磁控微小卫星速率阻尼和姿态捕获研究

针对非重力梯度稳定、偏置动量轮加三轴磁控的微小卫星初始姿态控制阶段，采用B-dot控制进行速率阻尼，设计了滑模控制律进行姿态捕获。除了磁控阻尼-捕获-动量轮起旋外，还首次提出了B-dot加动量轮常速起旋、磁控加动量轮姿态捕获的新方法。仿真结果表明，纯磁控的B-dot方法能有效得进行速率阻尼，滑模控制捕获姿态精度高、时间短；B-dot阻尼同时进行动量轮开环起旋，可以迅速使姿态稳定，滑模磁控律可以有效得对偏置动量卫星进行大角度姿态控制，尤其该新方法操作简捷，明显减少初态控制时间。     

直接力与气动力复合控制系统姿态稳定问题研究

大气层内直接力与气动力复合控制导弹具有响应快速、可用过载大等优点，可以拦截高速、高机动性目标。研究制导末端轨控直接力与气动力复合系统姿态稳定问题。首先分析了复合系统的特点和控制问题，建立了控制模型。然后应用扩张状态观测器观测对象模型内扰和外扰的实时作用量，进行反馈补偿，实现了动态线性化。最后设计了非平滑反馈控制律，从而实现了复合系统的姿态控制设计。仿真结果表明，系统具有良好的动态性能和稳态性能，控制器具有很强的鲁棒性。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

基于混沌搜索的三级倒立摆LQ控制器设计

研究利用混沌优化的LQ控制方法对三级倒立摆系统进行闭环控制.首先将混沌变量引入LQ控制器的权矩阵参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,在次优解附近继续寻优,得到全局最优权矩阵参数.仿真结果表明了该方法的有效性和具有良好的抗干扰能力.     

一类质心突变飞行器的重构容错控制

提出了一类质心突变飞行器的一种故障诊断与控制律重构设计方法。采用以unscented卡尔曼滤波为基本估计单元且用闭环系统性能为指标的交互式多模型算法对飞行器故障情况进行检测与诊断;设计了飞行器比例导数加前馈补偿的姿态跟踪控制律;当诊断出故障时,重构控制律的结构,采用滑模变结构容错控制律对系统进行补偿控制。最后,用飞行器一次分离体释放前后的姿态跟踪过程进行了数值仿真,验证了方法的有效性。     

卫星CMAC神经网络姿态控制器设计及仿真

为提高传统卫星姿态控制系统精度,提出了一种基于小脑模型(CMAC)神经网络的比例-积分-微分(PID)的复合控制器。给出了具在线学习功能的复合控制器结构,并证明了神经网络学习收敛条件与最终控制目标的一致性。仿真结果表明,设计的控制器具有较好的自适应性和鲁棒性。与传统控制器相比,进入稳定状态的速度更快,指向精度更高。     

超声速状态下航空发动机部件蜕化参数估计与性能恢复控制

为解决超声速状态下航空发动机部件蜕化参数估计与性能恢复控制的难题,基于改进卡尔曼滤波器,通过一种三维插值方法实现超声速状态包线范围内的发动机部件蜕化参数估计。而航空发动机性能恢复控制是在常规内环控制转速的基础上增加了外环控制回路,该回路主要包括推力估计模型与外环控制器两部分。基于最小二乘支持向量回归机设计了一种推力估计模型,其输入采用特征选择算法筛选推力估计模型的最优输入,相比于传统的不经选择的推力估计模型,精度有较大提高。设计了外环模糊PI（Proportional integral）控制器自适应调节内环转速指令来实现蜕化发动机性能恢复的目的。最后通过超声速状态下的数字仿真,验证了上述发动机部件蜕化参数估计与性能恢复控制方案的有效性。      

Neural Network aided PMSM multi-objective design and optimization for more-electric aircraft applications

This study uses the Neural Network(NN) technique to optimize design of surfacemounted Permanent Magnet Synchronous Motors(PMSMs) for More-Electric Aircraft(MEA)applications. The key role of NN is to provide dedicated correction factors for the analytical PMSM mass and loss estimation within the entire design space. Based on that, a globally optimal design can be quickly obtained. Matching the analytical estimation with Finite-Element Analysis(FEA) is the main research target of training the NN. ...     

BP神经网络理论在模型修正的应用

神经网络由于其本身具有的优越性,已广泛应用于各个领域中的分类、联想问题。将神经网络理论用于对利用有限元分析方法得到的系统模型进行修正,从计算结果看,该方法收敛速度快且收敛到全局最优解。