高超声速滑翔飞行器全程总红外辐射最小的轨迹优化（特邀）

为降低高超声速飞行器再入过程中,产生的气动热辐射对红外探测窗口性能的影响,从轨迹优化的角度,以再入飞行全程驻点总红外辐射为目标函数,提出了一种基于改进鲸鱼优化算法(Whale Optimization Algorithm,WOA)的高超声速飞行器轨迹优化算法。首先,通过Tent混沌映射和控制因子余弦变化改进WOA,改进算法位置更新时的位置指向性,增强算法全局搜索能力;同时,将再入轨迹优化问题转化为控制量剖面参数优化问题,采用倾侧角一次翻转策略,利用普朗克公式计算驻点红外辐射,并设计目标函数,利用阻力加速度再入走廊处理路径约束,采用罚函数法将终端约束同目标函数相结合;最后,利用改进的WOA对设计的控制量剖面进行参数寻优,获得使目标函数最优的解。仿真实验表明: 文中改进的WOA能够有效完成全程总红外辐射最小的再入轨迹优化任务,全局搜索能力强,且具有较好的鲁棒性。     

自动化学科面临的挑战

本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状. 结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求, 提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优先领域, 加强数据驱动控制理论、人工智能基础理论研究, 进一步发展人机协同、跨域融合的智能自动化, 为实现国家社会的全面信息化智能化提供理论和技术保障.     

带输出死区的多智能体系统预设时间事件触发式协同控制

针对带有输出死区的多智能体系统的一致性控制问题,提出一种可预设时间的事件触发式协同控制方法.输出死区现象普遍存在于实际系统,对控制回路中负反馈调节影响较大,会导致系统控制性能的下降.为此,通过结合Nussbaum函数对输出死区特性进行补偿,以削弱其对系统性能的影响,但上述问题解决的同时也会加剧对系统控制传输资源的占用.由于多智能体系统依靠智能体之间频繁的信息交互实现控制目标,自身传输资源有限.考虑到实际系统的限制,利用事件触发控制策略节省系统的控制传输资源.更进一步,为有效提高系统性能,使系统能够快速达到稳定,引入一类转换函数进行系统变换,实现系统同步误差在预设时间内收敛于紧集的目标.理论分析和仿真结果验证了所提出方法的有效性.     

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

非线性系统的LSSVM联合逆控制器

为获得非线性系统的逆系统,提出一种非线性系统的最小二乘支持向量机联合逆控制器,介绍联合逆控制器和原非线性系统的整体架构,实现对非线性系统的线性化解耦控制,仿真结果表明,使用最小二乘支持向量机的辨识联合逆控制器模型精度高,具有较好的泛化能力,且有一定实际应用价值。     

一类非线性逆系统的加权最小二乘支持向量机辨识方法

文中依据T-S模型的思想,提出了一种加权最小二乘支持向量机辨识算法.它采用模糊c均值(FCM)聚类确定规则数目,通过Gauss型函数将原输入输出空间分成若干子空间,在子空间中使用最小二乘支持向量机(LS-SVM)拟合获得子模型,然后由一个权重机制合成这些子模型,得到系统的模型.文中使用该方法去辨识关键反馈变量难以获得的非线性逆系统.为了得到这类逆系统的有效建模数据,采用了联合逆系统方法.仿真结果表明,加权最小二乘支持向量机辨识方法是有效的,它能够实现这类非线性逆系统的辨识,而且拟合误差平稳,波动幅度小,拟合精度和泛化能力都较好.     

多智能体深度强化学习的若干关键科学问题

强化学习作为一种用于解决无模型序列决策问题的方法已经有数十年的历史, 但强化学习方法在处理高维变量问题时常常会面临巨大挑战. 近年来, 深度学习迅猛发展, 使得强化学习方法为复杂高维的多智能体系统提供优化的决策策略、在充满挑战的环境中高效执行目标任务成为可能. 本文综述了强化学习和深度强化学习方法的原理, 提出学习系统的闭环控制框架, 分析了多智能体深度强化学习中存在的若干重要问题和解决方法, 包括多智能体强化学习的算法结构、环境非静态和部分可观性等问题, 对所调查方法的优缺点和相关应用进行分析和讨论. 最后提供多智能体深度强化学习未来的研究方向, 为开发更强大、更易应用的多智能体强化学习控制系统提供一些思路.     

非奇异终端滑模控制系统相轨迹和暂态分析

对于采用非奇异终端滑模控制的二阶系统,考虑到不同的初始状态,研究了其相轨迹的分布规律,给出了临界曲面的概念和解析表达. 基于相轨迹的分布,考虑了系统初始状态与到达滑模面时间的关系,探讨了到达时间最大值的估计算法,并给出了非奇异终端滑模控制系统的收敛时间的数学表达. 通过仿真验证了相轨迹的分布规律和临界曲面的正确性,以及根据系统初值估计到达时间的有效性.     

近空间高超声速飞行器控制的几个科学问题研究

近空间高超声速飞行器的特点给其建模和控制带来了新的问题.本文 首先分析高超声速飞行器的特点,进一步给出 大包络飞行的统一模型.其次,总结了高超声速飞行器巡航控 制、再入姿态控制研究的现状,强调了弹性、非最小相位、再入制导控制一体化设计等问题. 最后,结合高超声速飞行器的发展,阐述了高超声速目标的拦截问题,提供未来可供研究的方向.