基于自适应动态规划的航空航天飞行器鲁棒控制研究综述

自适应动态规划方法(ADP)是一种基于强化学习框架的智能控制方法,通过函数近似技术,最终得到动态规划问题的近似最优控制策略.本文对ADP方法在航空航天飞行器鲁棒控制的研究进行综述.首先,介绍了ADP方法基本结构框架与典型算法实现原理.进一步,对于ADP方法在高超声速飞行器系统,导航制导系统以及无人机系统在鲁棒控制中的相关研究进行介绍.最后,对未来航空航天飞行器领域ADP方法的发展前景进行了分析.     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

第二类对称三对角矩阵逆特征值问题及其应用

本文研究如下问题: 问题Ⅰ 给定n×2实矩阵X和实对角矩阵A=diag(λ_1,λ_2),求第二类n×n实对称三对角矩阵T使得TX=XA。 问题Ⅱ 给定第二类n×n实对称三对角矩阵(?),求第二类对称三对角矩阵(?)使得,其中S_T是问题Ⅰ的解集合。 本文给出了问题Ⅱ有解的充分必要条件,研究了问题Ⅱ解的存在性和唯一性,给出了问题Ⅰ和问题Ⅱ解的表达式,描述了求解问题Ⅰ和问题Ⅱ的数值方法,讨论了数值方法的应用,并给出了一些数值例子。     

正规基上的快速乘逆算法

根据有限域GF(2~m)上的正规基表示,本文提出一种新的快速乘逆算法。该算法把计算乘逆的复杂忭从O(m)降低到O(1/m)。     

基于遗传算法的护理机器人逆运动学求解方法

护理机器人结构复杂、耦合度高且机械臂不满足PIEPER准则,标准遗传算法难以精准地对其逆运动学进行求解,以至于机器人手臂末端位姿误差较大。针对标准遗传算法求解过程中早熟和局部搜索能力差的问题,采用等分区间替代随机命令产生的初始种群个体,划分5个小区间以提高种群个体的分散程度和搜索效率;在适应度函数中引入可变权因子,将位置误差的变化值作为可变权因子的变量,进化过程中可变权因子在0.5～1.0之间变化,且实时有效分配位置和姿态误差权重,确保解的收敛。通过仿真和实验验证,结果表明：改进后的遗传算法能够大幅提升收敛精度和速度,并且可以同时实现对位置和姿态的精确控制,极大地减小了机器人手臂的位姿误差。     

整体壁板结构弯曲成形分析的等效塑性模型

大型整体壁板结构参数及成形工艺参数优化需要对壁板成形进行大量的非线性仿真计算,详细模型在计算时间和资源消耗方面难以接受,且不易收敛。通过弹塑性力学及回弹分析,基于应力和回弹后的变形等效,考虑了材料塑性变形强化效应,将整体壁板简化为某一虚拟材料的平板进行弹塑性弯曲等效分析。压弯和滚弯成形数值算例分析表明:在工程常用的弯曲半径范围内,变形计算误差在3.5%以内,应力误差在5%以内;等效模型大大减小了建模时间和资源,计算效率提高了70%以上,且计算易收敛;等效模型可以替代详细模型,为大型整体壁板结构参数及工艺参数优化、大型复杂形状壁板成形提供了快捷的分析方法。