“阿波罗”指挥舱和指挥舱/登月舱飞行器推力矢量控制数字自动驾驶仪

“阿波罗”指挥舱和指挥舱/登月舱飞行器推力矢量控制用的数字自动驾驶仪是由麻省理工学院仪表试验室研制的,这个飞行器的俯仰和偏航是通过将火箭发动机安装在常平架上的办法来控制,而飞行器的横滚则通过点燃控制系统的喷气发动机来控制。 喷气发动机点火用的较简单的相平面开关逻辑线路可以控制飞行器的横滚。但是,对俯仰和偏航的控制,由于飞行器的弹性振动,燃料的晃动,推力不重合以及控制回路的交联影响等一系列问题,需要更精心的设计。 本文阐述了用于研制俯仰和偏航自动驾驶仪的设计途径和分析方法。这种设计具有很多重要的特点,如由宇宙航行员控制的高-低带宽工作状态,时变增益,多种取样速率,用可清除系数实现滤波的广义滤波器,推力不重合校正回路以及双增益控制回路。 本文还说明了这些自动驾驶仪的工作特点和实现方法,并分析了它们的稳定性和控制特性。     

登月舱数字自动驾驶仪

登月舱数字自动驾驶仪是第一代数字控制系统,这种系统用一般的模拟式自动驾驶仪的设计方法很难设计成功。控制综合问题包括姿态状态判断器的设计,喷气控制系统的控制规律和主发动机推力向量的控制规律。姿态状态判断器,根据对飞行器姿态的测量和假定的控制响应,得出飞行器的角速度和角加速度。没有采用速率陀螺。喷气控制系统的控制规律在其相平面逻辑中应用抛物线开关曲线,从而能以最少的喷咀点火次数获得快速响应。各种极限参数适用于不同的飞行条件。采用非正交轴的特定设置,消除了喷气控制系统控制的响应在飞行器各轴之间的相互影响。三阶最小时间控制规律,用于通过起动工作的下降发动机对飞行器的姿态进行控制。在飞行中的性能本文也作了介绍。     

神经网络PID在空空导弹自动驾驶仪中的应用

采用改进型BP神经网络与传统PID相结合作为控制器,应用于空空导弹自动驾驶仪的设计中。BP神经网络算法的运用,使得所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,利用MATLAB软件对系统进行仿真,给出了相应的仿真结果。实现对PID控制器参数的寻优整定,简化了设计过程。     

单通道自旋导弹自动驾驶仪回路的变换及其简化

为了在准弹体坐标系下设计单通道旋转导弹的自动驾驶仪,给出了弹体坐标系下的自动驾驶仪结构,通过旋转变换,将弹体坐标系下的自动驾驶仪回路变换到准弹体坐标系下,仿真结果验证了该变换方法的正确性。对变换后的自动驾驶仪回路进行了简化,忽略两倍弹旋频率交变分量的影响,仿真结果表明了简化的可行性,可用简化后的模型在准弹体坐标系下进行自动驾驶仪设计。     

基于副翼效率C_3辨识的导弹自动驾驶仪设计

在无法得知导弹飞行高度和速度的情况下,所设计的导弹自动驾驶仪增益难以满足全空域飞行的需要。本文采用一种基于横滚通道副翼效率C3辨识的自动驾驶仪增益设计方法,利用此方法设计的自动驾驶仪增益能够满足导弹全空域飞行的需要。     

基于副翼效率C3辨识的导弹自动驾驶仪设计

在无法得知导弹飞行高度和速度的情况下,所设计的导弹自动驾驶仪增益难以满足全空域飞行的需要。本文采用一种基于横滚通道副翼效率C3辨识的自动驾驶仪增益设计方法,利用此方法设计的自动驾驶仪增益能够满足导弹全空域飞行的需要。     

基于变结构控制的自动驾驶仪设计

自动驾驶仪作为导弹制导控制系统的主要组成部分,是确保导弹在制导飞行中具有良好的稳定性和可控性的关键.而变结构控制以其在一定条件下对干扰和参数变化具有完全自适应的突出优点,在自动驾驶仪中已经有了深入的研究和实际的应用.简要概述了自动驾驶仪的设计难点、变结构在驾驶仪设计中的应用进展,然后针对战术导弹滚转通道设计了两种不同结构的变结构驾驶仪,并进行了仿真、分析比较.     

基于H∞控制理论的某型导弹自动驾驶仪设计与仿真

研究了导弹制导回路鲁棒自动驾驶仪设计的理论与方法,并结合某型导弹进行了混合灵敏度自动驾驶仪的设计及仿真.仿真结果表明,设计的混合灵敏度自动驾驶仪对导弹模型的摄动表现出了较强的鲁棒性,可以控制导弹在大范围飞行过程中稳定且具有良好的时域响应性能.     

导弹自动驾驶仪控制算法鲁棒性研究

以某型轴对称导弹为研究对象,在解耦和线性化的情况下,得到简化的数学模型。通过求解线性矩阵不等式(LMI)设计了状态反馈H∞控制导弹自动驾驶仪,采用模糊和变论域理论设计了变论域模糊PID控制自动驾驶仪。考虑飞行过程中的干扰、气动参数摄动,对两种自动驾驶仪的控制性能进行对比研究,仿真结果表明,二者皆能实现对导弹制导指令的有效跟踪,其中状态反馈H∞控制设计的自动驾驶仪在指令跟踪的快速性、准确性和抗干扰性上具有明显的优越性。     

神经网络自适应自动驾驶仪设计及其在AUV路径跟踪中的应用

针对AUV三维路径跟踪过程中的自动驾驶仪设计问题,根据时标分离原理将AUV路径跟踪自动驾驶仪系统即姿态稳定回路划分成快、慢回路.采用神经网络H∞鲁棒自适应控制算法分别设计了自动驾驶仪快、慢回路的控制器,用Lyapunov穗定性理论对系统进行了穗定性分析.仿真结果表明:路径跟踪控制系统具有良好的动态性能.