歼击机智能自适应重构控制方法研究

针对复杂歼击机控制系统,提出一种智能多模型结构的自适应重构控制方法,使得系统可以在不同的运行环境下对结构故障具有一定的控制重构能力.系统为多模型结构,由若干线性模型构成模型集合,并设计相应的自适应权值调整规则,从而使系统能够实时地获得当前最佳控制输入.再通过引入动态神经网络以确保系统的稳定性,同时避免模型切换等引起的噪声干扰.最后,对某型歼击机进行仿真验证,表明所提重构控制方法对系统在多种故障状态下的稳定运行具有显著的效果.     

基于多模型自适应的飞行控制系统重构与优化

对飞行器执行机构受损或失效情况下其飞行控制规律重构的问题,提出一种基于线性二次最优控制理论的多模型自适应控制重构技术方案。利用线性二次调节器获得参考模型,基于故障诊断与检测技术,运用Lyapunov稳定性理论,确保闭环控制系统的严格正实性和全局渐进稳定性。根据飞行器的动力学控制规律,进行故障辨识和模型切换,实现故障状态下飞行控制规律的重构与优化设计。针对典型故障情况进行飞行器控制重构仿真验证,结果表明系统能够在舵面部分失效下完成控制重构,保证有效飞行器运行控制。     

飞机舵面损伤的简单自适应重构控制方法

针对飞行控制系统操纵面损伤故障,采用简单自适应控制算法进行重构飞行控制系统（FCS）的设计．在应用简单自适应控制时,尤其是在操纵面发生不同损伤程度故障时,必须确保闭环系统的几乎严格正实性．通过求解线性矩阵不等式的可行解问题,得出并联前馈补偿器,确保闭环系统的稳定性和增广系统的严格正实性．利用某型飞机的侧向飞行控制系统模型,将该方法应用于飞行控制系统的重构设计．仿真结果表明,简单自适应控制方法不仅适合于正常情况下的飞控系统设计,而且对操纵面损伤故障具有较强的适应能力．与常规的线性二次型反馈控制器相比,提出的自适应控制器具有更好的跟踪效果和重构控制效果．     

一类非最小相位系统分层递阶多模型解耦控制器

针对多模型控制方法中模型数目巨大,计算时间长等问题,提出了分层递阶结构多模型自适应前馈解耦控制器.该控制器中固定模型集采用分层递阶结构,基于切换准则逐层搜索最优模型,动态构造下一层固定模型集实现完全覆盖.最后一层添加自适应模型消除稳态误差.针对非最小相位系统,将系统的耦合作用视为可测干扰,采用前馈方法予以消除.最后给出全局收敛性分析.仿真结果表明,与常规多模型控制方法相比,极大地减少了固定模型的数量.而当模型数目相同时,系统的暂态响应、解耦效果得到极大改善.     

多导航传感器的数据融合处理方法研究

在舰船导航过程中为克服单一模型的卡尔曼滤波器对真实系统状态参数发生变化时造成滤波误差过大甚至发散的现象,将多模自适应控制用于导航数据融合处理方法中,设计了组合导航系统的多模型自适应卡尔曼滤波器,通过数字仿真将单一模型的INS/GPS/Doppler组合导航系统与多模自适应控制的组合导航系统的性能进行了比较,表明了多模自适应控制在组合导航系统中可以改善系统的瞬态响应和覆盖大范围的参数不确定性,提高了组合系统的导航精度.     

火电厂主气温系统的继电反馈多模型控制

针对火电厂变负荷机组主汽温系统时变和非线性的特点，提出了基于继电反馈的多模型控制算法;首先利用继电反馈的方法，对若干典型工况点建立的固定模型设计子控制器;在运行过程中，利用多模型控制根据系统工况的变化选择相应的控制器以保证系统的控制性能，仿真结果表明应用该方法建立的控制系统具有良好的控制品质和较强的自适应能力。     

多模型传感器故障软闭环容错控制研究

针对一类非线性系统建立精确机理模型困难、且仅用单一模型进行故障检测与容错不甚可靠等问题,提出一种基于数据驱动的多模型传感器故障软闭环容错控制方法,并对非线性系统中卡死、恒增益、恒偏差等常见传感器故障进行了研究。首先采用历史数据建立了系统的RBF神经网络、最小二乘支持向量机和核部分最小二乘三种预测模型,并基于序贯概率比检验算法同时以多个模型产生的残差对传感器进行故障检测;当检测出传感器发生故障时,则用系统多个预测模型的融合值代替传感器的输出,从而以软闭环方式实现对传感器故障的容错控制。最后将所提出的方法应用于一阶水箱液位控制系统,实验结果表明多残差与序贯概率比检验算法的结合能够可靠诊断传感器故障,多预测值优化融合的软闭环可对传感器故障实现安全、高性能容错。     

基于混沌优化的多模型容错控制方法

为了提高主动容错控制中故障诊断和容错控制律重组重构的快速性和可靠性,在建立了非线性受控对象正常或故障状态的神经网络模型的基础上,采用带有混沌动态量的自适应BP改进算法整定出系统各种运行模式下的控制律,由此建立了模型库;进而以一种隐形的故障诊断机制,通过对系统性能容忍度和模型失配度的在线计算判断系统的工作状态,并从动态模型库中调用与之匹配的控制律,从而达到容错效果.仿真结果表明,混沌机制的引入为提高系统发生故障时在线进行控制律重组重构的实时性和可靠性提供了一条有效途径.     

基于LMS算法的自适应逆可重构控制系统

针对多输入多输出(MIMO)飞控系统的可重构设计问题,提出了解耦控制与自适应逆控制(adaptive inverse control)相结合的控制策略.首先采用降阶线性动态逆(RLDI)设计了某型飞机的滚转角控制回路,以使飞机侧向运动的滚转与侧滑之间实现解耦;然后,考虑到当舵机出现故障以后系统性能的恢复问题,应用基于ε-滤波的LMS(least mean square)算法,在系统解耦的基础上构建了自适应逆控制系统,从而实现系统在舵机故障下的重构.仿真结果表明,这种基于改进的ε-滤波的LMS算法的自适应逆可重构飞行控制系统具有良好的系统故障恢复功能,表明了其在飞控系统中实施重构控制的有效性.     

小型无人机舵面故障的控制重构设计

小型无人机一般采用单余度设计,舵面故障后重构控制只能根据系统解析冗余进行设计,传统辨识方法复杂而且往往不能满足无人机重构控制的实时性。对由于舵面故障多样性引起的无人机参数大范围跳变进行分析,采用基于线性模型的方法离线重构控制器参数,实际飞行中在线自适应选择控制律,并针对存在大扰动的重构过程设计了动态补偿方案,保证无人机在故障发生后重构完成前的过渡过程的安全性。仿真实验表明,该方法能满足无人机舵面故障时控制律重构的实时性要求,保证过渡过程平稳,而且基于线性模型的控制器设计方法简便,工程实用性强。     

非线性系统的自组织多模型自适应逆控制

针对离散时间非线性系统,在分析基于自组织映射神经网络的多模型控制方法的基础上,提出了一种自组织多模型直接逆控制方法.并分析了控制误差的有界性.进一步,借鉴参数空间多模型方法的切换一自适应策略,在固定模型的基础上增加一个参数可调节的自适应逆模型.提高了稳态控制性能.仿真实例表明,对于变化较快的信号,自组织多模型直接逆控制器和自组织多模型自适应逆控制器都能进行有界跟踪,对于稳态信号,自组织多模型自适应逆控制器还能进行渐近跟踪.     

多模型自适应控制及其在三轴转台中的应用

研究大范围、强耦合非线性系统的线性多模型自适应控制（ＭＭＡＣ）问题。讨论了基于平衡点的非线性系统模型的线性多模型表示，提出一种根据期望参考轨迹确定平衡点的位置和数量的方法，并给出一种利用模型的匹配程度构造加权因子的ＭＭＡＣ算法。该算法可削弱扰动的影响和由于模型的切换而引起的振荡。应用结果表明了该理论的正确性。     

采用逐维定位的多模型自适应解耦控制器

针对多变量系统中多个参数同时变化导致模型数目巨大,计算时间长等问题,提出了采用逐维定位的多模型自适应解耦控制器．该方法将多维空间的并行寻优问题转化为多个一维空间的串行寻优问题,每一次固定其他参数、只针对一个参数寻找最优模型,可大大减少系统模型集的数量．该控制器基于性能指标搜索最优模型,通过加权多项式矩阵的选择,不但消除了稳态误差,任意配置闭环系统的极点,而且实现了动态解耦控制．最后给出全局收敛性分析．仿真结果表明当采用相同的固定模型覆盖每个参数的变化区间时,其模型集的数目远远小于常规多模型控制器．而当采用相同数目的模型时,其控制效果明显优于常规多模型控制器．     

基于微粒群算法的非线性系统建模方法研究

针对非线性系统多模型自适应控制中的模型覆盖问题,提出一种基于微粒群算法的多模型建模方法.首先,对非线性系统定义了基于混合逻辑模型的多模型描述,建立了非线性系统的混合线性多模型;然后,基于微粒群优化算法对非线性系统进行优化建模,在保证建模准确性的同时采用最少的子模型逼近非线性系统;最后,通过一个仿真算例表明了该建模方法的有效性.     

Integrated multiple-model adaptive fault identification and reconfigurable fault-tolerant control for Lead-Wing close formation systems

This paper investigates the attitude and position tracking control problem for Lead-Wing close formation systems in the presence of loss of effectiveness and lock-in-place or hardover failure. In close formation flight, Wing unmanned aerial vehicle movements are influenced by vortex effects of the neighbouring Lead unmanned aerial vehicle. This situation allows modelling of aerodynamic coupling vortex-effects and linearisation based on optimal close formation geometry. Linearised Lead-Wing close formation model is transformed into nominal robust H-infinity models with respect to Mach hold, Heading hold, and Altitude hold autopilots; static feedback H-infinity controller is designed to guarantee effective tracking of attitude and position while manoeuvring Lead unmanned aerial vehicle. Based on H-infinity control design, an integrated multiple-model adaptive fault identification and reconfigurable fault-tolerant control scheme is developed to guarantee asymptotic stability of close-loop systems, error signal boundedness, and attitude and position tracking properties. Simulation results for Lead-Wing close formation systems validate the efficiency of the proposed integrated multiple-model adaptive control algorithm.     

A new variable structure multiple-model algorithm for manoeuvring target tracking

This study presents a new variable structure multiple-model algorithm (VSMMA) which can be used to track manoeuvring targets. The VSMMA presented herein is a modified multiple-model (MM) algorithm, which uses a moving-bank of filters with a small number of chosen sub-filters and a decision rule using the adaptive grid technique. To adapt the VSMMA to the real-world application of mismatched models, a covariance-matching technique was employed to compensate for this system uncertainty. Experimental simulation results show that the use of the new VSMMA substantially save computation and improve performance compared with the fixed structure multiple model (FSMM) algorithm and the interacting multiple model (IMM) method.     

非线性动态突变系统的多模型自适应执行器故障补偿设计

本文针对因多重不确定执行器故障而引起系统动态突变的非线性系统,设计了一种基于多模型切换的自适应执行器故障补偿控制策略,以提高系统应对动态突变的能力,同时实现不确定执行器故障的快速精确补偿.针对执行器故障模式的不确定性问题,采用基于多模型的参数估计方法,设计了自适应控制器组;基于最优性能指标函数,提出了一种控制切换机制,...     

Fuzzy indirect adaptive control using SVM-based multiple models for a class of nonlinear systems

Adaptive control with multiple models can further improve the adaptation ability of controllers for the plant with wide-range uncertain parameters. Fuzzy modeling and control are introduced into the multiple-model adaptive control in this paper, which facilitates the intelligent behavior of a plant facing with uncertainty. Within the combination of fuzzy sets of state variables, the corresponding combined kernel functions of support vector machine are utilized to describe the unknown nonlinear dynamics. The coefficients of kernel functions are learned online through adaptive laws. The multiple identification models and indirect adaptive controllers are assigned to the plant through fuzzy inferences. The stability of adaptive law corresponding to the fuzzy identification model and the synthetic control input through fuzzy fusion has been proved for the proposed fuzzy multiple-model adaptive control (FMMAC). The simulation results demonstrate that the proposed FMMAC can achieve favorable control performance for a class of nonlinear systems.     

液位系统的多模型广义预测控制研究

用多模型的广义预测控制器对复杂的非线性液位系统进行仿真控制。通过在覆盖工况的若干个平衡点采用最小二乘法离线辨识建立多个线性模型,形成非线性系统的多模型表示,然后对各个子模型分别设计子控制器,采用基于相对残差的方法来实现控制增量的加权以获取控制增量。通过对单容液位系统的仿真,表明该方法的有效性。     

Fault detection and identification based on combining logic and model in a wall-climbing robot

A combined logic- and model-based approach to fault detection and identification （FDI） in a suction foot control system of a wall-climbing robot is presented in this paper. For the control system, some fault models are derived by kinematics analysis. Moreover, the logic relations of the system states are known in advance. First, a fault tree is used to analyze the system by evaluating the basic events （elementary causes）, which can lead to a root event （a particular fault）. Then, a multiple-model adaptive estimation algorithm is used to detect and identify the model-known faults. Finally, based on the system states of the robot and the results of the estimation, the model-unknown faults are also identified using logical reasoning. Experiments show that the proposed approach based on the combination of logical reasoning and model estimating is efficient in the FDI of the robot.