命令滤波回馈递推自适应大机动飞行控制

针对飞机大机动飞行提出了一种命令滤波回馈递推自适应控制方法.基于回馈递推的思想适当选取Lyapunov函数递推得到控制律,同时设计相应的自适应律来调节未知参数,考虑到飞机内部状态变量和激励器的物理限制,命令滤波器被引入到递推设计过程中,并利用一种基于免疫克隆原理的改进粒子群算法优化固定参数改善动态性能.仿真结果表明,当...     

一种预测模糊集成控制系统的设计方法

将预测控制方法与模糊控制方法相结合，构成一类预测模糊集成控制系统。用以解决工业过程控制系统中存在的且难以处理的大滞后与非最小相位问题。文章最后给出仿真结果。     

基于特征结构配置的飞控系统故障检测与诊断

针对具有未知扰动输入的飞行控制系统,运用特征值配置设计了一种用于故障检测和诊断的观测器,他通过对观测器进行左特征向量的配置使得残差与干扰分布方向正交,故障检验残差r与未知输入干扰d之间的传递函数阵为零,从而使残差与干扰直接解耦.通过这种方法,残差信号得以对干扰具有鲁棒性,使FDI算法不受系统不确定性干扰的影响,提高系统故障诊断的可靠性和精度.同时通过残差信号估计故障,能在线辨识故障的形态,仿真结果验证了该方法的有效性.     

先进无人机六自由度运动建模技术研究

应用面向对象技术和软件模块化设计思想,建立了通用的无人机飞行包线内六自由度运动非线性全量高精度仿真模型库.用四元数代替欧拉角,建立无人机运动方程组,可有效地解决无人机大幅度的姿态运.动.通过Matlab仿真研究,证明了该仿真模型库的重用性和可靠性.     

基于粒子群算法的飞行控制系统参数优化

针对飞行控制系统控制器参数优化问题，文中提出了一种基于粒子群算法的模型参考优化整定策略。并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化之中．仿真结果表明．该优化策略能够有效地整定飞行控制系统的参数，具有收敛速度快．编程简单的优点。     

无人机自主编队飞行控制的技术问题

从未来无人机的性能需求出发，详细描述了无人机编队飞行的功能特点和核心技术。根据无人机的任务要求，将编队飞行分为作战编队、侦察编队和混合协同编队，同时研究了编队飞行控制的关键技术，并对无人机编队重构技术进行了探讨和分析。     

电液负载模拟器的自适应最优控制

研究了电液负载模拟器的自适应最优控制问题.将线性二次型最优控制与GCMAC神经网络相结合,提出了一种自适应最优控制策略.该控制策略把最优控制器作为辅助控制器,采用GCMAC神经网络在线学习使闭环系统满足理想性能要求的控制量.Lyapunov稳定性分析证明该控制策略具有渐近稳定性.仿真结果表明系统具有较好的动态性能和较高的载荷谱跟踪精度.     

基于粒子群优化算法的广义逆控制分配方法

为了获取具有最高分配效率的加权矩阵,将粒子群算法应用于广义逆控制分配法设计,通过计算不同广义逆阵所能有效分配的转矩可达集体积,来选择具有最高分配效率的加权矩阵。以某飞机的控制效率矩阵进行基于广义逆分配法分配器设计,通过粒子群算法对加权矩阵进行寻优,有效地选取了具有最优分配效率的广义逆阵,显著地提高了分配器的分配效率。     

变邻域分解多目标自适应差分进化算法

分解方法是处理复杂问题常用的一种手段,而差分进化算法被广泛地应用于多目标优化问题(multiobjective optimization problems,MOP),为了克服经典差分进化算法和分解方法的缺陷,本文提出了一种自适应差分进化算法和变邻域分解方法相结合的新颖算法一ADEMO/D-ENS,该算法采用Tchebycheff方法将多目标优化问题分解成多维标量优化子问题,并利用邻域子问题的信息进行优化,基于邻域种群集依概率自适应选择邻域种群规模;同时采用概率匹配(]probability match,PM)自适应方法从差分策略池中选择差分进化策略;同时分析了算法的复杂度;最后,通过和经典的非支配排序遗传算法(non-dominated sorting genetic algorithmsⅡ,NSGA-Ⅱ)和多目标差分进化算法(multi-objective differential evolution algorithm,MODE)仿真对比,说明ADEMO/D-ENS方法可以更有效的处理多目标优化问题.     

弹性飞机的混合H2/H∞最优PID控制器设计

针对弹性飞机强鲁棒性、低阶次、低增益鲁棒控制器的设计问题,以某弹性飞机12阶模型为研究对象,研究了基于弹性飞机降阶模型的混合H2/H∞最优PID控制器的设计。首先基于平衡截断法得到了6阶降阶模型。然后,根据全阶模型和降阶模型的频域降阶误差选取了合适的鲁棒加权函数。之后,给出了系统跟踪误差的H2范数的一种简化计算方法用于计算H2范数优化设计指标。最后使用粒子群优化算法进行了混合H2/H∞最优PID控制器参数的优化得到了最优PID控制器。仿真结果表明,与H∞混合灵敏度控制器相比,混合H2/H∞最优PID控制器阶次更低,并能同时镇定参数和非参数两种不确定性具有更强的鲁棒性;对弹性形变有较好的抑制作用,对刚性模态也取得了很好的控制效果。