航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

一种基于李群方法的新型三维制导律设计

使用李群方法设计了一种新型三维制导律。在俯仰、偏航通道之间存在强耦合关系时,基于双通道解耦的假设构造三维制导律变得困难,而基于李群方法则可以在不进行通道解耦的条件下进行制导律设计。本文首先基于矢量建立了三维制导的一般运动学模型,在给出了矢量的SO(3)群描述之后,按照SO(3)群上的广义比例 微分(PD)控制方式进行了制导律设计。所得到的三维制导律既能用于目标机动的制导,也能用于有终端约束的制导。该制导律在二维平面的简化结果与传统比例导引的结果一致。最后用典型飞行轨迹仿真验证了其可行性和良好的性能。     

基于微分载荷模型的飞行载荷参数辨识方法

介绍了一种基于微分载荷模型的飞行载荷辨识方法.根据实测载荷与飞行参数之间存在的相关性,利用输出误差法对平尾微分载荷模型进行了辨识,得到了飞行状态下平尾载荷的计算模型.同时得到了适合于飞行载荷辨识的一种方法,该方法可以研究飞机的不同操纵规律对结构载荷的影响,具有较高的精度,可行有效.     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

飞机俯仰速率信号重构方法研究

研究了六自由度非线性方程描述的飞机在俯仰速率传感器故障情况下的信号重构方法。给出了两种重构方法，一种是通过建立等效的线性模型，设计线性状态观测器重构状态信号，另一种是使用非线性跟踪微分器方法．通过跟踪俯仰角的微分信号来计算俯仰速率信号。仿真结果表明，两种方法都具有一定的可行性。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

考虑冲压发动机工作边界的导弹大过载机动反演控制

针对冲压发动机导弹大过载机动控制问题,设计了基于干扰观测器的反演控制器.根据导弹纵向运动方程建立了过载控制和马赫数控制模型,将模型存在的不确定性和扰动视为总干扰,采用扩张状态观测器进行精确估计,然后设计了过载回路和马赫数回路的反演控制器,为避免对控制器中的虚控制量多次求导导致"微分膨胀",采用反正切跟踪微分器对其进行精...     

含多处任意脱层层合梁屈曲的微分求积解法

基于铁木辛柯(Timoshenko)梁理论,建立了含任意脱层的复合梁模型,并利用微分求积DQ(Differential Quadrature)法,研究了含多处任意脱层层合梁的屈曲问题.该复合梁模型给出的含单脱层层合梁的临界屈曲载荷计算结果与相关文献结果一致.此外,以两端固支,含两个任意长度、任意深度贯穿脱层的层合梁为例,分析了脱层长度、深度以及相对位置对屈曲载荷的影响.为工程结构设计和分析提供了一种简单有效的方法,给出了一些有参考价值的结果.     

火星探测直接转移轨道精确求解研究

针对火星探测直接转移轨道精确求解问题, 提出了一种快速微分修正算法. 基于二体模型建立控制参数和目标参数偏差关系的数学模型, 并由此求解系统的偏导数矩阵; 采用B平面参数作为中间变量, 对算法进行两层迭代设计, 有效地减少了求解过程中的积分运算次数. 以2018年火星探测机会为例对算法进行了验证, 仿真结果表明, 利用圆锥曲线拼接法得到的轨道初值, 求解一条标准轨道只需6~9次积分迭代. 通过STK对计算结果进行了对比和验证.      

Lambert转移中途修正的全局概率最优策略

应用Monte-Carlo法和遗传算法的联合仿真求解Lambert转移中途修正的全局概率最优策略.首先推广限制性三体问题中求解周期性特解的微分修正算法构造出考虑J₂项摄动下的Lambert转移轨道并以此作为参考轨迹,则中途修正策略仅需针对导航误差、初始偏差修正的控制偏差等进行补偿.应用微分修正算法导出的单值矩阵,设计出3类线性和非线性中途修正策略,以适应不同的精度需要.随后应用Monte-Carlo和遗传算法的联合仿真,可以得到实现代价函数(落点误差最小)在概率意义下的最优解.与直接利用优化算法寻优需要已知各种误差量不同,得到的最优修正策略更具有普适性.