跨大气层飞行器爬升段纵向飞行控制律和制导律设计

由于火箭发动机的巨大推力,跨大气层飞行器在爬升段加速很快,重量、重心、惯量、飞行速度以及飞行高度等参数变化剧烈,无法简单地用固定控制增益参数的形式来保证整个飞行包线内的飞行品质要求。根据飞行器的爬升特点和控制难点,在爬升段的飞行包线内选择典型设计点,分别进行纵向内外回路控制律的详细设计。采用控制增益参数随动压变化进行调参的方法,对爬升段飞行轨迹进行了数字仿真,结果表明设计的控制增益参数及控制律,满足了跨大气层飞行器爬升段的预定目标要求。     

用于机载大功率电子设备的新型液冷环控系统的研究

为了解决我国飞机大功率、高热流密度机载电子设备的冷却问题，本文提出了由制冷、冷却液循环、测量与控制等子系统组成的新型飞机液冷环控系统，阐述了冷却液的配制、系统多参数优化设计、冷板流阻特性曲线的准确模拟、机载电子设备发热模拟装置和建设全系统综合试验台等关键问题。分别完成了冷板换热器Q—p曲线测试、液冷系统流量分配试验、限流环尺寸确定试验和飞行环境下液冷系统性能模拟试验。研究表明，本系统是一种适用于高热流密度下机械电子设备经济的、高效的液冷环控系统。     

基于模糊逻辑的航空发动机虚拟传感器

在双通道的发动机控制系统中，未超过故障阈值的传感器慢漂移故障难以隔离，且在故障检出前影响控制系统的反馈信号。引入机栽自校正实时模型作为第三通道的虚拟传感器，并提出模糊隶属度加权和动态阈值技术以获得可靠的传感器适应值，实现双余度系统中失效传感器的检测和隔离。仿真结果表明，这种方法能可靠地改进适应信号，将由于传感器故障引起的发动机控制系统扰动抑制到0．2％以内，并能避免失控。     

气动加热模拟试验加热系统控制研究

本文通过理论分析和试验测试研究了可控硅功率调节装置和石英灯加热器的动特性，提出了通过系统识别的方法研究石英灯加热器的静特性；在研究被控对象特性基础上找到了对任意一个石英灯加热器组成的被控对象进行非线性PID控制器的设计方法。这些方法提高了控制的质量，缩短了试验准备的周期，并进行准自适应控制，从而改善了气动加热模拟试验加热系统的控制效果。     

转台转速周期性波动的自适应抑制技术

惯导测试设备(转台)的转速性能对惯性元器件和导航系统的性能测试有着重要影响,转台控制系统中存在的各种周期性扰动会造成转速的周期性波动,严重影响转台速率性能的提高.本文分析了该类设备转速周期性波动产生的机理,并针对周期性扰动幅度难以确定的特征,提出了一种基于非线性自适应控制理论的抑制方法和系统实现方案,该方法能有效抑制因周期性扰动而产生的周期性速率波动,提高转台的速率性能.转台实验表明,该方法对设备中存在的周期性转速波动具有明显的抑制效果.     

一种闭环对象辨识方法及其在生产中的应用

针对一些难达稳态过程的模型不易辨识的问题,提出了一种对象模型参数和状态方程初值同时辨识的新方法.该方法可不进行装置实验,仅使用装置历史数据就可进行在线辨识,且适用于系统处于非稳定状态的阶跃响应数据.闭环控制系统辨识仿真和实际应用表明,应用该方法辨识出的对象特性进行PID参数设计,效果明显,并且使控制系统具有很好的抗干扰能力和鲁棒性.     

基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

基于鲁棒性参数设计法的多超声电机驱动机器人的控制

由于超声电机复杂的能量转换机制和参数受温度和工作环境影响的非线性变化,使得很难对超声电机进行数学描述。为了使超声电机驱动的多关节机器人有较好的表现性能,根据超声电机的运动特点,提出了一种新颖的速度——位置双闭环反馈控制方式。鉴于该控制方式需要调节的控制参数有18个,为了获得一组具有鲁棒性的控制参数,选用了鲁棒性参数设计法。实践结果表明,所提出的控制方式能够获得机器人的良好运行性能,鲁棒性参数设计对超声电机而言是有效而方便的。     

NF-3风洞神经网络自适应稳风速控制系统研制

介绍西北工业大学NF-3大型低速直流式翼型风洞改进后的稳风速控制系统的结构、控制原理和性能特点.针对低速直流风洞风速控制系统建模困难,易受外界干扰影响,且自身参数时变不确定,控制难度大的特点,新系统采用了多线程、数字式数据采集方式,带死区控制的PSD神经网络自适应控制算法.通过在NF-3风洞三元试验段和二元试验段的实际应用,与正在使用的模糊控制系统相比较,新系统的适应性和鲁棒性更强,调试时间大为缩短,风速控制精度在风速大于10m/s时从国军标的合格指标0.3%提高到先进指标0.1%,稳定时间减少了10%左右,人机交互也更加友好.