模型参考自适应电传飞行控制系统纵向控制律设计

针对电传飞行控制系统中被控对象模型参数时变的特点,应用模型参考自适应控制方法设计纵向控制律。论述飞机纵向运动的动力学模型和参考模型的建立,以及基于此参考模型用超稳定性理论设计自适应控制律的方法,并且通过仿真试验进行控制性能验证。仿真结果表明,所设计的控制律可以根据飞行状态的不同自适应的调节控制律,控制性能指标满足飞行品质规范要求,设计方法可行。     

一种基于观测器的自修复飞行控制系统设计

故障检测与隔离(FDI)、控制律重构是自修复飞行控制系统设计的重要内容.在自修复飞行控制系统设计中,利用观测器,设计了针对传感器的故障进行检测的方法,可使检测效果在一定的条件下,对系统参数变化不敏感,具有较好的鲁棒性;此外,当飞机操纵机构发生故障时,利用观测器,设计了基于线性模型跟随控制进行飞行重构控制的方法,使得当状态变量不能测量时的控制系统得以物理实现.最后,给出了仿真实例,结果表明了该方法的可行性和有效性.     

电液伺服系统的模糊神经网络自适应控制

针对电液伺服控制系统中存在的非线性影响,常规PID控制难以取得良好的控制效果,采用模糊神经网络自适应控制,通过BP算法改变模糊隶属函数的形状及模糊规则的中心值,实验结果表明该方法能有效地跟踪电液位置伺服系统。     

基于线性模型跟随的重构飞行控制律设计

线性模型跟随控制是一种传统的控制方法,通过对增益的调整,使实际受控系统的输出跟随参考模型的输出,以达到理想的静态、动态特性。将线性模型跟随控制引入自修复飞行控制系统的重构控制中,针对发生舵面故障的飞行控制系统,设计模型跟随控制律,给出仿真实例。结果表明,该方法具有可行性和有效性。     

伪逆法在飞控系统自修复控制中的应用

研究了飞机在操纵面损伤或卡死故障情况下使用伪逆法进行自修复控制律重构的方法。提出了一种新的飞机单舵面故障的注入形式,引入了交联因子,并分别对飞机舵面卡死和损伤故障进行了建模,给出了数字实时仿真结果,验证了在单舵面故障情况下伪逆重构算法可以快速收敛到飞行正常状态。这种算法简单可行,实时性好。     

基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

基于免疫粒子群算法的自抗扰飞行控制器设计

提出了一种基于免疫粒子群优化算法的自抗扰大包线飞行控制器设计方法.针对传统的增益调参设计方法存在的工作量巨大与设计效率低的问题,利用自抗扰控制器进行大包线飞行控制器设计,并推导了适用于该方法的飞机非线性方程.由于自抗扰控制能够动态补偿对象模型的内扰和外扰,因此在很大的飞行区域内仅需一套控制器便可,从而避免了烦琐复杂的增益调参设计过程,并用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究.仿真结果表明,所设计的自抗扰控制器具有优良的控制性能,并且控制器参数在较大的包线范围内不需要改变,从而简化了大包线飞行控制器设计.     

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.     

基于BP神经网络的磁流变阻尼器逆向模型研究

为了提高磁流变阻尼器的振动控制效果,在磁流变阻尼器力学特性试验的基础上,首先建立了基于BP神经网络的磁流变阻尼器的逆向模型,并通过试验试选的方法对模型中隐含层节点数目、期望误差等相关参数的确定进行了探讨;然后,针对BP网络在学习过程中表现出的学习速率慢、容易陷入局部极小等问题,进行了相应的算法改进。结果表明:利用改进算法建立的模型能够更准确、更快速地对控制电流进行预测,证明了改进算法的合理性,同时也进一步验证了利用BP神经网络方式建立磁流变阻尼器逆向模型方法的有效性。     

前馈——模型参考自适应复合控制策略

由于多余力矩严重影响了电动负载模拟器的加载性能,提出了一种复合控制方法对该问题进行研究。首先考虑承载对象运动带来的干扰,建立了系统的数学模型;然后,针对控制系统单独采用前馈补偿或自适应控制方法的局限性,进行了基于前馈控制和模型参考自适应控制的复合控制系统设计,并利用Lyapunov函数的方法构造了自适应控制器。最后的仿真结果表明,采用复合控制方法能够大幅度消除电动负载模拟器的多余力矩,验证了控制策略的可行性。     

基于类神经网络模型的电路自主修复方法

为进一步提高电子系统在恶劣环境下的生存能力,对利用演化硬件实现电路自主修复的方法进行了研究。首先,根据FPGA芯片与多层前馈神经网络的相似性,建立了一个可用于数字电路演化的门级电路模型,设计了专用的二进制列向量编码方法;然后,给出了实现电路自主修复的工作流程,探讨了进行电路故障诊断和修复的途径,提出了快速重构与演化相结合的电路修复方法。Matlab仿真试验表明：基于类神经网络模型的遗传算法较适合进行演化修复操作;修复效果分析表明：快速重构与演化修复相结合的修复方法比单纯依靠演化修复更为便捷。     

一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.     

基于BP网络的BTT导弹逆控制方法

运用BP神经网络结构和Levenberg-Marquardt算法,对导弹动力学特性进行动态逆模型辨识,并以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统,进而应用逆系统方法设计了一种用于解决BTT导弹非线性控制问题的经典控制与神经网络在线自学习控制相结合的控制方法.从理论上证明了该控制方案可以实现对导弹三通...     

基于神经网络的雷达抗干扰效果评估

分析了常用的雷达抗干扰效果评估方法的特点,建立了雷达抗干扰效果评价指标集,对指标数据的采集和处理方法进行了分析,提出了一种基于神经网络的雷达抗干扰效果评估模型,论述了网络结构和样本获取方法,最后通过算例验证了模型的正确性和实用性.     

基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。     

基于模糊神经网络的武器控制系统信号分析

某新型飞机武器控制系统故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.针对这种情况,提出了基于模糊神经网络,研究了模糊神经网络技术在武器控制系统故障诊断领域的应用,并根据系统本身的特点,提出了诊断和算法模型.在此基础上,研制出武器控制系统检查仪,对该方法作了验证.结果表明:该方法是可行和有效的.     

RBF网络用于战车火控系统弹道解算的方法

弹道解算问题对战车火控系统的性能有着直接的影响.传统的弹道解算方法在精度和实时性方面都存在一定的局限性.为了提高解算精度、战车首发命中率和解算的实时性,基于RBF网络的函数逼近及预测能力,将RBF网络用于弹道解算,对传统算法进行优化,得到了新的弹道解算方法.最后对所提方法进行了仿真,发现新方法在解算精度没有降低的条件下,大大提高了弹道解算的实时性.