基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法,对蒸汽发生器水位进行控制仿真.该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统.小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能自适应产生最佳的控制规律.仿真结果表明,该方案具有响应快、超调量小、较强抑制干扰能力等良好性能.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

多UCAV协同任务规划的层次分解方法

针对多UCAV协同作战的控制决策问题,从任务、空域和时域三个角度阐述了多UCAV协同任务规划问题的层次特性,提出了多UCAV协同任务规划的分层迭代逻辑流程.基于该分层迭代逻辑流程,完成了多UCAV协同任务规划原型系统的开发工作,并进行了初步的综合仿真验证.仿真结果表明,所提出的分层迭代逻辑流程,可以降低任务规划问题的复杂度,是实现多UCAV协同任务规划的一种有效方法.     

一种基于神经网络的电液伺服系统智能控制方法

为解决智能控制中电液伺服系统的非线性和不确定性等缺陷,将神经网络控制技术和常规PID控制技术结合起来,分别进行了神经网络辨识器设计和神经网络控制器设计,利用神经网络在线辨识能力有效解决单神经元PID控制参数的调节问题,从而提出了一种基于神经网络的电液伺服系统智能控制方法.通过构建实验系统检验智能控制器的工作情况,实验结果表明该智能控制方法能够改善系统的动态特性,减小系统的稳态误差,具有较好的自适应性和鲁棒性,控制效果良好.     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

基于小波神经网络的无人机目标威胁评估

针对空中目标威胁评估问题,提出了利用小波神经网络(WNN)解决这个问题,具有很大的实用性。通过内嵌的方式将小波变换融入神经网络,即为"紧致型融合",它具有较好的自适应分辨性、良好的逼近能力和容错能力,有效避免局部最小值等优点。分析了WNN的结构和影响空中目标威胁评估的主要因素,介绍了WNN的训练算法和流程,验证了仿真模型。结果表明,该方法的评估误差明显小于粒子群优化BP神经网络(PSO-BP)和BP神经网络,具有较好的评估效果。     

基于神经网络的离散变结构控制系统

系统研究了基于神经网络的离散变结构控制系统设计方法,提出了几种具体设计方案.神经网络的引入可以使滑模(变结构)控制具备学习与自适应能力,使控制信号得以柔化,从而能够减轻或避免困扰常规滑模控制器的抖振现象,改善控制效果.     

UCAV编队对地攻击智能决策系统总体结构

UCAV编队对地攻击是未来战争制信息权和制空权的关键所在,结合无人作战飞机(UCAV)与有人驾驶飞机各自的特点和优势,提出了UCAV编队对地攻击系统的基本组成和对地攻击流程.根据UCAV编队对地攻击的战术决策类型和决策方式,构造了UCAV编队对地攻击智能决策系统的总体结构并且提出了决策系统应该解决的关键技术,详细分析了所建立的UCAV编队对地攻击决策系统的决策方式和决策流程,并且对该系统所涉及的关键技术进行了详细的研究.     

多UCAV协同作战自主任务规划系统

在分析未来多UCAV协同作战任务的基础上,构建了一个多UCAV协同作战的自主任务规划系统结构,探讨了其运行机制。提出这个系统的核心是自主规划器,它应该具有任务分解、智能信息处理和机载任务规划与重规划能力。设计了自主规划器的初步方案。指出了这个系统下一步研究的任务和方向。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

先进无人战斗机(UCAV)系统概念

先进无人战斗机系统是指正在发展和将要发展的无人战斗机系统。无人战斗机系统主要由携带武器的无人飞机、用于人工控制无人飞机的控制站和将系统连接起来保持与战术环境相联系的数据网络组成。在未来战争中,无人战斗机系统的主要作战使命是空防压制、纵深打击和"空中占领"。在研制过程中需要解决自主飞行、信息传输与处理等关键技术。     

无人机配载弹射式导弹静稳定性分析

通过刚体飞行六自由度动力学方程建立弹射式导弹初始段无控飞行模型,并结合弹射装置动力模型和导弹发动机推力模型进行仿真计算。基于无控飞行模型和仿真结果分析了无人机配载弹射式导弹发射特性,在导弹初始飞行段对机弹分离安全性和导弹姿态控制要求进行了研究。对导弹不同静稳定度下的运动特性对比分析,分别给出了满足各种安全和控制要求的导弹静稳定度范围。进一步综合所有安全和姿态控制要求,得到了满足所有要求的最佳静稳定度。经过一个实例的仿真研究,结果表明建立的模型与所用到的方法是合理有效的。     

Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.     

基于专家系统的无人战斗机智能决策系统

在无人战斗机智能决策系统中,引入专家系统,通过对无人战斗机对地攻击战术进行分析与总结,建立了对地攻击战术知识库,设计和构造了无人战斗机对地攻击智能决策系统的原型,通过无人战斗机对地自动攻击的大量仿真研究表明,所设计与构造的智能决策系统是可行有效的.     

预定增益理论在导弹飞行控制系统中的应用

针对导弹在飞行过程中动力学特性大范围变化的特点,以俯仰通道为例,运用预定增益控制理论设计导弹飞行控制系统,即利用导弹空气动力学特性和导弹某些特征参数的强相关性来调整控制器参数,确保导弹在要求的飞行条件下满足稳定性和动态品质.最后通过仿真验证了所设计的控制器满足性能要求.     

模糊PID控制在制导滑翔弹滚动稳定回路中的应用

由于制导滑翔弹在不同高度变速飞行过程中,其飞行动力系数随着飞行条件的变化而发生较大变化,呈现严重的非线性,给控制系统的设计带来较大困难。结合模糊控制和PID控制的特点,提出一种基于模糊PID的控制系统设计新方法,并将此方法用于制导滑翔弹稳定回路中,仿真结果表明这种控制器可使系统获得很好的相对稳定性和鲁棒特性,并克服了工程上自动驾驶仪PID控制参数设计中的盲目性。     

基于反馈解耦法的旋转火箭弹自适应控制系统设计

火箭弹弹体的旋转将引起俯仰和偏航通道的强耦合,而且在飞行过程中,导弹的动力学参数在不断变化。这些因素加大了旋转火箭弹的控制系统设计难度。采用反馈方法实现了俯仰、偏航两通道的动态解耦,并利用模型参考自适应控制方法完成了两通道的控制系统设计。研究发现,所提方法很好地克服了耦合因素对控制系统的影响,提高了控制系统对动力学参数变化和外界干扰的鲁棒性,满足旋转火箭弹飞行控制系统设计要求。     

自主式UCAV火控算法与系统设计

介绍了一种改进的CCRP轰炸瞄准原理,给出了其数学模型和瞄准原理公式,分析、说明了其瞄准原理和特点.根据自主式无人战斗机的特点、任务、要求,运用此原理,进行了系统设计,确定了火飞耦合控制律.研究和仿真结果表明:该原理正确,所述的火控算法和设计的控制律合理,为进一步开展自主式UCAV的研究和设计打下了基础.     

基于双滑模变结构的旋转靶弹双通道控制

针对旋转靶弹低空飞行姿态难以快速调整以及参数摄动的问题,基于内外环的双滑模变结构方法,设计了旋转靶弹的双通道控制器。基于非线性模型,对靶弹快速变化的攻角和侧滑角以及慢速变化的高度和偏航距离分别设计了一种积分型滑模面,并采用指数趋近律减轻系统的抖振,利用Lyapunov稳定理论证明其稳定性。非线性仿真结果表明,该设计控制方法能快速准确响应控制指令,且在参数摄动时表现出较强的鲁棒性。     

基于LPC3250的小型无人机航姿系统的设计

航向和姿态是无人机飞行控制系统的重要参数,传感器系统是整个无人机飞行控制系统的核心。采用LPC3250ARM9处理器、MEMS传感器以及存储器设计无人机航姿系统,完成传感器的数据采集与处理,获得无人机的航姿信息,最后进行数据传输。将Linux操作系统嵌入到无人机航姿系统中,实现系统的实时任务调度和进程管理。结果显示,该系统达到了无人机航姿系统的小型化、低功耗、高精度的目标。