神经网络动态逆在歼击机安全着陆中的控制

给出了基于神经网络动态逆的自适应跟踪控制方法,用以解决飞机着陆过程中的复杂非线性和出现舵机故障的情况.应用神经网络直接对非线性系统故障模型求逆,使得所设计的逆系统能够包含故障信息,克服了传统的控制设计中将过程模型线性化,从而将不可忽视的非线性关系用线性关系代替或忽略的弊端.对由于建模误差、不确定性因素等引起的非线性系统逆误差,通过自组织模糊小脑模型关节控制器(SOFCMAC)神经网络在线进行修正.并在此基础上对3个通道分别设计了参考模型和线性控制器,以实现对伪线性系统进行跟踪控制.通过将这种方法用于某型歼击机在着陆过程中发生平尾卡死故障控制的过程仿真,验证了该方法的可行性.     

空间傅里叶变换红外光谱仪动镜速度稳定性研究

为了改善傅里叶变换红外光谱仪中动镜运动控制系统的动态性能和静态性能,设计了基于扰动观测器的非线性PID控制器。首先对该动镜驱动系统进行数学建模,分析系统中的非线性因素。之后给出了设计该控制器的理论依据。最后进行了数值仿真分析和实验验证。实验结果表明:动镜以133mm/s运动时,采用基于扰动观测器的非线性PID控制器控制时,系统响应超调量为0,上升时间为3ms,稳态均方差为0.0392,性能明显优于传统PID控制器。结果证明了该控制器的可行性和实用性,满足了干涉仪的动镜匀速性要求。     

基于单变量传输实现一类混沌系统同步控制方法研究

本文以单变量传输为前提,基于观测器理论,针对混沌系统的非线性项满足Lipschitz条件和不满足Lipschitz条件两种情况,分别给出了非线性观测器的设计方法.并把混沌系统作为目标系统,所构造的观测器系统作为响应系统,通过对观测器系统的控制器设计,实现了一类混沌系统的同步控制.     

基于自适应逆的无人直升机指令控制器设计

使用动态逆和在线神经网络相结合的方法设计了无人直升机的指令控制器。该方法用无人机的似线性模型的动态逆使系统反馈线性化，然后用一神经网络在线消除逆误差的影响。由于在线神经网络的自适应作用，消除了无人机未建模动态和不确定性的影响。仿真结果表明所设计的控制器具有较好的性能。     

基于微分对策的鲁棒导弹自动驾驶仪设计

针对导弹纵向通道存在干扰影响的问题,设计了一种复合控制方案.首先,选取超螺旋干扰观测器估计未知干扰,并设计积分滑模控制器补偿输入干扰产生的影响;其次,基于微分对策理论,结合自适应动态规划算法,设计单评价神经网络在线求解自适应最优控制器来抑制非匹配干扰,利用Lyapunov稳定性理论证明了闭环系统的稳定性和评价网络权值的...     

一种神经网络控制器的容错设计与可靠性评估方法

本文以应用于电力控制系统中的人工神经网络快速汽门非线性适应控制器为例,详细论述了一种神经网络控制器的容错设计与可靠性评估方法,文中首先提出网络可靠性研究的重要性,以及本文所提出和容错设计与可靠性评估方法的通用性,然后详细介绍了一种神经网络快速汽门非线性适应控制器的设计结构和容错设计原理,最后根据设计的结果,得出了可靠性评估公式及其推广。     

基于自抗扰技术的四旋翼姿态解耦控制方法

针对小型四旋翼飞行器姿态控制问题,基于姿态非线性耦合数学模型,设计了一种自抗扰姿态控制器。引入自抗扰控制技术,介绍了自抗扰控制器结构,包括安排过渡过程,扩张状态观测器以及非线性状态误差反馈。针对模型非线性耦合特点,介绍了多变量系统的自抗扰解耦控制原理,并设计了一种自抗扰姿态解耦控制器。基于Simulink搭建仿真模型进行了仿真。参数整定及仿真结果表明,所设计自抗扰控制器具有强鲁棒性、抗干扰性,系统具有良好的动态性能和稳态性能,对非线性耦合系统能有效地控制。     

基于云模型自适应算法的船舶航向控制

船舶在航行的过程中往往会受到各种非线性因素的干扰:海浪干扰、风速、负载变化等.所以在这样的情况下,我们需要设计一种非线性的控制器.本文通过设计出一种新型的云模型自适应规则控制器来对船舶的航向进行控制,与传统的PID控制比较,通过仿真曲线,可以看出该自适应云模型控制器更简单,直观,在控制性能上鲁棒性更强.     

DVD光学头的BP神经网络自适应PID控制器设计

搭建了一套基于DVD聚焦循道伺服技术和双光子吸收三维光存储技术的双光头三维光盘存储系统.针对DVD光学读取头传递函数,采用BP神经网络自适应PID控制算法,构建PID控制系统仿真模型,通过BP神经网络的超强自学习和非线性逼近能力在线调整PID控制器参数,并进行计算机Matlab仿真.仿真结果表明,BP神经网络自适应PID控制算法提升了系统的响应速度,减小了系统的超调量.     

基于神经网络的PID控制及其仿真

提出基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.这里采用三层前向网络、动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能.最后用Matlab软件对一个实例进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,它可以获得满意的控制效果.