基于风扰动预测的阵风减缓最优控制研究

目前大多数阵风减缓控制方法都是等到飞机到达风场之后才起作用,由此带来了时滞与舵面速率饱和等问题。为了解决这一问题,提出了一种基于风扰动预测的阵风减缓控制系统方案。首先,对风扰动预测技术进行了研究,利用二阶互补滤波器实现了一种基于激光测风雷达获取的阵风信息与其它渠道获取的阵风信息的数据融合算法。其次,以某型民用飞机模型为对象,采用LQR方法设计最优状态调节器使得性能指标最小。接着,引入基于风扰动预测的前馈补偿,使得在未来阵风到达时飞机状态要尽可能保持不变。仿真结果表明,基于风扰动预测的阵风减缓最优控制系统能大幅度地减少阵风干扰对飞机法向过载和俯仰角速度的影响,证明了所设计的控制系统方案的正确性和有效性。     

基于CMAC-PID并行控制的阵风减缓控制系统

针对高速飞机飞行在大气干扰下,产生强烈阵风干扰,飞机方程存在未建模扰动,传统PID难以保证控制稳定效果,提出了基于粒子群优化策略的CMAC-PID并行控制的直接升力控制方法,并将其应用于飞机阵风减缓控制系统的设计中.采用乘坐品质舒适指数作为适应度函数,通过粒子群优化,得到PID控制器参数为神经网络训练提高导师信号.在系统运行中,PID控制器输出逐渐趋近为零,CMAC网络控制输出逐步取代PID控制输出,成为控制器主要控制信号.仿真结果表明,提出的方法比传统PID控制器能够更加有效的起到阵风减缓效果增加稳定性.     

基于嵌套饱和方法的吊车系统非线性控制

针对吊车系统定位和防摆的控制要求,提出了一种基于嵌套饱和方法的非线性控制策略。对吊车系统动力学方程进行部分反馈线性化,并通过坐标变换将其转化为便于控制器设计的严格前馈级联规范型;在此基础上利用嵌套饱和非线性控制方法设计了吊车定位防摆控制器。仿真结果表明,该方法在较小的控制力作用下实现了吊车系统的定位和防摆,并且对于吊车系统参数的变化具有很强的鲁棒性。     

应用前馈神经网络的大柔性机翼阵风响应分析

大柔性飞行器因结构重量低、柔性大使得机翼等部件在受载时产生较大的弹性变形,呈现显著的几何非线性效应,因此准确的结构大变形建模方法对于几何非线性气动弹性分析至关重要,而神经网络对非线性系统具有强大的拟合能力,可通过将神经网络应用于非线性结构建模,构造适用于结构大变形的前馈神经网络预测模型,在样本特征和数据结构相对较优的条件下结合曲面涡格法,搭建非线性气动弹性分析框架,对某机翼模型进行阵风响应计算;结果表明神经网络模型能准确预测大柔性机翼结构大变形,应用到气动弹性分析后能进行准确的阵风响应计算,验证了将神经网络应用到结构大变形预测的可行性,为以后机器学习技术与气动弹性分析结合的研究提供思路和方法。     

基于神经网络非线性系统辨识和控制的研究

本文提出了由静态的前馈网络和稳定的滤波器构成的非线性系统的辨识模型，在神经网络固有的逼近误差存在的情况下，从理论上讨论了神经网络应用于辨识控制过程中系统的稳定性问题，最后研究了在非线性系统的轨迹跟踪过程中增加滑动控制来偿神经网络的逼近误差，从而提高系统跟踪性能。     

稳定的非线性系统广义预测控制

针对广义预测控制(GPC)算法稳定性分析困难,对参数未知非线性系统提出一种稳定广义预测控制(DGPC)方法。该方法首先将非线性系统转换为时变线性系统,然后利用三次样条基函数逼近时变系统中的系数,通过带时变遗忘因子的递推最小二乘算法辨识系数获得对象模型。基于模型通过性能指标中的前馈增益设计来保证控制系统稳定,仿真结果验证了该方法的有效性。     

基于遗传优化算法的飞行器伺服弹性模型修正

准确的气动伺服弹性分析模型对飞行器控制稳定性设计至关重要,本文提出了以飞行器地面伺服弹性试验数据为基准,采用遗传优化算法修正伺服弹性数学模型的方法,工程实际算例表明,该方法能够提高伺服弹性分析精度,可以为气动伺服弹性建模提供可靠基础.     

基于状态相关系数系统的非线性控制

针对非线性仿射系统的镇定问题,将待镇定系统表达成相应的状态相关系数系统.在短时段内,可以用一个线性定常系统逼近该状态相关系数系统,将该线性定常系统的镇定控制器用来控制原非线性系统.该设计方法的优点是:设计简单,只用到线性定常系统的控制方法,无需构造复杂的李亚普诺夫函数;扩展容易,可以结合各种线性系统设计方法进行控制器设计.在状态相关系数矩阵满足可换性条件时,可以保证闭环系统的稳定性.对小车倒立摆的仿真结果表明:用该设计方法构造的控制器可以很好地镇定系统.     

基于动网格技术的动力伞阵风响应研究

动力伞是一种特殊的柔性翼飞行器,在遇到阵风尤其是定常阵风时,无法像刚性翼飞行器一样通过副翼舵面的调整来控制飞行姿态,但是可以通过设计翼面的纵向同期运动,达到缓和阵风干扰的目的。文章以动力伞纵向模型为研究对象,引入动网格技术,设定了三个不同周期、不同幅度的同期振荡过程,并在FLUENT中实现了整个响应的动态数值仿真。对同期振荡运动时的气动特性进行分析,并研究比较了运动参数对阵风缓和的影响。实验表明:通过合理得设计动力伞翼面的主动运动方式,可以较好地抑制阵风引起的非定常气动干扰。     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

一种近似解耦方法在飞机侧风减缓中的应用

采用一种基于输出反馈,部分状态反馈和奇异摄动理论的近似解耦方法设计一个高增益比例积分控制器来实现对多变量系统的解耦控制.所得控制器结构简单,且解耦后的系统能得到良好的动态响应和较强的鲁棒性.文中以经改装后具有直接侧力操纵面的某型飞机为例,对其侧向平移模态进行了解耦控制设计,并将其应用于该飞机的阵风减缓.最后与不具有直接侧力操纵面的原飞机进行仿真对比.仿真结果表明,其产生的均方根阵风加速度比原飞机减少了约55%.     

电流滞环控制的三相能馈式电子负载的研究

文章提出了一种用于各种直流电源出厂试验的能馈式电子模拟功率负载.它能够实现对所模拟电阻值的无级调节,并能够将直流电能逆变为交流并入电网,实现电能的再生利用.文章分析了整个系统的结构和工作原理,并对其控制策略进行了研究.实验证明,该方案较好地实现了电子负载的功能,负载模块交流侧电流近似正弦,功率因数近似为-1.0.     

基于负荷曲线分类的电力负荷预测方法

根据负荷曲线的特性对负荷进行分类,用简单的模型描述和预测,对用户的月用电数据的预测结果表明,新方法能够得到更准确的结果,较准确地反映负荷变化情况.     

基于模糊神经网络PID的控制系统设计

目前,很多智能算法都融入到了非线性控制系统中,形成智能化的控制系统,例如神经网络、模糊控制等。本文结合神经网络和模糊控制,介绍了基于模糊神经网络PID控制系统的设计原理和实现方法。     

基于TCP连接与服务器负载的二级负载平衡策略设计

对传统的负载平衡技术进行简单介绍，提出一种基于TCP连接和服务器负载的二级动态负载平衡策略，提高了集群系统的性能。     

基于多路规划遗传算法的负载均衡方法

在负载均衡问题中,负载调度方法足核心,它的好坏直接影响均衡系统的性能.提出一种基于多路规划遗传算法的服务器端负载均衡算法.该方法借鉴生物界自然选择和自然遗传机制,模拟自然进化过程搜索最优解,为负载均衡问题提供了新的计算模型.同时,多路规划(多次交叉或变异)后取最优策略的应用,使得多路规划遗传算法的优化性能大为提高.该方法降低了服务器端请求的响应时间,提高了服务器端CPU的利用率,从而改善了系统性能.数据实例表明,该方法是可行的、正确的和有效的.     

基于流体观点的分布式负载平衡策略

为了实现群机系统内负载的平衡分布，提高资源利用率和系统的吞吐率，文章根据工作站群机负载的特点，将负载比作为流体，从而提出一种基于流体观点的负载平衡策略，为解决分布式系统中的负载平衡问题提供一种新的思路。     

基于神经网络的无人机负载模拟器的复合控制

衡量负载模拟器系统性能的关键指标是多余力矩的抑制。针对无人机负载模拟器系统的非线性及多余力矩强扰动的特点,依据神经网络的非线性逼近和自学习特性,提出了一种基于神经网络和前馈相结合的复合控制器,用来提高系统的性能。复合控制器利用前馈来补偿定常多余力,利用神经网络进行在线辨识、控制来补偿系统的非线性部分,很好地抑制了多余力矩。该文给出了具体的控制结构和算法。仿真结果还表明该方法极大地改善了系统动态加载性能,有很强的鲁棒性。     

基于Elman网络的非线性系统神经元自适应预测控制

提出在非线性系统的E1man网络辨识模型的基础上，用单神经元设计预测控制器的方案。Elman网络在BP网络的基础上，加入反馈信号，利用内部状态反馈来描述系统的非线性动力学行为，提高了学习速度，适合于动态系统的实时辨识。神经元结构简单，且有很强的自学习和自适应能力，它根据系统的期望输出与一步超前预测输出之间的偏差，并通过某种特定的学习算法在线调整控制器的参数，使控制器能够适应对象参数的变化，从而实现对一类非线性系统的有效控制。仿真实验证明了该方案的有效性。