基于多环QFT的高超声速飞行器鲁棒控制

阐述了定量反馈理论(QFT)的基本原理和设计方法,针对超燃冲压发动机不同工作状态时高超声速飞行器不确定性模型,应用多环QFT设计了高超声速飞行器纵向飞行控制系统;仿真结果表明,运用QFT方法设计的控制系统不仅具有良好的跟踪性能和抗干扰性能,而且能够很好地解决飞行控制系统由于模型参数具有不确定性而造成的控制系统鲁棒性设计问题,并从工程应用角度为高超飞行器纵向飞行控制系统提供了一种鲁棒控制设计方案。     

应用图像形状分析的飞机目标方位角识别算法

飞机姿态信息与其速度、加速度之间的密切联系决定了利用该信息可以更精准、更及时地估计目标的运动学属性.飞机姿态信息可以通过分析成像导引头获取的图像得到.针对红外图像中飞机目标的机头方位角识别问题,提出了一种适用于任意成像姿态角条件下的飞机方位角识别策略.首先求取飞机轮廓的距离一角度标记图,进行中值滤波和角度拓展预处理,再利用最小二乘曲线拟合方法检测标记图曲线的峰值点.基于飞机机头、机翼、机尾空间分布的先验知识,结合标记图峰值点幅值和角度的逻辑关系进行推理,识别出飞机方位角.仿真实验分析表明:与传统Hough变换方法相比,该算法具有更广泛的适用性,识别概率可达到90%以上,且简单高效.     

高超声速飞行器最优PIF-LQR控制器设计

以一类通用高超声速飞行器的非线性纵向模型为研究对象,对其线性化后,应用LQR理论设计了一种多输人多输出的最优控制器.通过引入比例积分滤波器(PIF),有效地抑制模型参数变化所引起的扰动,实现飞行器对速度和高度变化指令精确跟踪.将所设计控制器应用于具有不确定参数的高超声速飞行器扰动模型,通过仿真对控制器的鲁棒性进行评估.仿真结果表明,尽管存在参数不确定性,所设计控制器能够满足高超声速飞行器在复杂飞行条件下的控制要求,具有较强的鲁棒性.     

基于模型参考的高超声速飞行器自适应滑模控制

针对高超声速飞行器过渡段的姿态控制问题,提出一种基于模型跟踪的自适应滑模直接力/气动力复合控制方法;该方法选择法向过载和俯仰角速率作为状态变量,实现了系统全状态反馈,在滑模控制中通过引入自适应机制克服吸气式冲压发动机不同工作状态引起的被控模型参数不确定性,利用Lyapunov理论证明了闭环系统全局渐近稳定性;不同条件下仿真结果表明,所设计方法对攻角指令有较好的跟踪效果,对模型不确定性具有较好的鲁棒性.     

高超声速飞行器的模糊CMAC神经网络控制器设计

由于采用机体一体化设计,吸气式高超声速飞行器的气动特性难以准确获知,建立的数学模型是极不准确的;设计了一种模糊CMAC神经网络(FCMAC)控制器及其学习算法,在CMAC神经网络控制器中结合模糊逻辑理论,使得CMAC控制器具有自学习能力;仿真用高超声速飞行器的纵向模型对该控制器进行了验证,证明该控制方法能够有效地跟踪飞行器的高度和速度指令。