高速再入飞行器分数阶PIλDμ稳定域分析

高速飞行器再入过程中,具有参数大范围快速时变、强非线性的特性,对控制器的控制品质和稳定性提出了更高的要求.本文通过最优Oustaloup数字算法框图化实现分数阶PIγDμ(Fractional-order PID,FOPID)控制器,建立高速飞行器参数时变的非线性模型,结合ITAE(Integrated Time an...     

μ方法在挠性航天器鲁棒控制设计中的应用

本文通过对带有挠性附件的一类航天器的鲁棒控制器之设计说明μ方法在不确定挠性航天器姿态控制中的应用。该方法不仅能有效地处理外部干扰以及未建模动态，而且还能直接讨论模型参数的变化，具有较大的应用潜力。但μ最优控制器倾向于激发系统未建模动态，在实际应用中必须特别注意     

基于遗传算法的再入航天器配重布局优化

提出了一种在遗传算法框架内实现再入航天器配重布局优化的方法,获得的配重分布,可以尽可能小的配重重量代价使再入航天器满足复杂的质量特性要求。该方法将再入航天器可安装配重的区域离散为大量小面积配重区,使每个配重区对应固定质量的配重块,从而对配重布局设计变量进行离散编码,在此基础上建立起再入航天器配重布局优化问题的数学模型,并采用遗传算法求解该优化问题。对某再入航天器示例进行仿真验证,得到优化配重布局方案,以小的配重用量同时满足了质心位置、惯性矩和惯性积的复杂质量特性约束,配重布局显示出复杂空间分布的特点。文章的结果可为各类航天器的配重布局优化提供借鉴。     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题,利用改进的基于小生境技术和精英方法的适应值共享拥挤遗传算法进行RLV的再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。     

基于模糊策略的高速飞行器滑模控制律设计

以通用高超声速飞行器GHV为研究对象,针对其俯仰通道设计了具有良好鲁棒性的飞行控制系统.为了便于应用滑模控制理论,对该模型进行了输入输出反馈线性化,将其转换成仿射型.鉴于鲁棒性与抖振的矛盾,基于指数趋近律完成了滑模控制律结构设计,进而采用了模糊控制理论改进指数趋近律.基于遗传算法完成了所有控制参数的设计,确定了模糊逻辑...     

基于μ综合的高超声速飞行器控制律设计

针对高超声速飞行器再入过程中飞行包线大,参数不确定性强等特点,设计一种利用不确定系统建模和μ综合控制的鲁棒姿态控制器。首先,考虑飞行器的参数不确定性,建立系统线性分式变换(LFT)模型。随后,考虑建模结构不确定性及测量噪声等的影响,建立用于μ综合控制的互联结构。最后,分别设计H∞控制器和μ综合控制器,结合频域μ分析方法对系统鲁棒性和动态性能作了对比分析,结果表明该方法可以很好地跟踪指令,具有较强的鲁棒稳定性。     

基于自适应遗传算法的飞行器气动参数辨识

为了克服传统辨识算法的缺点，把自适应遗传算法作为辨识算法，进行飞行器的非线性气动参数的最大似然仿真辨识。在仿真辨识中，加入了零均值高斯分布的随机观测噪声。辨识结果比较满意，表明白适应遗传算法具有良好的优化性能，是进行气动参数辨识的一种实用的辨识算法。     

基于量子遗传算法的无人飞行器航迹规划

基于量子计算和量子理论,提出了一种基于量子遗传算法的无人机航迹规划方法 。该方法利用表征量子叠加态的量子比特对航迹进行编码,引入具有量子特性的量子交叉算 子和量子门变异调整策略,对航迹规划中代价函数进行优化,引导并实现航迹的规划选择。 仿真试验结果表明,该方法不仅具有良好的种群多样性,而且还可以有效地提高算法的空 间搜索和收敛能力。
     

基于遗传算法的电动负载模拟器ITAE控制器设计和仿真

在电动负载模拟器（ELS）的控制系统设计过程中,其优化控制参数一般需通过大量试 验来确定。本文根据ELS的工作原理建立了其执行机构的数学模型,并分析了连接刚度参数 对系统性能的影响,指出在满足系统闭环响应技术指标条件下,应选择低的连接刚度;结合 加载梯度参数,选择适当的连接刚度,设计了ELS的复合控制器结构,并采用遗传算法对复 合控制器中的各控制参数按ITAE准则进行了寻优,获得了复合控制器参数。仿真和试验结 果表明：在该控制器作用下,闭环系统的静差小于0.5％,并且其正弦响应在10Hz时的幅差 小于10％,相差小于10deg。     

再入飞行器机动弹道的设计

本文主要讨论再入飞行器机动弹道的设计问题。讨论了两种方法。 一种方法从最佳原理出发设计最佳机动弹道。本文提出的计算最佳再入机动弹道的方法简单易行、工作量较小。 另一种方法从保证终点速度最大的要求出发,在考虑了迎角对阻力系数影响的条件下,得到了选择再入机动弹道的工程方法。 计算结果表明二种方法设计的弹道,相差不多。从而证明了工程设计方法的可用性。     

基于Riccati方程解的再入飞行器制导律设计

提出一种再入飞行器纵向制导律设计方法。首先对纵向运动方程沿着实际轨道线性化,然后利用线性最优调节器原理设计制导律。在每个制导周期内求解代数R iccati方程,利用其正定解构造反馈控制律,与标准轨道的控制量叠加后形成全量控制,用于实际再入轨道的制导。仿真结果表明,所设计的制导律对再入初始偏差具有较强的鲁棒性,同时它也能较好地补偿由于气动参数和大气密度摄动造成的航程误差,从而保证落点精度。     

基于观测器的鲁棒稳定控制器设计的新方法

本文研究了线性时变不确定系统的鲁棒观测器问题，针对满足匹配条件的系统，给出一种基于现测器的鲁棒稳定控制器设计的新方法。该方法的特点是，在控制器设计阶段利用Ｒｉｃｃａｔｉ方程代替了Ｌｙａｐｕｎｏｖ方程，对于标称非Ｈｕｒｗｉｚｅ系统不需预先设计补偿器。与现有的一些方法相比，按本文方法设计的鲁棒控制器其算法简单且能容许较大的系统不确定性。文中给出的数值例说明了这种方法的有效性。     

三轴稳定飞行器姿态控制系统混合LQR-H_∞控制器设计

基于简化的三轴稳定飞行器运动模型设计了线性二次型(LQR)最优跟踪调节器。为消除系统模型的不确定性,由微分几何精确反馈线性化理论设计了LQR输出反馈补偿器;对系统的外加干扰,考虑H∞控制的混合灵敏度设计了混合LQR-H∞控制器。仿真结果表明:该设计方法不仅使姿态控制系统有良好的跟踪特性,而且具一定的抗干扰能力,系统鲁棒性较强。     

可重复使用飞行器再入控制系统设计

本文首先分析了可重复使用飞行器的控制结构,然后提出了一种智能变结构控制器,它可以使可重复使用飞行器控制系统克服现有方法的缺陷,无需大量的增益调节,而能自动适应非线性和强耦合的对象特性,并能适应大范围环境变化,减小对不同飞行条件下气动与结构参数的依赖性,自动补偿不确定因素和扰动的不利影响。最后通过simulink建模对控制系统进行了内外两回路协同仿真,验证了此控制系统能很好地跟踪输入,并且较好地解决了存在于变结构控制系统中抖振问题。     

锐边高超声速再入飞行器气动隐身综合设计

对锐边高超声速再入飞行器气动隐身综合设计进行了研究。以REX-203飞行器外形为研究对象建模,分析了修正牛顿理论、活塞理论和激波膨胀波理论三种常用的高超声速气动力工程算法用于锐边高超声速再入飞行器的适用性,用最准确的修正牛顿理论讨论了不同外形的飞行器最大升阻比变化规律,用高频近似算法计算了飞行器雷达散射面积(RCS)。综合考虑最大升阻比和RCS,给出飞行器隐身气动综合优化设计为飞行器中部长度0.6~0.7m。     

基于全模式遗传算法的飞行器最佳变轨策略研究

基于最优控制理论建立的飞行器变轨问题数学模型是一个复杂的两点边值问题，传统方法解决该问题经常存在发散等问题。提出的全模式遗传算法具有简单易行、高效的特点，且不需要方程的导数等信息。算例表明该方法非常适合解决此类飞行器变轨问题。     

基于遗传算法的低比转速高速泵优化设计

针对低比转速高速离心泵在理论设计和实际应用中存在的三个主要问题,即扬程流量特性曲线易出现正斜率上升段、汽蚀性能差和效率低的问题,提出了利用自适应遗传算法求解低比转速高速离心泵优化模型的方法。数值试验表明,自适应遗传算法在求解复杂最优化问题时具有广泛的适应性和良好的精度,可将其应用于某低比转速高速离心泵的优化设计中。试验研究表明,该泵取得了良好的性能指标,达到了优化设计的目的。     

基于全模式遗传算法的飞行器最佳变轨策略研究

基于最优控制理论建立的飞行器变轨问题数学模型是一个复杂的两点边值问题,传统方法解决该问题经常存在发散等问题.提出的全模式遗传算法具有简单易行、高效的特点,且不需要方程的导数等信息.算例表明该方法非常适合解决此类飞行器变轨问题.     

基于遗传算法的高性能PI控制器设计

介绍了一种５参数非线性ＰＩ控制器，并基于遗传算法对其参数进行了优化整定。仿真结果表明：所设计的非线性ＰＩ控制器的性能明显优于优化的线性ＰＩ控制器。对优化出的非线性ＰＩ控制器对不同幅值阶跃输入的适应性进行了仿真研究。并针对实际的控制能量受限系统，提出了一种分段优化非线性ＰＩ控制器的方法。     

挠性航天器控制系统的最优综合

本文研究了挠笥航天器控制系统的最优综合设计问题，给出了系统最优时控制律和执行机构与传感器配置应满足的非线性方程，而且在这一设计过程中通过使用特征值灵敏度约束，明显降低了控制系统对执行机构和传感器安全误差的敏感性，克服了轨迹敏感性约束和单纯使用特征值灵敏度指标的不足。