基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

并联混合动力齿轮传动涡扇发动机建模与性能分析

为对比探究未来大推力航空混合动力系统与传统航空发动机的优劣,本文依托某概念型齿轮传动涡扇(Geared turbofan,GTF)发动机,设计了一个并联航空油-电混合动力系统(hybrid GTF,hGTF),在Matlab /Simulink数字仿真软件中建立相匹配的电动力模型以及氮氧化物NOx排放和噪声预测等性能参数计算模型,并在稳态和飞行任务剖面下初步分析了电动力系统的引入对原基线GTF发动机的性能改变状况。稳态仿真结果表明,大推力等级的并联油-电混合动力系统中,至少需要兆瓦级的电动力系统进行匹配;当电动力系统处于电动模式时,可能会带来低压压气机喘振的隐患;当电动力系统处于再生模式时,电能源相当于经过了电能到机械能再到电能的二次效率损失,不建议采用。飞行任务剖面动态仿真结果表明,相比于传统GTF发动机,hGTF推进系统的燃油消耗率最高下降15%,总燃油消耗节省8.3%, NOx总排放量减少18.8%,各部件起飞噪声总声压级减少1.5~3.3dB。分析结果表明采用并联混合动力系统具有显著提升省油、减排效果的能力,同时也具有一定的降噪潜力。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

复合材料转动壳体动力特性分析

根据转动壳体的动力学方程,在利用DMAP对大型有限元软件MSC/NASTRAN二次开发的基础上,采用有限元方法对复合材料层合壳体转动状态下的动力特性进行了研究,分析了科氏力、离心力和横向剪力对固有频率的影响,并与实验结果进行了比较.结果显示由于科氏力的作用,即使在动坐标系下,层合壳体也会出现频率不等的前后行波,横向剪力使壳体的固有频率降低,且随着壳体厚径比的增加其影响显著增加.      

混合动力电动车电池荷电状态描述方法

提出一种新的描述电池荷电状态的定义方法,主要针对MH/Ni动力电池,该电池通常意义下的额定容量为8?A·h,并应用在一种混合动力电动车中.混合动力电动车中动力电池的运行环境非常严酷,充放电倍率高,动态转换频繁.通常的电池荷电状态定义方法适合于稳定负载的情况下,在动态负载的情况下就会出现不适应性.原因是不能同时描述电池的静态和动态荷电状态.新定义方法提出静态荷电状态SSOC(Static State of Charge)和动态荷电状态DSOC(Dynamic State of Charge)的概念.静态荷电状态SSOC描述电池内部稳态的荷电量; 动态荷电状态DSOC描述电池充电或放电时,电池内部电荷的饱和程度.对上述定义的电化学原理进行了分析,并提出了初步的计算方法.     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

基于大脑情感学习模型的转台伺服系统设计

提出了基于大脑情感学习(Brain Emotional Learning,BEL)模型的高精度转台伺服系统智能控制方案。BEL模型是一种模拟哺乳动物大脑情感学习过程的仿生计算模型。设计了融合系统跟踪误差、控制输入等信息的BEL智能控制结构,通过选取不同的感官输入信号可获得不同的控制结构,采用联想学习方法在线学习BEL模型内部的节点权值来调节控制器参数,从而实现转台伺服系统的自适应跟踪控制。仿真和实验结果均表明,BEL智能控制器学习能力强,能抑制摩擦等非线性干扰因素,在实时控制系统中表现出较好的稳定性和较高的跟踪性能。     

基于对比学习的终端区相似气象场景识别（英文）

为了提高终端区相似气象场景（Similar weather scenarios,SWSs）的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS-CL)识别模型。首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量。接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型。最后,利用少量标记样本对预训练SWS-CL模型进行监督微调,进一步提高SWS-CL模型的性能。在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS-CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

组合临界流文丘里喷嘴空气流量测量方法高空舱应用分析

为满足发动机高空试验低流速进气条件下空气流量精确测量,减小进气导管气流附面层影响,弱化空气流量测量与被试发动机相关性。分析了单件/组合临界流文丘里喷嘴的工作特性,给出了组合临界流文丘里喷嘴(ACFVN)空气流量计算方法,依据给定试验发动机和高空舱尺寸设计了临界流文丘里喷嘴组合结构,得到了组合临界流文丘里喷嘴在高空舱应用的控制方法和测试布局。采用小尺寸喷嘴对组合喷嘴设计和应用方法进行了验证,结果表明:采用打开/关闭喷嘴数量和调节进气压力两种组合方式在高空舱内应用方法可行,测试布局满足测量要求,下游发动机进口截面气流紊流度优于0.3%,满足发动机高空模拟试验要求。