测量数据部分丢失的非线性系统迭代学习控制

研究非线性离散系统的迭代学习控制．利用并行分配补偿方法(PDC)确定非线性系统的T-S模型,把非线性模型特换为局部线性模型。假定数据丢失的概率已知,采用满足Bernoulli分布的序列来描述测量数据的丢失,研究具有测量数据部分丢失的线性离散系统的迭代学习控制器的设计。结合T-S模型设计了数据丢失的迭代学习控制器,所设计的迭代学习控制器具有期望收敛特性和二次型性能指标。仿真结果表明了该设计方法的有效性。     

复合材料喷管非线性瞬态热应力分析

本文给出了热弹性力学的理论公式．在考虑高温下复合材料参数随温度变化而变化的非线性因素的前提下，推导了结构瞬态温度场和热应力的有限元公式，并对一C／C复合材料火箭发动机喷管进行了温度场和热应力的分析。结果表明，在考虑非线性后，结构各处应力均较低，但在不同材料交界面附近出现很高应力，这在设计中应予以考虑。本算法思路简单且实用，在工程中有较大的参考意义。     

直升机后掠桨尖旋翼气弹稳定性研究

通过建立具有后掠桨尖旋翼气弹稳定性的分析模型，研究后掠桨尖旋翼气弹的稳定性。结构模型考虑了旋翼桨叶的偏置、预锥、预掠、预扭以及桨尖的后掠等多种旋翼参数及非线性影响，分析了不同桨尖后掠角几何参数对旋翼气弹稳定性的影响。数值结果表明，桨尖后掠对旋转旋翼桨叶气弹稳定性影响较大，桨尖后掠使一阶扭转频率增加，同时使一阶摆振阻尼降低，后掠桨尖单元的非线性转换关系对气弹分析结果有影响，桨尖后掠角越大这种影响越显著。     

一类具有时变参数不确定非线性系统的鲁棒控制

利用李亚普诺夫函数递推设计方法对一类含有未知时变参数不确定和干扰的非线性系统进行了控制器设计，所设计的控制器对于所有允许的不确定可保证闭环系统状态一致有界并收敛到一个紧集。文中给出了鲁棒控制器的设计算法及系统稳定的充分条件，并讨论了当不确定被看作系统的输入时，闭环系统具有ISS特性。因而，本文提出了一种克服不确定造成系统不稳定的方法，最后给出了一个仿真算例。仿真结果表明了所设计的控制器的有效性和较强的鲁棒性。     

关于一类非线性连续Leontief模型的条件投入产出方程的可解性结果

引入了一类非线性连续型Leontief模型及对应的条件投入产出方程．提出在正向或负向边界条件下的两个基本问题。通过应用非线性分析方法．得到了该方程的可解性结果与对应解的扰动性质，并通过注解说明了其经济意义。     

叶片非线性瞬态响应计算方法与参数选择

在计算叶片的岛撞击响应时，为提高计算精度及降低计算成本，需要为待解的非线性动力方程组制定一个合理的求解方案，这包括选择系数矩阵的算法与非线性动力方程组的解法，以及选择主要计算参数，本文介绍了当使用ＡＤＩＮＡ程序计算平板叶片在冲载荷下的非线性瞬态响应时，对计算方法与计算参数的选择，算例说明了时间步长的重要影响作用。     

颤振主动抑制中的非线性问题

本文采用谐波平衡法,定量地解释了机翼颤振主动抑制风洞试验中出现的极限环现象。提出了比较精确的计及极限环基阶谐波与三阶谐波的分析计算方法。指出在采用液压舵机的情况下,伺服阀的不灵敏区是出现极限环现象的一个主要原因。     

逐次逼近摄动法及其在力学中的应用

提出逐次逼近摄动法，将预估的零级近似解逐渐加以修正，使之逐渐逼近于其真实解。有非线性问题的算例。算例表明，解法的精度和其它奇异摄动解法（如L—P法）的基本相同，但方法允许进行一次选代，使其精度更加提高。按照方法，可求得任一级近似解，其精度逐级提高，计算过程也很简便。     

软管连接约束下的加油机/无人机编队跟踪控制

在自主空中加油任务中,针对受油无人机（UAV）与加油机对接后形成的软管约束下的编队跟踪控制问题,提出一种基于领航-跟随的加油编队跟踪控制方法。首先,建立软管约束下加油编队运动学/动力学模型。然后设计非奇异终端滑模编队快速收敛控制器,以满足软管约束下加油编队的快速收敛需求;再考虑复杂气流和软管未知扰动,结合扩张状态观测器和PI型动态逆控制,设计无人机轨迹跟踪控制器,并基于Lyapunov稳定性分析证明闭环系统可实现有限时间的快速稳定。最后,通过数值仿真来验证所设计加油编队控制方法的有效性。     

基于松弛约束Hammerstein非线性模型的增程式APU预测控制

针对增程式辅助动力单元（APU）工作点切换过程的转速控制,提出了一种基于Hammerstein非线性模型的预测控制策略。通过稀疏最小二乘支持向量机-自适应混沌粒子群优化（SLSSVM-ACPSO）算法辨识激励响应数据建立了发动机Hammerstein非线性模型,在模型预测控制求解最优控制序列时,采用松弛因子松弛约束边界,并设计了有效集（ASM）-ACPSO组合算法求解,在控制过程中应用了变预测时域策略。建立系统仿真模型,仿真结果显示:在热机点切换至低负荷点及低负荷点切换至中负荷点的过程中稳定时间分别为2.57 s和2.77 s,转速最大超调率分别为2%和1.6%,均优于两种对比策略;在中负荷点向高负荷点切换过程中,转速超调率较大,但控制过程转矩变化更平缓。仿真结果表明模型预测控制策略控制APU系统转速响应快、转速超调率小,发动机转矩超调量小,具有良好的动态控制效果。