针对舰艉流抑制的ACLS纵向控制律优化设计

舰艉气流扰动是造成舰载机着舰误差的一个主要因素,因而自动着舰系统需要具有较强的对抗扰流能力。本文借鉴美国F/A-18A飞机自动着舰控制器基本构型,对算例舰载机完成了纵向着舰控制系统优化设计。针对舰艉流随机性分量,利用遗传算法对控制回路参数进行离线寻优,寻优过程兼顾了系统时域性能指标和频域安全边界约束;针对舰艉流稳态分量,在固定参数寻优结果的基础上加入内回路补偿指令以实现控制系统对完整舰艉流的最优抑制;通过仿真验证优化后的控制系统。结果表明,所提出的优化方案可行有效,优化后的自动着舰系统具有更好的指令响应特性以及更强的鲁棒性,提高了舰载机着舰精度。     

级联式预设性能动态逆解耦直接升力着舰控制

为在下滑着舰过程中，克服“反区”操纵特性，减轻飞行员操纵负担，提升着舰精度和安全性，将直接升力方法引入着舰控制律设计，发挥其响应速度快、控制精度高、解耦性能好等优点。采用预设性能的非线性动态逆方法和控制分配算法相结合的控制架构设计了两层级联式综合直接升力着舰控制器，既可以实现纵向轨迹和姿态控制间的解耦，还可以实现横航向控制与纵向运动间的解耦。首先，建立了舰载机全量六自由度非线性模型作为研究对象；然后，通过设置虚拟中间控制量将动态逆与控制分配环节有机地衔接，通过预设误差向量约束方程的方法提升动态逆控制环节的综合控制性能，据此设计出级联式纵、航向综合解耦的直接升力控制器；最后，仿真验证所设计的直接升力控制器可以在保持迎角和速度稳定的情况下调整飞行轨迹高度，实现纵向轨迹控制和姿态控制的解耦；还可以在对中控制的时候，保持纵向高度稳定，实现横航向运动和纵向运动的解耦。研究表明，采用直接升力控制可以实现飞行员操纵到控制变量间的逐一对应，显著减轻操纵负担并提升下滑着舰控制精度。     

着舰指挥官非对称变论域模糊引导技术

为了研究舰载机着舰安全性和驾驶员操作稳定性,本文提出了一种基于非对称变论域模糊控制的着舰指挥官引导模型。通过定义论域变换因子和比例伸缩因子,设计了非对称变论域模糊控制算法,给出了依据多输入单输出系统逼近误差限界确定模糊论域划分的方法,建立了着舰指挥官非对称变论域模糊控制系统。仿真分析表明:对比传统的着舰指挥官指令操作关联模型,本文设计的非对称变论域模糊控制系统仅需3.87 s就可以满足逼近精度0.2 m的要求,具有较快的收敛速度和较高的收敛精度,同时对于提高舰载机驾驶员操控能力和保证着舰安全性具有现实的工程意义。     

基于自适应逆控制的永磁同步电动机控制系统

为进一步提高交流永磁同步电动机控制性能,本文提出了基于自适应逆控制的永磁同步电动机控制系统,采用基于递推最小二乘BP（RLS-BP）算法,对永磁同步电动机系统的进行建模、逆建模和自适应控制器的设计。提高了永磁同步电动机系统建模和逆建模的辨识收敛速度以及辨识精度和系统控制精度。仿真结果表明,基于本文提出的自适应逆控制方法的永磁同步电动机系统,具有良好的动态响应,并且在电机参数摄动情况下具有较强的鲁棒性。     

永磁同步电动机自适应逆控制系统设计

针对永磁同步电动机的非线性、多变量、强耦合的复杂系统,提出了一种改进自适应逆控制策略。该控制策略将改进的径向基函数神经网络与FIR滤波器并联作为非线性自适应滤波器,用于系统的建模辨识、扰动消除器和自适应逆控制器的设计。同时,采用改进的变步长LMS算法对非线性滤波器的参数进行在线优化,提高了非线性滤波器的收敛速度和精度,进而提高了自适应逆控制的性能。仿真对比分析和实验结果表明,采用提出的改进自适应逆控制策略的永磁同步电动机控制系统具有良好的动、静态特性和较强的鲁棒性。     

舰载机着舰纵向时变风险权值矩阵预测控制

为实现舰载机纵向自动着舰,提出时变风险权值矩阵的预测控制方法来构建舰载机纵向自动着舰引导律。首先,建立基于偏差形式的舰载机纵向着舰非线性模型,根据航母实时运动状态动态求解飞机着舰过程平衡点,并获得线性模型的动态系统矩阵;其次,提出纵向着舰高维风险建模理论,并通过BP神经网络训练样本数据建立风险模型,根据高维风险模型构建预测控制的时变权值矩阵,给出并证明求解最优控制量的若干定理,推导出相应线性矩阵不等式,并设计状态观测器来观测当前无法直接测量的着舰状态。最后,在半物理仿真平台上验证建立的着舰引导律,通过仿真曲线证明了算法的可行性和有效性。     

基于改进的分段常数自适应动态逆控制方法研究

针对非线性动态逆控制在扰动影响下鲁棒性不足的问题,提出一种适用于工程的基于改进分段常数自适应动态逆控制方法,用于增强控制系统对干扰的鲁棒性以及提高控制响应的准确性。在扰动影响下对模型做出合理的分析;提出了适用于飞行控制系统的改进的分段常数自适应动态逆控制方法;证明了设计的控制器在扰动影响下的稳定性和动态特性,以及改进后的分段常数自适应的误差收敛范围;对飞机模型进行描述给出了符合实际战斗机控制需求的自适应动态逆角速度控制策略,并且基于改进后的方法设计控制律并在执行机构故障和重心突变扰动下进行仿真,对比验证了基于改进的分段常数自适应动态逆方法设计的控制器的鲁棒性和动态性能。结果表明基于改进的分段常数自适应动态逆控制具有鲁棒性强、控制精度高的特点。     

基于降阶解耦的最优伺服控制器设计及在着舰控制上的应用

舰载机着舰阶段是舰载机控制的一个重要阶段。文章结合最优伺服理论和线性系统解耦理论的特点,设计了一种新的最优伺服控制器,用于舰载机着舰轨迹跟踪控制;给出最优伺服系统的基本理论,并进行可控性的证明;给出了改进的最优伺服控制系统模型,为解决传统最优伺服控制系统对复杂模型的不可控性,以线性系统理论对复杂模型进行降阶解耦,并以全状态反馈,选择性输出跟踪的方法代替原来的控制模型;以某舰载机飞行/推力综合系统为例,进行数字仿真,结果证明改进的最优伺服控制器具有满意的跟踪效果和鲁棒性。     

基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

基于改进粒子群算法的BP神经网络模型研究

为解决BP神经网络局部性收敛度慢的问题,提出了基于改进粒子群算法的BP神经网络模型．该方法通过粒子群进化速率动态调整惯性权重因子,提高了算法的收敛速度和全局搜索最优值的能力．提出的模型和改进的算法模拟仿真表明：该方法对收敛速度和精度有更好的拟合性．     

挠性航天器预设性能自适应姿态跟踪控制

为研究存在外界干扰及未建模动态的挠性航天器姿态跟踪问题,提出了一种基于预设性能方法的自适应姿态跟踪控制策略.预设性能方法利用性能函数和一种误差变换方式,将系统的跟踪误差限制在预先设定的约束范围内,以保证系统响应具有期望的超调、收敛速度以及稳态误差.采用径向基函数(RBF)神经网络来处理由干扰和附件挠性振荡产生的模型未知动态.考虑到存在未知的神经网络逼近误差,为减小控制参数选取的保守性,进一步对逼近误差的上界进行自适应估计.结合权值和逼近误差上界的自适应律,设计了预设性能自适应姿态跟踪控制器.仿真结果表明,使用本方法可以有效补偿干扰及挠性振动所产生的影响,同时使姿态控制系统获得快速平稳的动态过程和给定的稳态跟踪精度.与未采用预设性能的方法相比,所提出的方法在收敛速度、跟踪精度与振荡抑制效果等方面均具有较明显的优势,并且对控制器参数选取的依赖性更低.     

基于改进神经网络的机器人逆解与轨迹精度提高方法

为了提高工业机器人的逆解精度与运动轨迹精度,提出了一种基于改进神经网络的机器人逆解与轨迹精度提高方法。首先通过改进遗传算法的交叉和变异概率优化BP神经网络来提高机器人的逆解精度;然后采用改进Sigmoid函数的神经网络PID控制方法实现机器人的运动轨迹控制,进而提高机器人的运动轨迹精度。构建了机器人轨迹精度测试实验系统,进行仿真与系统实验研究。仿真结果表明,改进遗传算法优化BP神经网络可有效提高机器人的逆解精度和速度;圆弧与直线轨迹的系统实验结果显示,SR4C型工业机器人运动轨迹精度提升效果均优于60%。该方法可有效提高机器人的运动轨迹精度,满足工业生产、智能制造等领域对机器人运动轨迹精度的需求。     

舰载飞机自适应模糊直接力着舰控制

考虑到舰载飞机精密着舰控制需求,针对舰载飞机着舰实际状态模型存在的强时变性、参数不确定性及复杂环境干扰,提出一种基于自适应模糊控制方法的舰载飞机着舰控制系统。调用襟翼通道控制权限,将所提方法应用于襟翼通道实现直接升力控制,并利用模糊系统逼近难以精确描述的舰载飞机六自由度非线性系统模型,实现着舰下滑道的精确跟踪,提高着舰精度。采用李雅普诺夫方法判定所提自适应模糊控制系统的稳定性,考虑舰艉流及甲板运动干扰,模拟舰载飞机着舰仿真环境,利用matlab仿真软件对构造的舰载飞机直接升力着舰控制系统进行数值仿真,并引入蒙特卡洛随机试验方法分别对常规控制方案及自适应模糊直接力控制方案进行着舰点精度统计试验。通过响应曲线及着舰点统计结果证实所提直接力控制方案具有更好的控制效果,相比常规控制方案提升了着舰精确性。     

基于改进Kriging模型的舰载机着舰下沉速度影响性分析研究

着舰下沉速度是舰载机起落架及其连接结构载荷设计的重要输入,直接影响到起落架和机体结构重量。为了探索舰载机使用环境下各参数对下沉速度的影响,基于F/A-18A飞机的实测着舰数据,采用多元统计学中偏相关分析方法分析了15个着舰参数与下沉速度的相关程度,结果表明飞机瞬时下滑角、甲板俯仰角与下沉速度呈高度相关,进场速度、舰上接合速度与下沉速度呈中度相关。以上述4个着舰参数作为自变量,将遗传算法用于相关函数待定系数的优化求解,并建立了F/A-18A飞机下沉速度改进的Kriging插值代理模型。所建模型给出的下沉速度预测结果的复相关系数为0.981、平均相对误差为1.813%及最大相对误差为6.771%,与经验公式及普通Kriging模型对比,精度指标均为最好。所提改进Kriging模型及得到的分析结果可为类似型号舰载机下沉速度研究及着舰姿态控制提供依据。     

基于改进自适应小生境遗传算法的机械臂逆运动学求解

逆运动学求解对机械臂位姿控制和轨迹规划具有重要意义,针对逆运动学求解存在多解及通用性差的问题,提出了一种基于改进自适应小生境遗传算法的逆运动学求解算法。适应度函数融合位姿误差和"最柔顺"原则,不存在多解及奇异解问题;引入减法聚类分析,提升算法通用性;对遗传算法进行改进,提升了算法收敛速度及精度。利用六自由度机械臂进行仿真实验,结果表明该算法收敛快、精度高,可求得唯一解。     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

改进的遗传算法在Logistic曲线拟合中的应用

针对简单GA在拟合Logistic曲线中存在的易产生早熟收敛、得到的结果可能为非全局最优收敛解以及在进化后期搜索效率降低的缺陷,引入动态自适应策略调整交叉概率和变异概率,对简单GA进行改进,从而在提高收敛速度的同时,又能使得拟合曲线的均方误差减小.数值实验表明,改进的遗传算法的拟合精度有了明显的提高.     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

液压式阻拦系统的数学建模及仿真

为了确定舰载机着舰过程中的动态变化,对美国航母上MARK7 Mod1型液压式舰载机阻拦系统开展研究,建立的阻拦系统的数学模型.利用Matlab对所建立的阻拦系统模型进行仿真分析,论述了着舰过程中阻拦系统和舰载机的动态变化,分析了液压装置和定长冲跑控制装置的在着舰过程中的作用.结果表明:利用MARK7 Mod1型阻拦系统,航母上的舰载机在一定的速度范围内着舰降落,都能够在固定的甲板长度内平稳的拦停,实现舰载机的安全着舰.