发动机进气压力控制系统噪声抑制方法

高空台进气压力控制系统具有大时滞特性,被控对象受到输入噪声、相位延迟等不确定因素的影响,导致控制系统难以精准控制,给控制器的设计带来挑战。针对该问题,首先采用基于跟踪微分器(TD)的测量噪声抑制对系统输入噪声进行估计,通过引入基于跟踪微分器与Fal函数滤波算法的相位补偿进行了补偿器设计。然后对高空台进气压力控制系统设计了跟踪微分器的测量噪声抑制算法,并进行了滤波特性分析。在设计相位补偿方法时,不仅考虑了测量信号中随机噪声的分离,还对微分信号中的抖动信号进行了滤波,使得系统初始信号和滤波后的光滑微分信号重新构成新的有用信号,最终解决了输出信号的相位滞后对控制精度影响的问题。通过数值模拟对经典fhan算法和提出的Fast+PA(Phase Advancer)算法进行了比较,验证了Fast+PA算法噪声抑制的优势。结果表明,Fast+PA算法通过调整重要参数滤波因子h₀和向前预报补偿因子λ的值既能消除颤振及保证滤波的效率,又具有较好的相位补偿和动态响应能力。     

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

一种基于微分代数的任意阶空间目标轨道传播方法及其分析

微分代数方法可以在不改变当前算法计算过程的基础上给出函数对自变量任意阶导数的精确值。本文给出了一种基于微分代数的任意阶空间目标轨道传播方法。本方法首先将初始微分代数代入轨道传播方程,然后用获得的高阶导数构造新的高阶微分代数。用新的高阶微分代数迭代前述过程可求解空间目标状态对时间的任意阶导数。最后,将任意阶导数代入泰勒展开公式求解空间目标轨道单步传播。本方法要求轨道传播方程采用的摄动力模型在轨道传播积分区间上是解析的。本文通过仿真分析验证了所提方法的有效性。     

褶皱结构成形时的形状偏差计算

解决了褶皱结构成形时相邻的平行四边形平面元素之间连接区棱的修圆半径值预测问题。把毛坯模拟成薄板，定义了平行四边形平面元素的边界条件，采用能量法导出挠度和力函数的非线性微分方程组，利用积分－差分法实现其数值解，并提供计算结果和分析应力－应变场。采用的计算方法可用于研究毛坯的刚度参数和工艺参数对褶皱结构的形状影响。     

长征运载火箭发射地火直接转移轨道研究

针对发射场射向范围和低温入轨级在停泊轨道上最长允许滑行时间严格受限下,工程设计火星探测任务发射轨道时,优化保障2~3周发射日期窗口的困难,以及精确设计拼接探测器分离点时刻轨道6根数耗时周期长等问题,提出了加入滑行时间限制再精确双向微分修正的设计算法（有别于传统B平面矢量法）。由地球影响球边界速度直接解出长征运载火箭入轨点轨道根数,将火箭飞行星下点弧段表示成滑行时间的分析式,快速找到满足诸多设计约束的初始发射轨道;并解决了考虑探测器小幅深空机动后火箭发射轨道的深入优化问题。精确力学模型下数值微分改进后,获得高精度计算结果,同等可比条件下运算精度不低于STK软件。实现了从地面起飞到抵达近火点的飞行轨道整体优化,确保了首次探火工程的顺利实施。      

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。     

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.