基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

基于CMAC神经网络的BTT导弹模型跟踪控制

提出一种ＢＴＴ导弹模型跟踪控制系统的参考模型设计新方法。在此基础上,设计了一种非线性模型跟踪控制律,并将ＣＭＡＣ神经网络用于ＢＴＴ导弹系统的鲁棒自适应模型跟踪控制,使具有不确定性的实际系统获得要求的跟踪性能。该方法适合于控制导弹作全空域飞行。仿真结果进一步验证了该方法的正确与有效。     

PVM平台下通量守恒的嵌入自适应网格解激波和底部流

运用嵌入式自适应网格技术来提高结构网格求解复杂流场的分辨率。该方法根据流场的形成,将密集网格嵌入到物理量剧烈变化的区域,使求解精度得以提高的同时,避免较大的计算开销,从而达到求解效率和求解精度之间的平衡。 Ｐ Ｖ Ｍ 平台使得被嵌入的网格可以在网络中不同的机器上完成,大幅度降低了墙上时间。原始网格与被嵌入网格之间数值通量守恒的实现增强了该方法在捕捉间断时的有效性和可靠性。     

超机动飞行的非线性反推自适应控制

为解决对象参数未知时的超机动飞行控制问题,设计了一种非线性反推自适应控制器。针对超机动飞行的非线性模型,适当选取Lyapunov函数和中间虚拟控制信号,同时通过自适应控制律的设计来调节未知参数并得到了最终的控制信号。仿真结果表明,即使模型参数未知,所设计的控制律也能在过失速机动条件下控制飞机跟踪指令飞行,同时保证了闭环系统的稳定性。     

结构/直角切割网格下时域有限体积法在计算电磁中的应用研究

 采用有限体积法直接求解时域麦克斯韦方程组，研究了二维圆柱、翼型和三维球体、立方体、双球体等典型完全导电目标的电磁散射问题。空间离散使用近似黎曼解构建网格通量，并针对二维结构网格、三维自适应直角切割网格分别给出重构方法，时间方向采用二步龙格库塔法。计算与理论、实验或文献结果符合良好。     

模糊分层模型参考自适应控制方法在机器人视觉伺服中的应用

研究了基于图像的视觉伺服机器人系统的控制问题。首先建立了视觉伺服GRB-400机器人的图像雅可比矩阵,然后针对该动态LookandMove系统提出了一种带有模糊自调整能力的分层模型参考自适应控制的设计方法,其特点是设计方法简单并可以在线调节相关参数,给出了闭环系统的阶跃响应实验结果,并与原分层模型参考自适应控制闭环系统的动态性能做了比较,实验证明了改进后的闭环系统具有更好的动态性能。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

无人驾驶直升机发动机模糊自适应PID控制

针对某型无人驾驶直升机发动机控制的特点,提出恒量供油、恒速控制和总距前馈补偿控制的复合控制策略,在飞行控制计算机内建立发动机模糊自适应PID控制器,利用模糊规则和推理来在线调整PID参数,使发动机安全平滑启动,并在各种功率状态下保持输出轴转速恒定。经含实物仿真试验、地面试车、系留试验以及无人机整机试飞测试,所设计的发动机控制方案动态响应速度快,对总距变化等干扰的抑制作用强,能保证主旋翼在各种飞行状态下获得最佳的气动效率,改进无人直升机的飞行性能。      

基于自适应核主元分析的EHA系统传感器故障检测

针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。     

大涵道比涡扇发动机循环参数优化算法研究及应用

针对多约束条件与多优化变量的大涵道比涡扇发动机循环参数优化问题,提出了自适应三次变异差分进化算法,运用多个Benchmarks多峰函数对算法进行验证,并将该算法与大涵道比涡扇发动机性能计算程序相结合,对多约束条件下的循环参数进行了优化.计算结果表明:自适应三次变异差分进化算法比传统差分进化算法收敛精度更高、收敛速度更快,大幅度提高了大涵道比涡扇发动机循环参数优化效果,适合解决大涵道比涡扇发动机循环参数优化问题.