主动悬挂式展开试验装置设计与试验验证

设计了一种主动悬挂式展开试验装置,并介绍了其设计原理,给出了基于模糊PID的控制策略,开展了装置样机的试验验证,结果表明:该装置实现了吊点的位置主动跟随和重力主动补偿,能够满足天线等有源活动部件地面主动展开试验的使用要求。     

自适应模糊PID技术在发射场供气系统的应用

针对发射场加注供气系统压力控制非线性、大时滞、变参数问题,设计了一种基于自适应模糊PID技术的闭环压力控制系统。该系统通过对控制器的比例系数Kp、积分系数Ki和微分系数Kd的在线调整,实现了压力的高精度控制。依据试验现场数据采取曲线拟合方法建立系统二阶滞后惯性模型并进行了仿真。通过仿真验证了模型的有效性,效果优于常规PID控制,有效地改善了系统的动态性能和稳态精度,在以PLC控制为核心的发射场自动化控制系统中可推广使用。     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。     

基于随机森林的航天器电信号多分类识别方法

针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分类。随机森林算法在处理高维数据上具有优越的性能,但是考虑到时间复杂度问题,利用主成分分析方法对数据进行压缩和降维,在保证准确率的同时提高了计算效率。实验结果表明:与其他算法相比,针对航天器电特性信号数据,本文方法在准确率、计算效率和稳定性等方面均显示出优异的性能。     

基于可能性矩的混合不确定性全局灵敏度分析

在同时包含随机不确定性和模糊不确定性结构系统中,为了分别度量随机输入变量和模糊输入变量对输出响应的统计特征的影响,提出了随机输入变量和模糊输入变量的全局灵敏度新指标。在模糊变量可能性矩定义的基础上,分析了混合不确定性下输出响应的特征。从输出响应可能性矩的角度出发,以输出响应的可能性期望为例,通过比较输出响应有条件和无条件可能性期望的概率密度函数(PDF)的平均差异,分别建立了随机输入变量和模糊输入变量关于输出响应的可能性期望的灵敏度指标。讨论了所提指标的性质,并采用Kriging代理模型来提高混合不确定性全局灵敏度指标的计算效率。最后通过算例验证了本文所提方法的准确性和高效性。     

基于制动边界与意图识别的再生制动策略

有效的再生制动策略能够增加电动汽车回收能量,提高其续航能力。通过汽车制动动力学以及相关法规的分析,提出了基于边界最大化的再生制动力分配策略,建立了基于制动踏板深度、车速、SOC的模糊制动意图识别模型,识别驾驶员制动意图;建立了基于电机效率曲线的电池充电保护模型,限制电池充电电流。通过对Cruise仿真平台的二次开发,研究本文提出的再生制动策略对于电动汽车续驶里程的影响。在新欧洲行驶循环(NEDC)条件下,该策略能够增加电动汽车续驶里程7.8%;在美国联邦环保局测试工况(FTP75)条件下,该策略能够增加电动汽车续驶里程27.3%。     

基于永磁磁链在线辨识的永磁同步电机无速度传感器控制

在无速度传感器控制条件下,研究了基于MRAS的永磁同步电机永磁磁链在线辨识系统。仅辨识速度和永磁磁链两个参数,使得辨识模型满秩,避免了出现设置不同初值获得不同永磁磁链辨识值的问题,确保了参数估计的收敛性和唯一性。分析了欠秩问题的本质,分别推导了速度和永磁磁链的辨识自适应律。仿真结果表明:该控制系统在转速和负载突变下均能准确跟踪转子的速度,具有良好的鲁棒性和动态性能,同时降低了系统参数敏感性。     

一种新型的内置式永磁同步电机无位置传感器控制策略

针对内置式永磁同步电机(IPMSM)在低速域运行时模型参考自适应观测器对电机参数变化敏感、位置检测精度低以及鲁棒性差等缺点,提出了通过利用电机本体的参考模型和相应可调模型的差值构造滑模面,取代了传统模型参考自适应观测器中采用PI调节器作为自适应机构的做法,并且采用模糊控制器自适应调整滑模增益以抑制滑模运动的抖振。在MATLAB/Simulink环境下搭建了仿真模型。仿真表明:在外部扰动以及电机参数变化时,估计转速和转子位置均能跟踪到实际的转速和转子位置。     

带异步相关噪声的战斗机蛇形机动跟踪算法

针对异步相关噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,从联合优化的解决思路出发,基于期望最大化（EM）算法框架,提出了一种带异步相关噪声的联合估计与辨识算法。首先采用"去相关框架"解除过程噪声与量测噪声之间的相关性,从而将异步相关噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题,其次通过解除目标状态与转弯角速度之间的非线性耦合关系,基于期望最大化算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识,从而获得转弯角速度闭环形式的解析解：在E-step,通过利用异步相关噪声背景下的高阶容积卡尔曼平滑器（HCKS）,获得目标状态的后验估计;在M-step,通过极大化条件似然函数,获得转弯角速度的解析解。最后通过仿真验证了所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法。