专家-模糊PID在低速风洞风速控制系统中的应用

介绍北京航空航天大学D-4低速风洞风速控制系统的结构、控制原理和性能特点.为了解决低速风洞风速控制系统建模困难、控制系统复杂、易受外界影响,且自身参数时变不确定、控制难度大的特点,采用了模糊PID调节算法结合专家判断组成专家-模糊智能控制器的方法控制风速.现场调试运行结果表明:这种方法解决了常规PID不能在线进行参数自整定的问题,不仅具有PID控制器高精度的优点,又具有模糊控制器快速性、稳定性、鲁棒性高的特点,并且具有良好的动、稳态特性,可满足低速风洞风速控制要求.      

航天器交会最终逼近段相对姿态估计与控制

对航天器交会对接最终逼近段,给出姿态运动学方程统一形式以及相对姿态动力学方程;除了应用交会航天器的绝对姿态运动方程进行相对姿态估计(间接法)外,还直接应用相对姿态运动方程进行相对姿态估计(直接法);阐述相对姿态控制的相平面法与四元数反馈法的设计方法.相平面控制法应用常值推力,针对小姿态角机动的特点,将相对姿态通道解耦为3个独立的二阶子系统,设计相平面推力方向切换函数;四元数反馈法应用简化的基于本征轴旋转的线性二阶系统,选择相对四元数与角速率反馈增益系数,确定控制力矩.此外,对相对姿态估计与控制方法进行模拟计算与比较.理论分析与模拟计算结果表明:应用扩展Kalman滤波的相对姿态间接估计法与直接估计法是有效的,后者有可能简化估计算法;相平面控制法与四元数反馈法均可有效实现相对姿态控制,前者应用常值推力(推力方向与姿态反馈有关),较易实现,但动力消耗较大,后者按控制力矩随姿态反馈量而变,动力消耗较小.      

异构存储系统中基于能量模型的文件迁移策略

异构存储系统的文件迁移策略要求迁移代价小、执行快,有较强的系统适应能力.研究异构存储系统文件迁移策略的特点,提出了一种基于能量的文件迁移策略.通过建立能量模型体现存储单元上文件访问的频繁程度,通过设计基于概率的迁移触发函数减少访问文件倾向性对异构存储单元间负载平衡性能的负面影响,通过文件迁移与用户访问操作的复合减少了系统调整开销.实验证明,基于能量模型的文件迁移策略比传统的磁盘冷却算法在请求平均处理时间、系统吞吐率方面有15%~20% 的提高.      

机械系统人机界面优化匹配决策系统的研究

应用决策支持系统的理论给出了机械系统人机界面优化匹配决策支持系统的方法,利用先进的计算机辅助设计技术CAD(Computer Aided Design)建立了机械系统人机界面优化匹配的多维组合式仿真试验台,该试验台主要由台架、仪表板、台面、底座及其它附件组成,在不变换试验台主体的情况下,可对多数机械系统人机界面进行优化匹配模拟仿真试验.应用层次分析法模型、模糊综合评判模型构建方法库和模型库.通过该决策支持系统,可以较好地完成初始方案的优化,即节省时间,又可以节省大量人力和物力.     

非线性系统的右独立阶及其应用

定义非线性右可逆系统的一组结构常量, 即右独立阶. 证明右独立阶在正则静态反馈下保持不变,同时举例指出右独立阶在正则动态反馈下可以改变. 研究了右独立阶在解耦问题中的应用, 指出利用右独立阶可完全刻划正则静态反馈解耦问题,并初步讨论了右独立阶在非线性Morgan问题上的应用.     

基于网络的大型民用飞机飞行仿真系统

 结合北京航空航天大学仿真研究所开发的大型民机通用飞行仿真系统,首先介绍它的硬件系统组成、基于总线型的实时网络拓扑结构、模拟座舱的布局以及各分系统的功能和在网络节点上的分布,然后介绍了模型及主控计算机的管理方式和软件编程,最后讨论了网络通信中的几个问题,以及保证系统实时性所采取的措施.     

线性时不变系统Kalman标准分解中的几个问题

 证明了线性时不变系统一般不能通过先可控分解,再分别对可控和不可控子系统进行可观分解而得到Kalman标准型.并讨论了在4个子空间< A|β >∩η、< A|β >∩η^⊥、< A|β >^⊥∩η和< A|β >^⊥∩η^⊥中取一组基,构造一个化系统为Kalman标准型的非奇异变换的可能性.最后,证明了在一定条件下存在一个正交变换,可将线性时不变系统化为Kalman标准型.     

LTPB网络带宽分配策略的实时性能研究

研究LTPB(线性令牌传递总线)在通信网络中保证消息实时传输的带宽分配问题.LTPB网络带宽的分配是以保证网络消息的实时传输为目标的,网络中关键参数(一定时间内发送消息的最小量)的准确与否将关系到网络带宽分配的合理性和有效性.通过对带宽分配方法实时特性的分析,发现了当前分析方法中的不足,提出了"最差情形"的概念,并以此建立了合理的推导模型,得出了有关LTPB网络实时性分析的关键性结果,并为下一步寻求更优的带宽分配方法提供了可靠的分析基础.      

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.