质心测量和校准技术发展趋势

质心是反映物体固有属性的参数之一,质心测量和校准技术对于导弹弹道控制和制导、飞机安全和导航、卫星姿态控制、装甲车辆机动性等性能方面至关重要。本文介绍了当前国内外质心测量和校准方法的现状,比较了不同方法的优缺点,并对质心测量和校准技术的发展进行了展望。     

蛇行机动反舰导弹对抗仿真研究

为了研究带有末端蛇行机动的反舰导弹的突防效果,建立了反舰导弹蛇行机动弹道模型,应用过载控制理论,设计了反舰导弹质心控制和过载控制信号;通过建立舰空导弹的反导拦截模型,在反舰导弹带蛇行机动和末端无机动两种情况下,对比仿真了舰空导弹与反舰导弹的拦截对抗,仿真结果验证了,带蛇行机动的反舰导弹的突防效果要高于普通的末端无机动的突防效果。     

数值海浪对潜射导弹出水姿态影响研究

根据潜射战术导弹水下垂直运动的过程及特点,建立了导弹在水中及出水阶段的运动数学模型、推力矢量控制模型,分析了导弹水中和出水运动过程中5级海浪对导弹运动姿态的影响。通过仿真计算,得出了潜艇垂直发射战术导弹后,5级海况下导弹水中受控运动和无控运动时出水姿态的变化情况,为研究潜射导弹水中弹道提供了参考。     

某型导弹飞行数据与指令检测系统设计

设计的导弹飞行数据与指令检测系统通过实时记录导弹的飞行数据和在线检测控制导弹飞行的指令信号,能够及时判定导弹发控系统的工作状态,并在导弹发射后为评估操作手的训练成绩和分析导弹故障提供科学依据。检测系统采用基于FPGA的SOPC技术和DSP视频采集技术进行数据和视频采集,并通过USB总线将采集的导弹飞行数据与指令信号传输到上位机,在上位机上利用LabVIEW软件设计人机交互系统实现记录数据的回放和指令信号的检测。通过测试试用和实弹打靶应用,该系统采集数据准确,能够实现导弹飞行数据的实时记录和发控指令信号的在线检测,效果良好,具有较大军事应用价值。     

一种挠性航天器的自适应姿态控制与振动控制

挠性航天器三轴姿态控制与振动控制需要处理复杂的姿态运动学耦合、动力学力矩耦合、挠性模态与刚体的动力学耦合，以及在轨航天器挠性附件的参数不确定等问题。基于频带分离方法分别设计了姿态控制器和振动控制器，其中的挠性附件振动对姿态的影响以时变干扰模型进行考虑。利用奇异摄动理论，设计了姿态控制器。该控制器由快速角速度环和慢速角度环两回路组成，采用具有较强抗干扰能力的积分型SDRE（State-Dependent Riccati Equation）控制器进行姿态指令跟踪。对于挠性振动，设计了独立模态控制的正位置反馈（PPF）控制器，通过对一阶控制器参数进行调节，使系统当存在结构不确定或参数变化的情况时仍能较好地收敛，保证了系统的鲁棒性。最后仿真表明了在干扰力矩下姿态的稳定性和振动的快速抑制。     

飞航导弹双平面纵向综合制导技术

根据飞航导弹对面攻击的需要, 针对可以获取的信息,设计了视线角信息 框架下的双平面导引规律,以实现指定入 射角的攻击,并从理论上进行了分析。以 此为基础,考虑到弹体和控制回路的特性, 完成了一种便于工程实施的综合制导律, 改善了制导性能。通过充分利用飞航导弹 中制导阶段的弹道特性,解决了计算弹道 倾角时光滑低延迟垂速获取的难题。数学 仿真结果显示了所设计方法的有效性。     

能量天平悬挂线圈姿态调整方法研究北大核心CSCD

能量天平悬挂线圈初始位姿不理想会引入准直误差,线圈中心水平位置的精密控制可以借助两轴高精度位移平台实现;但调整线圈姿态的3路连杆调整机构之间存在的相互耦合,使得对姿态的精确调整难以实现。基于能量天平悬挂系统初始位姿与寄生位移之间的数学模型,确定线圈绝对水平位置。在线圈绝对水平位置附近进行姿态控制实验,利用递推最小二乘法得到悬挂线圈姿态控制系统的离散状态空间模型。在此基础上,建立基于状态空间的模型预测控制策略,将悬挂线圈姿态调整逼近至绝对水平,其3路连杆控制准确度优于0.25μm,姿态控制准确度优于1μrad。     

柔性太阳帆航天器大角度机动控制研究

太阳帆航天器是一种新型航天器,被广泛设计应用于深空探测任务,它依靠太阳光压力产生推进力。通过改变太阳帆的姿态可以控制太阳帆航天器的轨道,因此姿态控制对太阳帆航天器的任务具有重要意义。为了获得足够大的推进力,太阳帆具有大尺度的柔性结构,因此太阳帆航天器具有大转动惯量和大柔性的动力学特性,这对其姿态控制带来了困难。而利用太阳帆的特殊结构可以设计出一些特殊的姿态控制机构,如中心控制杆和控制小帆等,降低控制成本,改善控制效果。该文在柔性太阳帆耦合动力学降阶模型的基础上,将太阳帆的控制机构简化为中心力矩控制和端点力控制,针对太阳帆单轴大角度机动过程,研究了两种控制方法下太阳帆柔性结构对其姿态控制的影响。研究表明,通过端点力控制可以有效减小太阳帆在姿态机动过程中姿态及结构的振动幅度,可以更好的完成太阳帆的姿态机动任务。     

基于捷联导引头最优制导律工程实现研究

推导了考虑自动驾驶仪二阶动力学和目标机动的最优制导律,建立了基于捷联导引头的制导系统模型.根据所建模型,提出了一种利用卡尔曼滤波估计形成最优制导指令所需状态量来实现最优制导律的方案,并进行了仿真分析.仿真结果表明:卡尔曼滤波器可以准确快速地估计形成最优制导指令所需的状态量;采用最优制导律的导弹在制导过程中最大实际过载和制导末端过载都比采用比例导引的导弹小,采用最优制导律的导弹比采用比例导引的位置误差小.     

输入受限情况下的球形机器人轨迹跟踪控制

针对球形机器人在输入受限情况下的轨迹跟踪问题设计控制器。首先,为对位置进行控制的同时给姿态控制回路期望的姿态信号,基于运动学模型设计虚拟控制律;然后,基于含输入受限约束、外扰和不确定性的动力学模型,以虚拟控制量为期望值,基于Lyapunov函数设计力矩控制器,以干扰观测器估计外扰和不确定性,以辅助补偿系统补偿输入力矩限幅。Lyapunov稳定性分析表明,该文所设计的控制器可保证跟踪误差最终一致有界。经直线和圆弧轨迹的仿真,并与现有结构相同的不含限幅补偿的控制算法相比较,说明该文设计的控制器在输入受限的情况下的良好效果。     

Stable walking in a biped robot with force-feedback-induced center-of-mass regulation

We report on a novel ZMP feedback control strategy which regulates the center of mass trajectory of a robot based on the measured zero-moment point (ZMP). Based on the trajectory generated by preview control and the linear inverted pendulum model, the controller has an extra model-based control input which is driven by the center-of-mass (CoM) acceleration, which provides sensitive response to disturbance. Thus, the robot motion is balanced between the long-term nominal CoM/ZMP trajectory tracking and the short-term trajectory modification for disturbance rejection. In addition, the controller has two layers of adjustment strategy. When the disturbance is small, the robot is regulated by merely adjusting its CoM trajectory. In contrast, when the disturbance is large, the foot position of the robot is simultaneously changed to provide a more effective response with characteristics of larger intrinsic stability. The performance of the control strategy is also experimentally evaluated using a child-size biped robot.     

基于滑模输出反馈与输入成形控制相结合的挠性航天器主动振动抑制方法

针对挠性航天器大角度姿态机动的振动抑制问题，提出了一种基于输出反馈滑模控制和输入成形振动抑制方法相结合的主动振动控制策略。输入形成器作为前馈控制器作用在反馈回路的前相通道，通过改变输入命令的作用形式，在保证参考模型（标称对象）完成指定的姿态机动的同时抑制掉对系统影响较大的挠性结构的振动；而对于闭环控制回路，考虑挠性结构模态不可测、模型参数具有不匹配不确定性以及外干扰力矩的作用，在输出反馈滑模控制的基础上，给出了仅利用输出信息的滑模控制器设计方法，保证跟踪参考模型的输出以获得要求的闭环系统的性能。将该方法应用于单轴挠性航天器的大角度rest—to—rest（静止到静止）姿态机动控制进行了仿真研究，结果表明，所提出的方法是可行而有效的。     

Iterative learning control: a method that can improve product quality and productivity in manufacturing

As the world moves toward a fully global economy, manufacturers need to search constantly for ways to secure or maintain a competitive advantage. Iterative learning control (ILC) and its sister field, repetitive control (RC), offer software methods to improve the performance of motion control systems, without requiring purchase of expensive high-precision equipment. And these can often translate into improved product quality, or into faster operations with resulting increases in productivity. When a manufacturing operation involves following a desired trajectory, classical feedback control systems repeatedly produce a trajectory different than commanded. ILC, iteratively adjusts the command aiming for zero tracking error in hardware operation. RC instead aims for zero error following periodic commands or in the presence of periodic disturbances. Improving the precision of motion control systems can translate directly into higher product quality. But it can also improve productivity by allowing higher speed operation while maintaining the original accuracy level. Experiments on a robot at NASA Langley Research Center improved the tracking accuracy by a factor of 1000 in 12 iterations. This article is a tutorial presenting a brief introduction to the concepts underlying these relatively new control methods, together with some illustrations from the author's experience, of their potential for improvement in manufacturing operations.     

航天器太阳帆板伸展过程最优控制的粒子群优化算法

讨论航天器太阳帆板伸展过程中航天器姿态运动的最优控制问题。利用多体动力学方法导出带太阳帆板航天器姿态运动方程。在系统角动量为零的情况下,带太阳帆板航天器系统的姿态运动控制问题可转化为无漂移系统的非完整运动规划问题。在非完整运动规划中引入粒子群优化算法,通过控制太阳帆板伸展运动可同时获得航天器姿态的期望位形。数值仿真表明,该方法对太阳帆板伸展过程中航天器主体姿态控制是有效的。     

综合性换热器热动力特性试验台的研制

研制了多系统综合性换热器热动力特性试验台.该试验台包括大、小两个风路、高温空气路、冷却液路、机油路5个循环回路.在windows平台下实现试验台高精度的自动控制和数据的采集、分析和计算.采用VC 6.0开发的控制软件具有良好的使用界面和数据监控、保存及打印输出功能.试验证明,该试验台的系统误差在0.3%～2.7%之间,具有很高的采集和调节精度.     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

食品包装高精度计量控制方法

目的 为提高食品包装过程计量组件的称量精度和效率,采用智能控制算法设计一种高精度计量控制系统.方法 在分析动态称量系统工作原理的基础上,建立称量过程数学模型,将控制对象由放料阀门开度转换为电机轴位置.考虑到传统PID控制的缺陷,结合PI Ziegler-Nichols和预测控制设计一种高精度计量控制系统.该控制系统可实现比例和积分系数的在线调整,能够抑制参数变化、负载扰动;预测控制可提高系统收敛速度和跟踪能力.最后进行仿真和实验研究.结果 仿真结果表明,智能控制算法具有比较强的自适应、自整定能力,计量精度可以达到静态称量水平,均高于99.5％.结论 食品包装高精度计量控制系统具有精度高、稳定性好、称量效率高等特点,在实际应用中对称量过程的控制效果相对较好.     

A simulation study of CONWIP assembly with multi-loop in mass production,multi-products and low volume and OKP environments

This paper studies the performance of constant work-in-process (CONWIP) assembly system with multi-loop in mass production, multi-products and low volume and one-of-a-kind production (OKP) environments using simulation. We propose five basic design patterns of CONWIP loop and develop eight control policies of CONWIP loop based on the design pattern for standard assembly system. The performance of developed loop policies is evaluated in three production environments. In particular, control policies of CONWIP loop in OKP environment provide a valuable reference for OKP shop floor controlling. A heuristic algorithm of searching work-in-process (WIP) upper bound, the deadlock phenomenon in CONWIP assembly system and suggestion are introduced specifically. The summary of CONWIP installation guidelines in the mixed assembly system can apply CONWIP theory to practise.     

基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究

冶金工业机器人在现代工业生产中扮演着越来越不可替代的角色。由于工业自动化程度的大幅提升,人们对冶金工业机器人的性能也不断地提出新要求,尤其是对其控制系统的稳定性提出了更高的要求。针对目前冶金工业机器人轨迹跟踪精度较低且不具有自适应动态调节特性等问题,提出了一种模糊迭代Q-学习控制算法。以6-DOF（six degree-of-freedom,六自由度）双臂机器人为研究对象,利用Fuzzy工具箱编写模糊控制规则,以机器人产生的位置误差以及位置误差的变化率为模糊控制器的输入量,并引入Q-学习策略,以调整模糊控制器中的量化因子、比例因子以及迭代学习控制中的PD（proportional derivative,比例微分）参数,完成模糊迭代Q-学习控制器的设计。然后,联合ADAMS（automatic dynamic analysis of mechanical systems,机械系统动力学自动分析）和MATLAB软件搭建6-DOF双臂机器人仿真平台,开展高精度轨迹跟踪的轴孔装配任务模拟。仿真结果表明,6-DOF双臂机器人关节空间的轨迹跟踪精度较高,同时可以完成双臂轴孔协调装配任务,验证了所提出控制算法的有效性和先进性。研究结果可为双臂协作机器人实现高精度轨迹跟踪的轴孔装配提供参考,具有一定的实际应用价值。     

基于模糊自适应PID的加样臂位置控制

 为实现快速、平稳的加样臂位置控制,将模糊控制与传统PID控制相结合,设计出基于模糊自适应PID的位置控制器.通过模糊控制在线调整位置环PID控制器的3个参数,使控制器具有较强的自适应能力和抗负载扰动能力,同时还具有传统PID控制器精度高的优点.仿真结果表明,基于模糊自适应PID的位置控制器比传统PID位置控制器响应速度快,调节时间短并具有抗干扰能力.进行了加样臂的运动控制实验,以传统PID控制作为对比,通过改变加样臂的运动环境验证了模糊自适应PID控制可以实现加样臂的准确位置控制并具有一定的自适应能力,可以为类似控制器的设计提供参考.