滑模观测器在临近空间高动态UAV中的应用

针对临近空间高动态无人飞行器(UAV)再入飞行动态范围跨度大,气动参数存在不确定性等特点,利用李雅普诺夫方法设计了具有不同时间量程的双回路滑模控制系统。其中外环采用常规设计;内环控制器设计将控制力矩分为两部分:一部分对UAV已知的动态部分进行稳定控制;另一部分由相应的滑模观测器生成,用来稳定和削弱飞行过程中的干扰项,以增加控制系统的鲁棒性。该控制系统克服了经典控制方法的缺陷,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。仿真结果证明了所提出的控制器设计方法的有效性,具有较高的姿态跟踪精度。     

无人机滑跑纠偏控制

研究无人机(UAV)滑跑纠偏控制方案、控制结构及控制律设计方法。提出了主轮差动刹车与方向舵联合滑跑纠偏控制方案及控制结构,建立了包含起落架、刹车装置及跑道特性的无人机滑跑非线性全量数学模型,采用频域模型作为参考模型表示期望的滑跑纠偏控制性能,利用基于遗传算法的全局优化过程对联合纠偏控制律参数进行设计,使纠偏控制特性逼近参考模型特性。实例设计表明,滑跑纠偏控制方案和控制结构合理可行,控制律设计方法快捷有效。     

“天行者”小型无人直升机自主飞行控制系统设计

介绍了上海交通大学"天行者"小型无人直升机自主飞行控制系统的设计及实现技术。首先引入了德国柏林工业大学基于牛顿力学建立的小型无人直升机动力学模型,然后基于此模型设计了直升机飞行姿态控制器。之后引入一种针对二次积分模型基于期望响应轨迹设计控制器的控制算法,文中简称为MTC,设计实现了直升机飞行位置的不超调控制和飞行速度控制。实际飞行控制试验结果验证了飞行控制算法的有效性。仿真试验表明,基于MTC算法所设计的飞行导引点方法,可用于实现多航点路径的不减速连续曲线轨迹的飞行控制。     

常气压辉光放电等离子体控制翼型失速的数值模拟研究

基于Shyy提出的大气压下均匀辉光放电等离子体与空气干扰的物理模型,通过求解电位势方程得到电场分布,得到了作用于流体上的电场力.通过数值求解考虑等离子体作用的流体运动控制方程,以NACA0015翼型低速绕流为对象,研究了常压辉光放电等离子体位置和个数控制翼型绕流分离的影响.位于分离点上游的等离子体能够有效地抑止翼型分离,而在分离区的等离子体对流动影响很弱,同实验结果一致,并给出了等离子体对翼型气动力影响的规律.     

一种准循环低密度校验码部分并行编码结构设计

为了满足在一个系统中使用多码率低密度奇偶校验（LDPC）码字的需求,设计了一个多码率准循环LDPC（QC LDPC）码编码器;按照功能,将编码器分成输入缓存单元（ISU）、生成矩阵存储单元（GMSU）、矩阵乘法运算单元（MMU）以及输出缓存单元（OSU）4个主要组成部分;通过使用多个小块存储器组合的方式设计ISU可以使无效存储空间降到最低;通过分析各种码率生成矩阵特点,将矩阵进行分割,从而将各种码率生成矩阵所需要的信息存储在若干个存储单元中;MMU用于完成信息位与矩阵的乘法与求和运算,运算单元的数目和GMSU的数目相等;OSU中包括两个存储器,采用乒乓操作,以提高编码速率。通过管脚的选择,此编码器支持0.4, 0.6以及0.8码率3种编码模式。最后用Altera公司的现场可编程门阵列（FPGA）EP1S801508C7对编码器进行了实现。结果显示此编码器仅耗费5 339个逻辑单元,占FPGA总逻辑单元的7%,耗费439 296比特的存储器资源,占FPGA总存储器资源的6%。     

基于局域网的生产车间统计过程控制（SPC）系统的开发

在局域网范围内,实现统计过程控制(SPC)管理系统的应用,有效的解决了生产车间之间的数据传送和实时统计问题,并能及时的对加工零件的关键质量数据进行统计分析,有效地控制,进而达到对加工状态预警和调整的目的.     

电磁比例节流阀控制系统的动态特性研究

在建立电磁比例节流阀控制系统数学模型基础上,根据阀的实际工作环境,利用MATLAB/SIMULINK进行仿真,并对仿真结果进行具体分析,提出了开发电磁比例节流阀控制系统的可行性和实用性.     

直升机自转进入和退出发动机控制逻辑的设计

直升机自转进入和退出是直升机机动飞行经常遇到的状态,它的特性是由直升机旋翼和发动机的安装特性共同决定的,该状态的发动机控制是典型的直升机与发动机的综合控制。本文介绍了直升机自转进入和退出发动机控制逻辑的设计和验证。     

线性测量系统现场校准中的几个问题

综述了线性测量系统现场校准的现状,从技术、计量法规以及人的意识等几方面入手,分析了其中的难点,包括原位校准、多种物理激励源、自动化校准、可测性、法规适应性、复合量纲特征多种方法和质量意识,并提出了相应的对策和建议。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.