一阶滞后对象广义预测控制下的闭环稳定性分析

 利用参数模型和非参数模型相结合的方法,给出了一阶滞后对象在广义预测控制下闭环稳定的充要条件。发现:(1)对开环稳定的一阶滞后对象,总存在一组控制器参数,使得在该控制器控制下,无论对象的开环增益K与时间常数T如何变化,闭环系统都保持稳定;(2)对于开环不稳定的一阶滞后对象,无论控制器参数如何选取,当K和T的变化超出一定范围时,闭环系统就会失去稳定性。     

一种适用于大气层外动能拦截器的末制导律

 针对大气层外动能拦截器拦截问题,设计了一种简单有效的末制导律。推导出计算零控脱靶量一种新的解析表达式,由于在推导过程中考虑了两飞行器间重力差影响,得出的表达式相对于将两飞行器重力差简化为零重力模型得到的解析式具有更高的精度;根据平行接近法原理利用此表达式推导出一种简单的末制导律;详细介绍了脉宽调制(PWM)式实现变推力控制的方案,仿真中在考虑发动机工程约束的情况下,利用PWM技术对提出的制导律进行验证。对机动目标进行拦截仿真显示,提出的制导律在取得良好拦截精度的同时表现出较强的鲁棒性。     

过失速机动飞机的鲁棒非线性控制律设计

 采用非线性动态逆和结构奇异值综合方法设计了过失速飞行条件下飞控系统控制律,解决了飞控设计中面临的非线性和鲁棒性问题。应用非线性动态逆的目的就是对过失速机动飞行条件下高度非线性的飞机动力学进行线化;从而围绕线性的快逆回路应用结构奇异值综合方法设计相应的鲁棒控制器,以提供对驾驶员指令的鲁棒跟踪。所设计的飞控系统将达到期望的飞行品质,确保系统对过失速机动飞行过程中因非定常气动力效应引起的系统参数摄动鲁棒性良好。高逼真度、非线性的仿真验证了这一点。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。     

永磁同步电机最优滑模控制

为了减少永磁同步电机调速中的动态误差,提出了一种积分性能最优的滑模控制方法。该方法以滑模控制中的动态误差为性能指标,在此基础上建立最优切换函数,并采用最优控制理论对滑模控制器进行设计。用该方法设计的滑模控制系统,通过滑模面斜率的连续变化,能够加速系统状态变量到达滑模面的过程,极大地提高对参数摄动和外部干扰的鲁棒性。仿真结果表明,该时变滑模面控制方法使系统具有无超调、快速、稳定等优点,提高了系统的鲁棒性。     

涡轮盘结构可靠性与稳健性综合优化设计

初步建立1种综合考虑结构疲劳可靠性与稳健性的航空发动机涡轮盘优化设计方法。根据涡轮盘的结构设计准则,以轮盘的轻质化和低循环疲劳寿命的稳健性作为目标,以结构强度和疲劳可靠性作为约束,采用随机优化方法对轮盘进行优化设计。设计结果表明:由于量化考虑了轮盘的安全性,所以能够得到更精确的约束,从而使轮盘设计质量更轻;而针对稳健性的优化,则降低了低循环疲劳寿命对载荷和材料参数波动的敏感性,提高了涡轮盘的稳健性。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

不确定载荷下的桁架结构拓扑优化

对带有不确定扰动载荷的桁架结构拓扑优化问题进行了研究.将不确定载荷表示成有界凸集,从而把不确定性问题转化为一个确定性问题.构造了凸集载荷下以体积为约束的柔度最小化模型,该优化模型的实质是在高维椭球内计算最大柔度最小问题.由于采用传统优化模型存在计算上的困难,对凸集载荷进行了数学处理,并据此构造了半定规划形式的优化模型以便求解.优化结果相对于给定载荷的刚度虽然略低,但对不确定的扰动载荷却具有一定的承载能力.算例表明通过半定规划法构造的考虑扰动载荷作用下的优化结果鲁棒性较佳,结构形式更接近于实际工程结构.     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。