基于LMI的Lipschitz非线性不确定系统的鲁棒控制

在常态Lipschitz非线性的基础上,考虑状态参数不确定性。针对这类Lipschitz非线性系统的反馈控制问题,运用Lyapunov方法给出了该系统渐近稳定的充分条件,并提出了应用线性矩阵不等式（LMI）来求解优化反馈增益矩阵,通过定理和Matlab仿真实例得出设计的观测器有效,具有良好的稳定性和鲁棒性。     

基于滑模变结构控制的舰载机动力补偿系统设计

分析了舰载机进场动力补偿系统的必要性,给出了一种基于趋近律的离散时间滑模变结构控制方法。利用该方法设计了一种保持地速迎角恒定的舰载机进场动力补偿系统,建立了舰载机自动着舰的综合仿真模型。仿真结果表明,通过控制俯仰角的变化量,能够使舰载机快速准确地沿着理想的下滑轨迹着舰,该动力补偿系统能够有效抑制舰尾气流扰动的影响,具有较强的鲁棒性。     

飞翼无人机机动飞行非线性反步控制律设计

飞翼布局无人机具有操纵能力不足、非线性和耦合性强的特点。传统的反步控制方法能够提高飞翼 无人机系统的鲁棒性,但是存在奇异值计算、保守性等问题。本文提出一种改进的反步控制方法。建立飞翼无 人机仿射非线性模型,运用该方法进行鲁棒控制器设计,并进行仿真验证分析。结果表明:该方法解决了传统 反步控制方法所具有的奇异值计算、保守些问题,突破现有鲁棒设计方法对系统不确定性范数上界已知要求的 限制,所设计的控制器鲁棒性较高。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

 在对 H∞ 估计问题进行数学描述的基础上,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度;但是,当系统模型和外部干扰统计特性发生变化时,H∞ 滤波算法明显具有良好的鲁棒性能,同时,估计精度也较高,有效地克服了 Kalman滤波器存在的局限性。     

飞行控制系统CRAFT设计方法研究

给出了对操纵效能、鲁棒性、敏捷性及飞行品质诸指标进行折衷综合的飞行控制系统设计方法的基本思想。以输出反馈特性结构配置的理论为控制系统设计的基础，取逆回差矩阵的最小奇异值、增益矩阵的范数及俯仰角加速度分别为鲁棒性、操纵效能及敏捷性指标，结合飞行品质规范的要求，借助先进的三维图像软件Ｓｕｒｆｅｒ，进行了ＣＲＡＦＴ设计方法研究。结果表明：ＣＲＡＦＴ设计方法为设计者形象地展示了飞行控制系统的几个指标之间的     

涡喷发动机积分型H∞鲁棒伺服控制

论述了积分型H∞鲁棒伺服控制器的设计,并对这种鲁棒伺服控制器在飞行包线的多个工作点的工作进行了仿真模拟.结果表明,该控制器能够满足鲁棒伺服跟踪控制的要求.     

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。