CMAC神经网络模糊控制器设计

详细介绍了CMAC神经网络结构、中间层作用函数地址的计算方法、输出层权值的学习算法,并利用CMAC神经网络对水下机器人深度模糊控制器进行了学习。仿真结果表明,训练得到的CMAC神经控制器控制效果良好,中间层作用函数地址的计算方法正确。     

高超声速飞行器最优PI-Hinf控制器设计

研究高超音速控制器优化问题,由于控制系统存在较强鲁棒性和非线性,用传统方法寻优计算量大,影响实时控制.为解决上述问题,采用最优比例积分H无穷(PI-Hinf)二环控制方法对高速飞行器构型的输入/输出线性化模型进行了控制器设计.控制方法能有效地抑制模型参数不确定性带来的扰动并使系统达到很好的静态性能.对模型进行仿真,结果表明,所设计的控制器具有较强的鲁棒性,可以满足飞行器在复杂条件下飞行的控制要求,达到0误差的跟踪精度,为设计提供了依据.     

高超声速飞行器神经网络动态逆姿态控制器设计

以一类通用高超声速飞行器纵向模型为研究对象,推导了飞行器纵向姿态运动方程。考虑受到飞行器附加攻角扰动以及气动参数不确定性的影响,对运动方程中速率变化快慢不同的攻角和俯仰速率分别引入精确线性化动态逆反馈,并利用神经网络对系统逆反馈误差进行补偿,有效地抑制了模型参数摄动,实现了对攻角指令的精确跟踪。将设计的控制器对高超声速非线性模型进行系统闭环仿真,仿真结果说明所设计的姿态控制器具有抗参数摄动的性能,能够满足高超声速飞行器复杂飞行条件下的姿态控制要求,具有较强的鲁棒性。     

高超声速飞行器飞行轨迹的模糊控制设计

针对高超声速飞行器飞行过程中因干扰造成的飞行轨迹散布问题,提出了采用飞行器飞行轨迹的模糊控制设计方法。方法以高超声速飞行器飞行轨迹线偏差和线偏差变化率作为模糊控制器输入,采用模糊推理设计飞行控制系统。在完成高超声速飞行轨迹控制系统数学建模的基础上,结合自动驾驶仪特点对飞行轨迹模糊控制系统进行了设计。结论通过仿真表明所设计的飞行控制系统满足飞行轨迹及攻角性能要求,验证了方法的正确性。     

弹性体高超声速飞行器自适应控制器设计

研究控制器优化设计问题,为能使飞行控制系统精确跟踪控制指令,并抑制住机体的结构弹性振动,研究了一种带自适应结构滤波器的LQR积分控制器.其中,LQR积分状态反馈控制器用来跟踪飞行速度与航迹倾角指令,结构滤波器用来抑制弹性模态.由于在高超声速飞行过程中结构的振动频率与阻尼比是随时间变化的,造成弹性振动偏差大.为此设计了一种鲁棒估计器来在线辨识弹性模态,并将辨识的结构自然频率作为结构滤波器的中心频率.通过在吸气式高超声速飞行器纵向非线性模型上进行仿真验证,结果显示控制方法能很好地满足跟踪指令与结构弹性抑制的要求.     

高超声速飞行器基于Back-stepping的离散控制器设计

根据高超声速飞行器纵向模型的特点,提出了基于Back-stepping的离散控制器设计方法.首先通过合理的简化,将飞行器的模型转化为连续非线性系统的严格反馈形式;然后采用欧拉法得到其近似的离散模型,根据近似离散模型并结合Back-stepping和反馈线性化方法,设计了高超声速飞行器的离散控制器.利用高超声速飞行器的纵向模型对算法进行仿真验证,得到了较为满意的控制效果.     

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.     

基于神经网络补偿的高超声速飞行器滑模控制

针对吸气式高超声速飞行器的轨迹控制问题,提出了一种基于自适应径向基函数(RBF)神经网络的滑模控制方法.建立了高超声速飞行器的纵向动态模型;设计了滑模控制器,利用自适应RBF神经网络对系统不确定项进行在线逼近,对滑模控制器进行补偿;基于李雅普诺夫的稳定性分析证明了闭环系统的稳定性.仿真结果表明:控制系统能够实现对于高超声速飞行器给定指令的有效跟踪.     

高超声速飞行器的自抗扰控制器设计

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为不准确的;设计了一种自抗扰控制器(ADRC),分别设计了速度回路和高度回路的自抗扰控制器;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。     

一类高超声速飞行器自适应容错控制器设计

高超声速飞行器控制系统具有非常突出的强耦合、强非线性、时变的力学特性,在其研究与设计过程中,需要处理高速飞行带来的弹性形变、多输入多输出、气动参数不确定以及高温高热等原因导致的各种传感器故障和部分作动器故障等一系列问题,因此该类飞行器控制系统的研究与设计面临着传统飞行器控制系统研究所未有的困难和挑战.针对高超声速飞行器飞行过程中遇到的部分作动器故障问题,本文提出了非线性观测器与控制器一体化设计的高超声速飞行器自适应反演容错控制方法.首先将飞行器作动器故障模型转换为一类状态不能完全测量,且具有未知参数和未知控制增益的SISO输出反馈非线性最小相位系统,然后,基于改进的K-滤波器理论对状态向量进行重构,在系统只有输出可以测量的情况下,设计了一种新型观测器,确定出收敛的状态向量,设计出强自适应能力的控制器,保证了系统所有信号的有界性.在自适应反演设计时,采用动态面设计方法,引入一阶滤波器,得到虚拟控制量的微分,消除传统反演设计中的"项数膨胀"问题,用Lyapunov稳定性定理保证误差一致有界.仿真实验验证了该算法的有效性.最后以高超声速飞行器纵向通道为例,验证了上述理论.     

基于模糊系统的高超声速飞行器预测控制

高超声速飞行器跨临近空间飞行,具有高超声速、参数时变等特征。本文针对具有大范围时变参数的高超声速飞行器,为使其能有效地跟踪飞行器的高度和速度指令,将基于模糊系统的预测控制应用于高超声速飞行器的轨迹控制中,给出了详尽的设计方法。根据系统的跟踪误差在线调整模糊系统的权值,使其一致逼近高超声速飞行器模型中的未知非线性函数,基于李亚普诺夫原理,推导了规则参数调整的自适应律。仿真结果表明该算法对系统的不确定性有较强的鲁棒性,使高超声速飞行器控制系统具有较好的动态与静态品质,可应用于临近空间飞行器轨迹控制等领域。     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

高超声速飞行器姿态的变结构控制

针对高超声速飞行器运行环境中气动参数大范围变化可能导致失稳现象,构建高超声速飞行器姿态的滑模变结构控制器。通过多时间尺度理论将飞行器姿态控制系统分为内外双闭环子系统,分别为内外环设计滑模姿态控制律,保证控制系统对气动参数变化不敏感,能稳定准确地跟踪期望姿态角指令。仿真结果表明所提滑模变结构姿态控制算法性能良好,对气动参数变化有一定的鲁棒性。     

基于CMAC再励学习控制的电梯群控调度方法

提出一种新的智能优化调度方法，将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控系统的控制方案.该控制方法不需要过多的专家知识及学习样本,可以实现在线学习并具有较强的自适应能力,提高了系统的效率并且使系统性能得到优化.以层间交通模式为例对系统进行仿真,结果证明了该方法的可行性及有效性.     

高超声速飞行器的神经网络动态逆控制研究

针对通用的高超声速飞行器的纵向动力学设计一个神经网络动态逆补偿控制方法,并对其进行了分析;这种飞行器模型具有高度非线性、多变量、不稳定的特性,包括6个不确定参数;在4.5903km高度和15马赫的平衡巡航条件下的仿真研究,评价了飞行器对高度和空速的阶跃变化的响应;阶跃变化为速度30 m/s,高度40 m;通过仿真结果表明,采用神经网络补偿逆误差,弥补了非线性动态逆要求精确数学模型的缺点,而且可以简化动态逆控制律的设计,改善整个控制系统的性能。     

基于自抗扰技术的高超声速飞行器控制系统设计

高超声速飞行器在飞行过程中超燃冲压发动机对攻角及侧滑角有较严格的要求,为实现对攻角及侧滑角的精确控制,文章采用自抗扰控制技术设计了高超声速飞行器的攻角自动驾驶仪;首先建立高超声速飞行器控制系统的数学模型,然后采用扩张状态观测器对受扰对象的状态和干扰进行观测,并对状态误差采用非线性反馈,对观测的干扰进行补偿,从而实现对干扰的快速抑制和对指令的精确跟踪,最后仿真表明所设计的自动驾驶仪满足性能要求,验证了该方法的正确性。     

遗传算法复合控制在纸浆蒸煮中的应用

本文根据造纸车间的纸浆蒸煮过程,提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化对纸浆蒸煮的温度控制,用遗传算法优化PID控制器的初始参数,然后再结合CMAC网络进行控制。仿真试验研究表明该方法用于纸浆蒸煮温度控制是可行的,控制效果得到显著提高。     

高超音速飞行器鲁棒控制研究

针对高超音速飞行器具有高度非线性、输入输出之间强耦合以及参数不确定等特点,提出了基于随机鲁棒设计的动态逆控制;这一控制方案基于系统控制需求,利用蒙特卡罗仿真方法建立目标函数,并通过遗传算法最优化系统设计参数,该控制方案将动态逆控制的非线性解耦控制能力与随机鲁棒设计的强鲁棒性结合,保证了飞行的纵向稳定性,改善了其控制性能;基于某常规高超音速飞行器纵向模型进行仿真验证,结果表明该方案能够满足系统控制需求且具有强鲁棒性。