基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

固定翼垂直起降无人机过渡机动优化控制分配研究

以一种固定翼垂直起降无人机为研究对象,研究其6自由度过渡机动非线性优化控制分配问题。基于增量动态逆（INDI）方法设计全局化控制器,并利用该方法降低控制模型中的不确定性对控制效果的影响。针对无人机控制冗余和耦合问题,在INDI基础上提出一种2级递进式优化控制分配方法,对航迹和姿态控制回路中的控制变量增量进行综合优化分配。该优化控制分配方法可以将非线性耦合控制分配问题转化为线性优化问题求解,避免了迭代计算,同时提高了求解速率。针对优化分配中的目标函数设计动态权值选取方案,使无人机能够根据任务需求和飞行状态调整优化分配侧重方向并确保优化结果的合理性。仿真结果表明,该无人机能够很好地跟踪过渡机动航迹,控制分配方法可行。