考虑误差不确定性的航空安全预测新方法

航空安全精确预测对预防事故意义重大。目前航空安全预测主要是确定性预测,忽略了各类不确定性对预测影响。在确定性预测基础上,考虑误差不确定性开展航空安全预测,通过非参数方法获得航空安全预测误差不确定性描述,基于最高密度域求解一定可靠程度航空安全预测值最可能落入区间,量化不确定性引起航空安全预测结果的变动,从而确定该区间包含航空安全预测值的可靠程度,更好地认识被预测量在未来变化中可能存在的不确定性和面临的风险。以某航空公司1994—2015年航空安全数据为例,采用所提方法对航空安全开展预测,结果表明,所提方法能提供航空安全预测值及其更精确的不确定性变化范围,更有利于从不确定性角度对航空安全进行分析,解释航空安全预测结果的可能性水平,能为航空安全预警和管理提供理论依据。      

一类时滞系统的鲁棒稳定性分析

通过构造适当的Ｌｙｓｐｕｎｏｖ函数和利用矩阵范数，对时滞扰动多变量系统的鲁棒稳定性进行了较为详细的分析，得出了几个较有意义的充分条件．     

高精度位置跟踪自适应增益调度滑模控制算法

影响位置跟踪精度最重要的因素之一是系统不可避免地存在内外不确定性。由于具备很强的鲁棒性,滑模控制能有效消除系统不确定性的影响,然而也会带来抖振这一顽疾。因此,有效削弱滑模控制系统的抖振是提升系统跟踪精度的关键。为此,本文提出一种误差主导的自适应增益调度算法,该算法利用等效原理准确判断系统滑动模态是否建立,并以此来调度切换函数增益值的增减;同时,为克服因利用低通滤波器获取切换函数等效输出而引起的时间延迟,在增益调度中采用误差主导的增益变化率,确保了增益调度的实时性。理论和仿真实验证明,在滑动模态建立前,该增益调度策略能加快滑模变量的收敛速度;而在滑动模态建立后,该增益调度策略能使增益值在有限时间内趋近于系统不确定的绝对值,降低了系统抖振幅值,从而获取更高的跟踪精度。直流力矩电机伺服系统位置跟踪对比实验结果表明,该增益调度方案有效,能使系统获得更高的跟踪精度。     

RLV再入神经网络自适应姿态控制器设计

可重复使用运载器（RLV）大包线再入过程中,广泛存在模型不确定与外界干扰,会给姿态控制器的设计带来不利影响,为此提出了一种神经网络自适应控制器设计方案。基于时标分离原理设计了快、慢双回路控制结构。在此基础上设计了径向基神经网络（RBFNN）自适应律,用于在线估计模型不确定和外界干扰力矩,并在控制器中进行补偿。仿真验证表明,RBFNN 自适应控制器能良好地完成姿态跟踪控制,有效地抑制干扰力矩对姿态控制的影响。自适应律能够在线估计真实的飞行器动态和外界干扰力矩,控制器具有抗扰动能力。     

鲁棒自动驾驶仪的一种PID控制器的实现

在某初教机的线性模型基础上,分析模型参数的不确定性,通过使用MATLAB中的NCD模块对控制系统中PID控制器等参数进行优化设计.这种方法既避免了复杂的计算和编程,又使系统具有较好的稳定性、动态性能和鲁棒性,克服了依照多个不同高度和速度的飞行区域设计一系列控制器的缺点.     

强跟踪滤波在高超声速滑翔目标跟踪中的应用

高超声速滑翔目标(HGT)机动模式复杂多样、轨迹形态灵活多变,增加了跟踪模型建模的不确定性,导致目标跟踪的精度低。为了提高跟踪精度,提出了一种基于强跟踪滤波的高超声速滑翔目标跟踪方法。首先,在地基雷达坐标系下建立目标运动模型和量测模型,利用维纳随机过程来表征运动模型中未知项的变化特性。其次,采用强跟踪无迹卡尔曼滤波(UKF)算法对目标运动状态进行估计,提高模型不确定性存在时滤波器的状态跟踪能力。最后,利用目标常用的基于标准轨迹的制导方法生成了一条可行飞行轨迹。仿真结果表明,该方法的跟踪精度高,强跟踪滤波能够有效降低模型不确定性存在时的状态估计误差。     

基于RBF神经网络补偿的航空发动机H_∞自适应控制研究

航空发动机控制系统是飞行器的重要机构,航空发动机存在的控制增益衰减和未建模动态等不确定性问题影响了其控制性能,为此设计将H∞自适应控制和补偿控制相结合的控制器。首先,基于混合灵敏度理论设计H∞自适应控制器;然后,基于Lyapunov 严格稳定理论设计RBF 神经网络补偿控制器对不确定性进行拟合补偿,并通过与误差相关的线性函数调整拟合速度;最后,以归一化后的航空发动机模型为被控对象进行多变量仿真试验。结果表明：本文设计的自适应控制器能够有效补偿不确定性,相比H∞控制器,超调量和调节时间都有所降低。     

阀控电液位置伺服系统非线性鲁棒控制方法

为了解决电液伺服跟踪控制中存在流量非线性以及参数不确定问题,以阀控液压马达为对象设计了一种非线性鲁棒控制器.该算法基于Back-Stepping的设计思想,将阀控电液系统的位置跟踪问题转化为系统负载流量规划问题,仅需一步反步递推,即可完成控制器设计,具有较强的工程实用性.该算法综合考虑了制约电液位置系统跟踪精度的流量非线性以及系统参数不确定性问题.理论证明了该算法的稳定性.通过和传统PID(Proportional-Integral-Derivative)控制器的对比试验表明,基于该控制器,系统跟踪性能得到了显著提升.     

基于多信号流图的诊断贝叶斯网络建模

多信号流图与贝叶斯网络是两种不同的建模方法,对两种建模方法的异同分析表明多信号流图到贝叶斯网络的转化是可行的.为了降低诊断贝叶斯网络模型的开发费用,提出了一种基于多信号流图的诊断贝叶斯网络建模方法,从模型结构和模型参数两个方面论述了多信号流图向诊断贝叶斯网络的转化方法.依据该方法生成的诊断贝叶斯网络模型具有应对复杂系统故障诊断的证据冲突及不确定性问题的优点.实验证明所获得的诊断贝叶斯网络模型的诊断准确性与多信号流图模型一致.     

正态云模型雾化性质统计分析

对于超熵较大情况下的正态云模型,说明了云模型雾化过程.通过统计分析云滴离散的整体趋势,说明超熵增大过程中,云滴整体趋于离散.通过分析各论域区间内云滴离散趋势,说明靠近概念核心的云滴的离散速度相对缓慢.归纳云模型雾化性质:在超熵取值持续增大的过程中(HeEn/3),正态云表示的概念的论域范围持续增大,呈雾化状态,但靠近概念核心的论域区间内的云滴不失数量优势.雾化性质适用于建模偏离正态分布、缺乏共识的定量数据,期望表示概念语义值核心,熵描述概念语义的离散程度,超熵表示各种语义的共识程度,扩展了云模型知识表示的应用范围.