总体最小二乘算法在自适应信道均衡中的应用研究

分析了最小二乘解产生偏差的原因,推导出了最小二乘解偏差项的数学表达式。提出了一种基于瑞利商的变步长总体最小二乘求解方法。仿真试验表明,总体最小二乘算法的性能优于加权递归最小二乘算法,是一种适用于输入信号端含有噪声的自适应信道均衡算法。     

一种基于模糊补偿的自适应控制在液压转台中的应用

 针对仿真转台电液伺服系统的非线性特点,提出了一种基于模糊补偿的自适应控制方法。该方法把实际系统看成是由线性和非线性两部分所组成,对线性部分采用基于精确数学模型的控制方法,而对非线性部分主要采用以模糊自适应补偿为主的控制方式。为了提高模糊自适机构的补偿效果,采用了规则可调整的模糊控制器,仿真结果表明,该方法具有较高的控制精度和鲁棒性能。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

无人驾驶直升机发动机模糊自适应PID控制

针对某型无人驾驶直升机发动机控制的特点,提出恒量供油、恒速控制和总距前馈补偿控制的复合控制策略,在飞行控制计算机内建立发动机模糊自适应PID控制器,利用模糊规则和推理来在线调整PID参数,使发动机安全平滑启动,并在各种功率状态下保持输出轴转速恒定。经含实物仿真试验、地面试车、系留试验以及无人机整机试飞测试,所设计的发动机控制方案动态响应速度快,对总距变化等干扰的抑制作用强,能保证主旋翼在各种飞行状态下获得最佳的气动效率,改进无人直升机的飞行性能。      

推进系统优化控制模式研究

在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。      

高超声速飞行器的滑模观测器设计

对一个高超声速飞行器设计了滑动模态观测器来估计攻角和航迹倾角。通过实时的求解一个极点配置问题,使观测器的切换增益能够根据观测器状态的变化而改变,从而保证了观测误差的动态特性在整个飞行包线内的一致性,给出了单输出和多输出非线性系统的滑模观测器设计过程。设计和仿真算例验证了这种方法的有效性。     

转台速率波动原因分析及一种自适应抑制方法探讨

对导致惯导测试与运动仿真转台速率波动的原因进行了探讨,分析了它们对转台速率波动的影响,并在此基础上提出了一种针对位置传感器周期性误差的速率波动自适应抑制方法。     

飞机俯仰速率信号重构方法研究

研究了六自由度非线性方程描述的飞机在俯仰速率传感器故障情况下的信号重构方法。给出了两种重构方法，一种是通过建立等效的线性模型，设计线性状态观测器重构状态信号，另一种是使用非线性跟踪微分器方法．通过跟踪俯仰角的微分信号来计算俯仰速率信号。仿真结果表明，两种方法都具有一定的可行性。     

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。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。