基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

模糊分层模型参考自适应控制方法在机器人视觉伺服中的应用

研究了基于图像的视觉伺服机器人系统的控制问题。首先建立了视觉伺服GRB-400机器人的图像雅可比矩阵,然后针对该动态LookandMove系统提出了一种带有模糊自调整能力的分层模型参考自适应控制的设计方法,其特点是设计方法简单并可以在线调节相关参数,给出了闭环系统的阶跃响应实验结果,并与原分层模型参考自适应控制闭环系统的动态性能做了比较,实验证明了改进后的闭环系统具有更好的动态性能。     

整体加筋壁板的破损安全特性与断裂控制分析

用有限元和断裂力学方法分析大型整体机翼下壁板的破损安全特性。对一个九桁条铝合金整体加筋板,裂纹从断裂筋条下向两侧均匀扩展的开裂形式,进行了应力强度因子和剩余强度计算,并和另一个具有相同构形的铆接加筋板的结果进行对比。当裂纹长度在两倍桁条间距以内时两种加筋板的剩余强度水平相当。但是当整体壁板中的裂纹穿过外侧相邻桁条时,整体桁条的止裂能力逐渐减弱。研究对整体壁板蒙皮胶接止裂条的断裂控制措施及有限元建模分析方法,描述止裂条胶层局部脱粘的处理方法和迭代过程。止裂条材料分别选用了钛合金和单向层压复合材料。计算结果说明胶接止裂措施能显著提高整体加筋板的破损安全性能。     

基于模糊变结构的空间飞行器姿态控制

根据空间飞行器姿态系统具有非线性、强耦合、多输入多输出的特点,对飞行器姿态模型的非线性和不确定性,提出分散模糊变结构控制方法。利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数,对模糊逼近所带来的误差以及外部干扰项,采用控制补偿方法。理论分析和仿真研究表明,提出的控制方法具有姿态跟踪精度高,实时计算量小,便于工程实现等优点。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

大功率拖动及控制在旋翼试验塔中的应用

介绍了大功率变频拖动系统在旋翼试验塔中的设计方案,它采用s7-300plc的控制,使其具有优越控制性能和良好的动特性,经过试验证明能很好的达到各项技术性能指标。     

三轴飞行模拟转台控制系统设计

本文简要介绍了三轴飞行模拟转台在直升机飞行控制系统地面模拟试验中的作用,重点阐述了三轴飞行模拟转台控制系统的基本原理、结构框图和系统设计要求,以及该转台控制软件的设计方法。     

轻金属材料结构制造中的搅拌摩擦焊技术与焊接变形控制（下）

五、轻金属结构制造中的焊接变形控制在轻金属薄壁结构的焊接制造中,板壳构件失稳翘曲变形比其他形式的焊接变形更为严重。尤其是飞行器结构一般多选用厚度不大于4m m的金属板材,如带筋壁板、燃料贮箱等。如图14所示,当板件的厚度小于4m m时,则焊接残余应力所引发的失稳翘曲变形必然会突现,这是因为板件失稳翘曲的临界压应力值陡然降低的结果。北京航空制造工程研究所近20年来着手研究开发了轻金属板壳结构的低应力无变形焊接方法熏其机理属于在焊接过程中主动控制热应变的产生和发展,用预置温度场的全截面热拉伸效应或是用热源-热沉的局域…     

基于重复控制技术的单相航空静止变流器的研究

针对航空静止变流器带非线性负载造成的输出电压波形畸变问题,分析了采用重复控制技术的单相静止变流器控制模型和补偿器的数学表达形式。给出了控制器参数的频域设计方法。通过单相500VA/400Hz静止变流器的原理样机实验,其结果表明此分析设计方法是正确可行的。同时也验证了采用重复控制技术解决航空静止变流器带非线性负载时的输出波形畸变问题是行之有效的。从而为三相大功率航空静止变流器的研制打下了良好的基础。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。