质量矩导弹的神经网络及自适应非线性控制

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法，介绍了径向基单隐层神经网络进行误差补偿的算法原理，用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后，用所提出的方法设计控制系统。通过仿真分析，得出了本文所提出的方法具有较好的误差补偿能力的结论。     

无人机空中加油自主编队控制器设计

针对自主空中加油(AAR)任务中的飞行器编队形成问题,提出了一个完整的自主控制器方案。采用基于视线的编队制导律控制队形,产生制导指令。针对加油编队过程中产生的模型误差和尾涡扰动等不确定性,基于RBF神经网络和自适应Backstepping方法,设计了UAV姿态和速度非线性控制律来在线逼近和补偿不确定性,保证系统的鲁棒性和稳定性。使用协调转弯方式将航迹角指令转换为姿态指令,以实现控制律对航迹角指令的精确跟踪。最后,仿真结果验证了制导律和控制律的有效性。     

Command filtered sliding mode trajectory tracking control for unmanned airships based on RBFNN approximation

This paper presents two sliding mode controllers to address the trajectory tracking problem of unmanned airships in the presence of unknown wind disturbance. The sliding mode controller proposed first is designed by a fast power rate reaching law(FPRRL). The disturbance is compensated by a radial basis function neural network (RBFNN). To avoid the aggressive adaptation, the controller is augmented by a command filter. The controller provides good robustness and tracking performance with no chattering under the hypothesis of ideal wind field. However, serious chattering occurs when simulation is performed under discontinuous wind field. To simulate the wind in practice, the wind field employed in the simulation is generated by the combination of a constant field and white noise. The controller is improved subsequently with an extended model to suppress the chattering induced by the white noise. The enhanced controller manipulates the derivation of system input, thus attenuating the chattering. Stability analysis shows that both controllers drive the tracking error into a controllable small region near zero. Simulations are provided to validate the performance of the proposed controllers under different wind hypothesis.     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.      

一类非仿射输入和不确定性系统的输出跟踪控制

针对一类具有非仿射输入和不确定性的混沌系统,提出了鲁棒自适应RBFNN反演控制。RBF神经网络用来逼近设计过程中所有的未知非线性函数,并且对逼近的误差设计了鲁棒项,设计的自适应律是针对RBF所有权值的上界而不是权值本身,因而在线自适应参数数量减少了,节约了计算时间。该方法保证了混沌系统的输出能跟踪任意参考信号,并且跟踪误差是一致渐进收敛的。仿真结果表明该方法的可行性和有效性。     

基于RBFNN自适应混合学习算法的航天测控系统任务可靠性分配

为解决执行航天测控任务的各设备存在复杂的时空关联、可视与信息关联等动态约束关系,使得航天测控系统任务可靠性分配建模和分析极其困难,同时模型求解效率低的问题,提出了自适应混合学习算法的径向基神经网络建模方法.算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;在此基础上,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,且加快了迭代收敛速度.最后,通过采集航天测控系统输入-输出数据,将自适应混合学习算法应用于参数训练,并给出了具体实现步骤.通过算例仿真,表明算法在解决航天测控系统任务可靠性分配问题时具有较高泛化能力和分配结果稳定等优点.      

基于模糊RBF网络的自适应变结构制导律设计

针对空中高速、大机动目标的拦截问题,传统的滑模变结构制导律虽然对外界干扰和参数摄动具有较好的鲁棒性,但是存在视线角速率抖振及参数不易确定等缺点.对此,在变结构控制理论的基础上,提出了三维自适应变结构制导律,将目标加速度视为外界干扰,设计了一种快速趋近律,并利用模糊RBF网络的高效自学习能力对变结构项的增益进行了在线自适应调节.仿真结果表明,该制导律能够有效削弱系统抖振,提高制导精度,并对拦截大机动目标具有很强的自适应性.     

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。     

An intelligent approach for flight risk prediction under icing conditions

Flight risk prediction is significant in improving the flight crew’s situational awareness because it allows them to adopt appropriate operation strategies to prevent risk expansion caused by abnormal conditions, especially aircraft icing conditions. The flight risk space representing the nonlinear mapping relations between risk degree and the three-dimensional commanded vector(commanded airspeed, commanded bank angle, and commanded vertical velocity) is developed to provide the crew with practi...