排序方式: 共有92条查询结果,搜索用时 218 毫秒
51.
研究飞机稳定性控制优化问题,由于飞行高度和环境的变化,系统控制器性能不能满足系统的要求。为了克服常规最优控制中模型参数和外界干扰对控制器性能的影响,提出了一种应用自适应线性二次型(Adaptive Linear Quadratic,ALQ)方法的飞机纵向控制律设计技术,首先通过自适应机制实时辨识控制系统参数,辨识的参数应用于最优线性二次型的建模设计控制中,通过在线自适应的调整控制律参数,达到了理想的控制效果,仿真验证表明在存在外部扰动和建模误差时,改进算法比传统的LQ方法具有更好的鲁棒性和稳定性,可为优化设计提供参考。 相似文献
52.
53.
54.
55.
基于反馈和混沌变异的自适应进化策略* 总被引:2,自引:1,他引:1
为了提高进化策略的搜索精度和全局搜索能力,提出了一种基于反馈和混沌变异的改进进化策略,将各代当前最优搜索结果反馈到变异步长的更新公式中,通过对变异算子中随机数方差的调整使进化策略的变异步长随搜索过程自适应地变化,同时根据混沌运动具有遍历性的特点,利用混沌变异产生个体,保证种群中的部分个体在搜索后期仍保持较大的跳出局部极小的能力,从而达到提高算法全局搜索能力和搜索精度。为了对比改进后进化策略与常规进化策略的优化效果,利用三个测试函数对两种进化策略进行了仿真测试,测试结果表明,与常规进化策略相比,提出的基于反 相似文献
56.
在不确定环境中,环境的变化总是以一定的概率发生,本文把何时变化看作随机变量,其满足一定的统计规律,由此归纳出一类动态优化问题。对于此类动态优化问题的求解,提出了自适应PBIL(Population-based incremental learning algorithm)算法。算法中利用随机变量的概率自适应地调整当前代群体的概率模型,增加种群多样性,快速适应环境的变化。应用两个动态优化问题进行了仿真实验。实验结果表明,与传统PBIL算法相比,自适应PBIL算法能够快速跟踪最优解的变化。 相似文献
57.
用改进的反步控制(backstepping)和动态控制分配(dynamic control allocation,DCA)相结合的方法使某战斗机在不同的飞行条件下能够自适应地跟踪不同的指令。首先介绍了经典的李雅普诺夫方法以及经典的反步控制方法,然后提出了适用于一般飞控系统模型的改进反步控制方法,最后针对一般控制分配方法无法补偿忽略舵机动态的问题,介绍了一种动态控制分配方法,并将其成功应用于整个闭环系统的设计中。通过反步法保留了系统中稳定的非线性项,将不稳定的非线性项消去,又通过动态分配使忽略舵机惯性造成的影响最小。仿真结果表明所设计的闭环方案具有良好的响应特性,在不同的飞行条件下均可以实现对指令信号的良好跟踪,并具有一定的鲁棒性。 相似文献
58.
59.
基于均匀设计的粒子群算法及其在飞控系统中的应用 总被引:1,自引:0,他引:1
将粒子群算法应用于飞行控制系统的优化设计中,需要解决两个问题:如何选择目标函数和如何确定初始种群和算法运行参数。针对这两个问题,分别提出了基于参考模型的飞行控制系统优化策略和基于均匀设计的粒子群算法初始种群和运行参数的选择方法。仿真结果表明,本文所提出的优化策略能够有效地解决飞行控制系统的优化设计问题,粒子群初始种群分布均匀,收敛速度快。 相似文献
60.