噪比,对于四阵元Y型阵列,阵列旋转理论上对载噪比的最大提升程度可以达到14dB左右。仿真结果验证了理论推导的正确性。     

涡轴发动机双回路PI控制器多发功率匹配

为了应对多个发动机共同驱动同一直升机时,单个发动机性能衰退所引发的输出功率不平衡问题,以控制2个转子转速的双回路结构PI控制器为基础,将外回路改为直接功率控制回路,搭配能够计算旋翼在一定转速下需求功率的机载模型,构建了1种涡轴发动机多发功率平衡匹配控制系统.内回路分别采用燃气发生器转子转速控制回路和动力涡轮转子转速控制回路,得到参数不同的控制器并进行了仿真验证和对比.结果表明:所设计的双回路PI控制器能够在保证涡轴发动机动力涡轮转速恒定的同时,使性能衰退程度不同的2台发动机输出相同的功率.     

基于功率复用的椭圆球面波函数非正交调制方法

围绕如何降低基于椭圆球面波函数的非正交调制（PSWF-NPSM）系统误码率，降低信号检测复杂度，引入调制信号功率复用思想，提出基于功率复用的椭圆球面波函数非正交调制（PD-PSWF-NPSM）方法。该方法对载波信号按子波带进行功率分配，增加了调制信号最小欧式距离，降低了系统误码率；在接收端，提出基于检测统计量的串行干扰相消信号检测方法，依据不同支路信号间功率差异，对信号进行分离、检测。理论与仿真分析表明，该方法在不降低系统频带利用率、调制信号功率谱、峰均功率比特性前提下，能够有效提高系统误码性能，降低调制信号检测复杂度；与原非正交调制方法相比，当误比特率（BER）为10^-5时，所提方法系统误码性能提升约1.7 dB。     

USB测控通信载波功率的一种分配策略

针对USB(统一S频段)通信中副载波信号的功率分配问题,提出了一种载波功率分配策略,实现了副载波功率的最优分配,达到了提高功率效率的目的。结合某卫星副载波的特点,以应答机对副载波的检测门限为依据,对测控上行各副载波功率进行分配。计算结果表明,该载波功率分配策略在残留载波和遥控指令副载波的调制损耗上要优于传统常用调制度分配方法。该功率分配策略能够为卫星通信提供更佳的功率分配,使上行各种副载波信号能够达到卫星接收解调的最佳门限。     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

基于RBF神经网络的一类非线性系统反演鲁棒自适应控制

提出一种基于RBF神经网络的一类非线性系统反演鲁棒自适应控制器设计方法。使用RBF神经网络逼近系统不确定性,并和控制器与虚拟控制器中的鲁棒项一起消除不确定性的影响,由Lyapunov稳定性理论推出的RBF神经网络权值矩阵的自适应律能保证闭环系统的所有信号有界,且误差能够全局指数收敛于原点的邻域。该方法不需要系统不确定性的上界以及其任意阶导数,最后的仿真结果验证了方法的有效性。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

PID神经网络控制器在飞控系统中的应用

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点.提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性.对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能.     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

基于瞬时无功功率理论和模糊PID控制的三相不平衡补偿算法

为满足三相不平衡飞机电网的无功功率实时补偿要求,设计了一种新型的静止无功补偿器（SVC）控制系统。该系统采用瞬时无功功率理论来精确检测基波正序和负序电压、电流,并推导出补偿导纳的表达式;SVC的整体控制采用了开环和闭环控制相结合的控制算法,并在闭环控制算法中,提出了自适应非线性模糊控制器在无功补偿控制系统中的应用方案。该方案结合了模糊控制和PID控制2种方法的优点,根据系统状况改变PID控制器的参数,以达到更好的动态控制效果。仿真研究结果表明,该新型SVC控制系统对于提高功率因数和补偿三相不平衡,具有响应快、精度高的控制效果。     

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。     

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。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。