基于DSP和CAN的飞/推综合控制优化计算机设计

从工程应用的角度出发，根据飞／推综合控制技术对计算能力和数据通信能力的要求，提出基于DSP和CAN总线的飞／推综合控制优化计算机设计方案。优化计算机实时接收飞机和发动机的信息，利用内嵌的优化模块，对发动机控制指令进行校正，使飞机和发动机的整体性能达到最优。论文阐述了优化计算机的软硬件设计方法，并通过基于优化计算机的飞／推综合控制半物理仿真试验，验证了优化计算机的设计方案是可行的。     

跨大气层飞行器爬升段纵向飞行控制律和制导律设计

由于火箭发动机的巨大推力,跨大气层飞行器在爬升段加速很快,重量、重心、惯量、飞行速度以及飞行高度等参数变化剧烈,无法简单地用固定控制增益参数的形式来保证整个飞行包线内的飞行品质要求。根据飞行器的爬升特点和控制难点,在爬升段的飞行包线内选择典型设计点,分别进行纵向内外回路控制律的详细设计。采用控制增益参数随动压变化进行调参的方法,对爬升段飞行轨迹进行了数字仿真,结果表明设计的控制增益参数及控制律,满足了跨大气层飞行器爬升段的预定目标要求。     

一类不确定非线性系统的观测器设计

系统状态观测器在故障检测与状态反馈中起着重要作用,特剐是非线性系统状态观测器的构造已成为目前控制理论界一个重要研究课题。本文针对一类含有建模误差的非线性系统,提出了一种非线性状态观测器的结构形式,然后利用非线性变换,将含有建模误差的非线性系统变换为仅依赖原系统的输入、输出的规范形式,从而利用可测数据进行构造观测器。在此基础上,利用Lyapunov稳定性理论以及微分同胚的性质,分析了非线性动态误差方程的稳定性。理论证明,在建模误差为零时,估计状态收敛到其真实状态;在建模误差不为零时,估计状态与实际状态之差一致最终有界。最后进行了详细的仿真研究,结果表明了该方法的有效性。     

直升机阵风响应缓和控制律设计

阵风响应缓和研究对于具有强耦合和振动的直升机非常重要，阵风扰动不仅影响直升机的乘座品质和武器投放精度，而且影响直升机的疲劳载荷和强度。本提出直升机抑制阵风扰动的最优控制律设计方法。优化性能指标要求在阵风扰动下驾驶员处法向过载、飞机姿态变化以及控制信号能量损耗最小。最终所综合的系统工程实现简便，只需在直升机姿态控制系统基础上增加垂直升降速率反馈通道即可。最后使用C语言实现控制律并进行半物理仿真。仿真结果表明，控制律优化及数字化实现的效果是令人满意的。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.      

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

基于模型降阶的随机最优输出反馈阵设计

本文研究了线性离散随机系统的模型降阶和最优输出反馈矩阵的设计问题。本文提出的设计方法不需要对原系统进行Anderson-Moore的迭代计算,直接利用求得的降阶模型解出近似的最优输出反馈阵。文中举例说明了设计方法的应用并进行了计算机仿真,仿真结果是令人满意的。