基于方差配置不确定系统的鲁棒滤波

实际系统普遍存在不确定性,这种不确定性可能导致滤波发散问题.该文对一类时 变不确定系统讨论了一种指定误差方差上限的状态滤波器的设计,该方法采用两个Riccati 方程,其中第一个Riccati方程用以补偿系统的不确定性,第二个Riccati方程用来配置状态 滤波误差的协方差上限.导出了滤波器的存在条件和滤波器的通解,揭示了该滤波器与稳态 Kalman滤波器之间的内在联系.     

舵机速率饱和时的飞机尾旋改出控制

通过闭环控制进行飞机尾旋自动改出时, 由于控制能量不足舵机速率饱和有可能引起振荡问题. 本文基于反步法设计一种抗舵机速率饱和的尾旋自动改出控制方法. 将飞机模型看做角度、角速度和舵机三层级联结构, 首先利用反步法设计角度和角速度层控制律, 然后在舵机层控制律根据舵机速率饱和限制约束控制量, 同时通过Lyapunov函数保证闭环系统渐近稳定. 对所得控制方法抗舵机速率饱和的效果进行了分析. 以某现代歼击机模型为对象的仿真试验表明, 该方法在舵机存在速率饱和的情况下控制效果明显优于传统动态逆方法与传统反步法.     

考虑执行器饱和的改进无模型自适应控制

无模型自适应控制（Model free adaptive control,MFAC）是一种数据驱动的控制方法,具有计算简单、鲁棒性强、无需建模等优点.目前无模型自适应控制方法普遍未考虑可能出现的执行器饱和问题.本文针对这一问题,对执行器执行能力存在上限的情况设计了改进算法.该算法通过对控制输入准则函数引入约束条件,使用Hildreth方法进行数值求解,具有编程简单、计算量小的优点.在此基础上分析并证明了闭环稳定性.最后以蒸馏塔模型为控制对象,通过对比仿真实验验证了算法的有效性.     

基于风扰动预测的阵风减缓最优控制研究

目前大多数阵风减缓控制方法都是等到飞机到达风场之后才起作用,由此带来了时滞与舵面速率饱和等问题。为了解决这一问题,提出了一种基于风扰动预测的阵风减缓控制系统方案。首先,对风扰动预测技术进行了研究,利用二阶互补滤波器实现了一种基于激光测风雷达获取的阵风信息与其它渠道获取的阵风信息的数据融合算法。其次,以某型民用飞机模型为对象,采用LQR方法设计最优状态调节器使得性能指标最小。接着,引入基于风扰动预测的前馈补偿,使得在未来阵风到达时飞机状态要尽可能保持不变。仿真结果表明,基于风扰动预测的阵风减缓最优控制系统能大幅度地减少阵风干扰对飞机法向过载和俯仰角速度的影响,证明了所设计的控制系统方案的正确性和有效性。     

推力矢量无人机尾坐式垂直起降控制

本文研究推力矢量无人机尾坐式垂直起降的控制方法.为解决欧拉角奇异的问题,提出了水平/垂直欧拉角综合姿态解算方法.为了获得快速响应又防止超调,控制器采用线性/恒加速度逼近和角速率限幅积分逼近控制方法,并且在最终输出舵偏时进行了反扭矩补偿.此外,本文提出了一种特殊的数据融合算法,该算法通过迭代计算保证了高度数据的准确性.由于尾坐式起降时机体姿态和高度具有强耦合关系,本文设计了一种基于滤波前馈加速度算法的高度控制器.尾坐式起降试验结果验证了本文所述控制方法的有效性.     

基于最小拍观测器的自抗扰控制器设计与性能分析

自抗扰控制器设计中,扩张状态观测器需要较高的观测带宽,才能更快的观测出状态变量.本文采用最小拍观测器,使得其具有最快的观测速度.以2阶系统为例,得到了离散系统下,基于最小拍观测器的自抗扰控制器的等价复合控制模型,其开环补偿器等价为超前校正器.仿真结果表明,基于最小拍观测器的自抗扰控制器可以最快的观测出系统状态变量,且控制器带宽的选取一般应小于采样周期的倒数.由于不再需要设计观测器带宽,从而简化了参数设计.     

推力矢量飞机纵向鲁棒动态逆控制

针对推力矢量飞机大迎角飞行纵向控制,提出一种鲁棒动态逆方法。对时标分离非线性动态逆的内外回路控制结构进行修改,通过坐标变换得到一个弱非线性系统;然后对该系统模型的已知部分和不确定部分同时进行小扰动线性化,转化得到线性不确定系统;在此基础上利用??综合方法设计鲁棒控制器。该方法能够为非线性动态逆控制提供鲁棒稳定性和鲁棒性能保证,并可回避时标分离问题。仿真结果验证了所提出方法的有效性。     

基于计算机视觉的无人直升机位姿估计方法研究

无人直升机与着陆点的相对位置和姿态估计是其实现自主着陆的前提条件，采用计算机视觉技术完成该任务是当前的发展趋势。介绍了基于计算机视觉技术的位姿估计方法的特点，对目前直升机自主着陆研究中采用的各种位姿估计方法做了分类并进行了评述，为类似的视觉系统的设计和相关问题的研究提供了参考。     

基于探索密度的Option子目标发现算法

提出状态探索密度的概念,通过检测状态对智能体探索环境能力的影响来发现学习的子目标并构建对应的Option.用该算法创建Option的再励学习算法能有效提高学习速度.算法具有和任务无关、不需要先验知识等优点,构造出的Option在同一环境下不同任务间可以直接共享.     

连续时变不确定系统约束方差/H∞鲁棒状态滤波*

基于上限方差配置的混合方差／Ｈ∞设计方法可得到满足的设计结果。本文用一个修正的Ｒｉｃｃａｔｉ方程研究了一类时变不确定系统的混合方差／Ｈ∞状态滤波器，导出了滤波器的一般公式，对所允许的扰动由该公式所确定的滤波器可使稳态滤波误差方差上限及误差系统的Ｈ∞指标均小于指定值，因而具有较好的鲁棒性。