一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

直升机神经网络反馈线化飞行控制

以SH－2G为控制对象，采用基于神经网络的非线性系统反馈性化控制方法，进行直升机机动飞行仿真，仿真结果表明，所设计的神经网络具有逢适应能力，能够在线补偿反馈线性化所产生的逆变换误差，这种方法无须获得动态逆模型，而只需某一个状态下的动力学模型，就能在全包线提供有效的控制，既避免了传统方法的增益调参，又解决了难以获得动态逆模型及计算量大的问题，是一种很有发展潜力的智能控制方法。     

现代战机超机动攻击研究

在研究、比较两种非线性系统设计方法——动态逆和Backstepping的基础上，设计了具有大机动飞行的，基于Lyaponov全局稳定的Backstepping飞行控制律；其次，探讨了衡量机动攻击导引性能的评价尺度，并进一步研究了如何根据载机与目标的相对运动，导引载机机动飞行，以迅速满足载机空空导弹离轴发射条件，实现超机动攻击的导引律。最后，以攻击机动和非机动目标飞行仿真，说明了所研究的机动攻击导引方法的正确性和可行性。     

超机动飞机的非线性控制与飞行员在环实时仿真

在空中格斗中，使用过失速机动可获得显著的战术优势，而飞机在大迎角和高角速率的情况下，其动力学具有强耦合性和非线性，本文讨论了应用非线性动态道进行超机动飞机飞行控制系统的设计。飞机的动力学可分成快慢两组变量，角速率是快变量，姿态角是慢变量，对快变量进行非线性逆控制器的设计，以此来稳定纵向短周期运动，并通过气动舵面与推力矢量的融合，来改善大迎角范围内的侧向响应。对慢变量进行非线性逆控制器的设计可使飞行员控制飞机慢动力学，即迎角、侧滑角和速度矢量滚转角。本文还讨论了一个飞行员在环实时仿真系统的设计，该系统采用了多台计算机的结构，可用于非线性动态逆控制律的飞行员在环分析。     

高超音速飞行器的模糊滑模变结构控制

针对高超声速飞行器具有强耦合、快时变和高度非线性的特点,本研究采用反馈线性化方法,对高超声速飞行器的纵向模型进行输入/输出精确线性化,实现了控制量的解耦。然后基于线性化后的纵向模型,设计了一种模糊滑模控制器,先采用基于动态逆控制的滑模变结构控制器,对模型已知的部分进行精确控制;采用基于模糊函数逼近器,针对模型的不确定性进行自适应补偿控制。最后对某高超声速飞行器的纵向飞行控制进行仿真。结果表明,线性化模型在仿真层面上是正确的,控制方法在仿真层面上是有效性的。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真     

基于自适应逆的微型飞行器飞行控制系统

飞翼式微型飞行器由于尺寸小、速度低、气动布局特殊和飞行环境复杂多变,其飞行力学具有显著的非线性和非定常特性,传统的控制方法已不能满足要求.本文运用时标分离理论,设计了快变量和慢变量动态逆,同时引入在线神经网络补偿动态逆误差,并采用伪控制补偿器消除作动器和自适应单元之间的相互影响,在此基础上提出了飞翼式微型飞行器的自适应飞行控制系统,并与采用动态逆-PID控制方法设计的飞行控制系统进行比较.仿真结果表明:基于自适应逆的飞行控制系统,具有较强的鲁棒性和指令跟踪能力,比动态逆-PID飞行控制系统更适合于微型飞行器.     

基于非线性干扰观测器的空天飞行器轨迹线性化控制

研究一种新的空天飞行器基于非线性干扰观测器的轨迹线性化飞行控制方案。轨迹线性化控制是一种新颖有效的非线性跟踪和解耦控制方法,但空天飞行器飞行过程中存在的建模误差和外界干扰等不确定因素将导致其性能下降甚至失效。为了满足空天飞行器高精度高稳定控制的要求,本文利用非线性干扰观测器对系统中存在的不确定进行估计,其输出用以设计新的补偿控制律,从而使当前轨迹线性化方法的控制性能得到改善。最后利用该方案设计出空天飞行器飞行控制系统,通过高超声速飞行条件下的仿真,验证了该方法的有效性。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

无人机4D制导系统研究

基于逆运动学方法设计了无人机四维制导系统。基本姿态控制器采用基于在线神经网络的非线性动态逆控制器。动态逆控制器用来对消无人机的非线性，在线神经网络补偿对消不精确引起的状态误差。制导系统的任务就是由给定的三维航迹，解算出航迹角，并生成三个姿态角指令，同时设计发动机控制回路以控制航迹速度，最终实现精确的四维航迹跟随。     

直升机自动过渡悬停飞行控制系统设计

为实现直升机自动过渡悬停功能，在具有优良操纵特性的直升机显模型跟踪控制系统(MFCS)基础上，开发了自动过渡悬停控制系统。根据过渡悬停机动模态的基本要求，设计了高度控制回路，以实现高度通道按抛物线下降，接着进行线性下降并最终过渡到指数拉平。设计了纵向速度控制回路，使速度先按指定的减加速度线性减速，再按指数规律减速至悬停，且两通道之间协调控制，保证当直升机高度接近悬停高度时，纵向速度同步地趋近于零。文中给出了系统结构配置及参数设计方法。仿真表明，本文直升机自动过渡悬停系统具有优良的物理特性。     

变推力轴线无人机的建模与机敏性分析

建立了与普通无人机相区别的变推力轴线无人机的全量教学模型.通过理论分析可知,变推力轴线技术的引入可以改善无人机的机动性和敏捷性.设计了气动舵面控制和推力变向控制相结合的无人机纵向姿态混合控制器,并对非线性模型描述的无人机进行了控制仿真,结果验证了混合控制策略的优越性,也体现了变推力轴线无人机具有比普通无人机更好的机敏性.     

机动弹头姿态解耦控制方法研究

对大机动弹头再入飞行段姿态稳定控制系统的设计问题进行了分析与研究。根据飞行控制要求 ,考虑了影响较大的气动力和气动力矩因素 ,建立了一个完全表征大机动情况下弹头运动的非线性动力学模型。然后采用非线性解耦控制理论设计了机动弹头的姿态控制系统。仿真结果表明 ,该方法能够保证系统良好的稳定性能。     

飞行航迹动态逆跟踪控制的神经网络方法

针对用动态逆方法设计飞行控制系统在极慢模态设计中所遇到的完全非线性问题，以及飞行器在执行低空突防任务时所面临的程度无法精确控制的条件，提出了一种以前向神经网络为核心的解决方案。文中给出了神经网络的拓扑结构、样本采集方法以及动态逆控制器的构造方法，仿结果表明，该方案具有良好的指令跟踪能力。     

基于特征模型的某型无人机智能PID控制器

无人机的飞行特性在很大程度上取决于其飞行控制律。本文以无人机的姿态控制回路为研究对象,分析了表征该无人机姿态控制特性的特征状态信息。利用特征建模的方法,设计一种基于控制对象特征模型的无人机姿态回路仿人智能P ID控制器,并进行了仿真试验。结果表明,该控制器具有较好的抗干扰和自适应能力,结构简单,针对性强,易于实现。     

一种变速风力机全风速范围发电策略

由于风力机系统复杂的机械阻尼和大惯量等强非线性因素的存在,增大了控制策略设计与实现的难度。同时,对于变速风力发电系统而言,风力机的转速控制器设计是实现发电控制策略的重要环节。本文首先分析了定桨距变速风力机全风速段的发电策略,针对传统方案所存在的问题,提出了新型的控制策略,该策略在不同运行状态之间的过渡过程迅速平滑,有效降低了系统的动态载荷;其次,基于现有的风力发电系统分析了定桨距风力机的小信号模型,推导了风力机系统的传递函数,并为转速控制环设计了P ID控制器;最后,通过仿真和实验,验证了全风速段发电策略的可行性和有效性。