特征结构配置和H_∞鲁棒控制的飞行控制器设计

常规的特征结构配置(EA)方法不能同时满足系统频域设计指标和鲁棒稳定性的要求,而H_∞鲁棒控制理论在设计控制器时,并没有考虑系统时域性能。为此,基于特征结构配置和H_∞鲁棒控制,设计一种直观的控制器。该控制器以特征结构配置作为内环控制器,以H_∞鲁棒控制器作为外环控制器,使闭环系统能同时获得较好的时域动态特性、鲁棒稳定性以及指令跟踪性能力。通过对某无人机横侧向飞行控制的仿真,进一步验证了该方法的有效性。     

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.     

基于特征结构配置的车辆主动悬架控制器设计

基于特征结构配置参数化方法,提出了车辆主动悬架控制器设计方法,其目的是设计一组状态反馈控制器,使得闭环结构系统具有希望极点和特征向量。该方法提供的自由参数,可用来满足系统的鲁棒性能等指标。该方法直接基于车辆悬架系统的参数矩阵,故便于工程应用。对车辆悬架系统进行仿真分析,结果表明该设计方法简单有效。     

结构振动系统的模态解耦控制

基于特征结构配置的参数化结果,给出了实现结构振动系统模态解耦的充要条件,导出了期望的反馈增益阵及闭环特征向量矩阵的全体参数化表示。该方法在实现模态解耦的同时,还提供了全部自由度,可用来实现系统设计中某些性能要求。该方法直接基于原系统的参数矩阵,便于工程应用。三级质量弹簧系统的实例表明该方法有效。     

求解特征结构配置问题的一种新方法

基于遗传算法提出了求解线性多变量系统在输出反馈作用下的特征结构配置问题的一种新方法。遗传算法是一种基于自然选择和群体遗传学机理的参数搜索方法。采用遗传算法求解特征结构配置问题,具有适用面广和计算稳定等特性。我们以导弹控制系统为例进行了仿真,结果是令人满意的。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

车辆悬挂系统的主动优化控制器设计及仿真

基于特征结构配置参数化结果,提出了车辆悬挂系统的主动优化控制器设计方法。该方法直接基于车辆悬挂系统的参数矩阵,便于工程应用。车辆悬挂系统的仿真实例表明所提主动优化控制器设计方法简单且有效。     

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.     

基于模型跟踪变结构控制的飞行重构控制律设计

提出一种基于模型跟踪变结构控制的飞行重构控制律的设计方法.利用该方法能实现受控对象对理想模型较高精度的跟踪,使重构飞行控制系统具有较好的控制性能.首先设计了一个比例-积分滑模面以确保消除稳态误差,采用极点配置技术使滑模具有良好的动态品质,其次利用饱和控制技术来减少变结构控制引起的抖振现象,最后以某型飞机纵向飞行控制系统为例进行了相应的数字仿真.结果表明重构系统不仅实现了无抖振模型跟踪,而且还具有较强的鲁棒性.     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。