基于结合力模型的自适应飞机防滑刹车控制

飞机在起飞和着陆过程中刹车系统工作的可靠性和效率的提高,对提升整个飞行周期的安全性有着重要的意义.针对不同的跑道状况(干、湿等)、跑道材质(沥青、软土)或温度等条件下,飞机轮胎与跑道之间的结合力会存在较大差异而直接影响刹车效果甚至有效性的问题,采用与速度相关的动态LuGre摩擦力模型表示结合力,将未知的跑道状态映射到结合力模型参数,通过对模型参数进行估计,达到对跑道状态进行识别的目的.首先建立飞机机体和机轮动力学模型,使用状态观测器对结合力模型中不可测量的内部摩擦状态变量进行估计,并由自适应律获得当前跑道状态对应的模型参数,而后在线求解结合力模型的伪稳态模型得到结合系数最大值及相应的滑移率,将此滑移率作为控制系统的跟踪目标,利用反馈线性化思想构造前馈控制器进行防滑刹车控制,最后通过仿真验证控制效果.     

基于自适应反演法的导弹直/气复合制导

防空导弹要求能够应对高速、高机动性等复杂对抗环境,直接力/气动力复合制导是防空导弹制导系统设计的关键技术.主要研究了直接力/气动力复合控制导弹的控制律、操纵律以及制导律,针对非线性系统,提出了一种基于自适应反演理论的控制方法;直/气复合切换逻辑采用模糊方法;末制导段应用变结构制导律.以某防空导弹为例进行仿真,结果表明该复合制导方法易于实现,对于高机动目标具有良好的制导精度,显示了该方法的有效性.     

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.     

高超声速飞行器迎角观测器及控制器设计

针对高超声速飞行器非线性动力学系统中所特有的输出非线性、状态向量强耦合等特性,综合考虑了飞行中的不确定性、具有复杂非线性输出、状态向量不完全可测量等因素,提出一种基于Lyapunov法的滑模观测器和控制器设计方法,用于解决高超声速飞行器迎角观测器不能精确测量的问题.首先在观测器设计过程中,利用过载输出滑模面构造了Lyapunov函数,确定出观测器收敛的条件,并基于线性化理论求出观测器增益矩阵.然后在控制器设计过程中,采用基于动态面的自适应反演方法设计出控制律,用多层神经网络调节函数逼近系统中的高频未建模动态,设计鲁棒项函数解决了逼近误差的影响问题,并进行了稳定性分析和仿真验证.      

基于自适应重要抽样的可靠性分析方法

基于自适应重要抽样(AIS,Adaptive Importance Sampling)的可靠性分析方法,能够克服基于蒙特卡洛方法分析小概率事件时存在的效率低、精度差问题.为解决显性失效方程不存在时寻找失效点困难问题,首先利用条件递归寻找失效点,并使之尽可能在失效面附近;以该失效点为采样中心,抽取失效样本,并不断调整采样中心,使失效样本不断靠近设计点;然后利用这组失效样本估计重要抽样函数的参数,再执行自适应迭代过程,直至失效概率的误差缩小到允许误差限内.最后通过两个典型案例对方法进行应用验证,仿真结果表明在没有失效方程的情况下,能够通过仿真方法很快找到失效点,表明对于不存在显性失效方程的系统,该方法同样适用.与蒙特卡洛方法的对比结果表明该方法在仿真效率上具有较大优越性,且失效概率越小,这种优越性越明显.      

柔性航天器姿态快速机动的自适应控制方法

 研究带柔性附件航天器的姿态快速机动控制问题。根据带柔性附件的航天器的动力学模型推导并建立其特征模型。基于所建立的特征模型设计一种自适应控制方法,该方法设计简单,控制器参数物理意义明确,便于调试,可同时实现航天器的姿态快速机动控制和弹性附件的振动快速抑制。理论分析和数学仿真表明,该方法对控制器参数及被控对象的不确定性有很强的鲁棒稳定性和鲁棒性能,能取得比工程中常用的比例-微分(PD)控制更快的机动速度和更好的控制性能。     

自适应粒子滤波在紫外导航中的应用

基于紫外敏感器的自主导航系统是典型的非线性系统,针对一般粒子滤波缺乏在线自适应调整能力等问题,文章提出了将基于正交性原理的自适应强跟踪滤波器(STF)和UKF相融合产生重要密度函数,应用于基于紫外敏感器自主导航粒子滤波器新方法,该方法通过UKF构造粒子群,对粒子群中的每一个粒子的每一个sigma点用STF进行更新,使得算法自适应。为了说明算法的有效性,结合模拟的轨道数据和测量数据进行了仿真,并与其他滤波方法的仿真结果进行了对比,结果说明了所提算法的有效性。     

航天器轨道机动过程中的自主导航方法

典型的航天器自主天文导航方法利用地球敏感器和星敏感器的观测信息,根据轨道动力学模型和测量信息,采用扩展卡尔曼滤波算法（EKF）估计航天器位置矢量。为了在航天器轨道机动过程中减小滤波器的估计误差,设计了用于航天器自主导航的自适应鲁棒扩展卡尔曼滤波（AREKF）算法。仿真结果表明,采用AREKF算法能够有效地减小推力不确定性的不利影响,在不增加导航敏感器的前提下改善系统的导航性能,取得优于传统EKF算法和自适应扩展卡尔曼滤波（AEKF）的估计精度。