变体飞行器链式平滑切换控制

针对变体飞行器在连续变形过程中的高度保持和姿态稳定问题,提出了一种平滑切换状态反馈控制器设计方法.建立了纵向运动的链式平滑切换系统模型,相比于传统的任意切换律和硬切换方案,所提出的模型能够更准确的反映变形过程的运动特性,且降低了设计的保守性.推导了链式平滑切换系统有限时间有界且具有鲁棒性能指标的充分条件,将增稳控制器设计转化为具有线性矩阵不等式组约束的优化问题.所设计的控制器虽然放宽了对系统渐近稳定性的要求,但能够保证系统状态在变形时间段内有界稳定,且兼顾了实际的舵偏响应.控制算例和非线性仿真验证了所提方法的有效性.     

分布式驱动的变体飞行器仿真系统设计与实现

针对由20个智能体搭建而成的变形翼硬件系统,通过集成可视化的翼型控制、进程通信、气动数据存取等模块,使用面向对象软件开发研制了基于变参数模型的变体飞行器仿真系统。系统能够与底层硬件实现控制通信,并能实时综合目标翼型和气动参数提供给飞行仿真程序,同时能够显示变形效果。运行结果表明,系统能够有效完成变形翼控制和变体飞行器的飞行仿真。     

赋权控制分配策略的空间优化设计

为提高静态赋权控制分配策略虚拟指令可达集的使用率,基于改进粒子群算法提出了一种离线确定控制指令最优化权值的空间优化设计方案.分别建立了加权伪逆法和混合优化法的数学模型,推导出统一的控制律形式,并给出了构造可达集空间的算法:引入量子和遗传因了,通过粒子的交叉操作增强粒子群的多样性,以快速求解控制指令权值的全局最优点.仿真结果表明,设计的方案可以实现赋权控制分配策略可达集空间的最大化.     

推力矢量飞行器的自抗扰控制设计及控制分配

推力矢量飞行器往往需要在大功角等具有大不确定性和强非线性的区域高质量地完成飞行动作,因此,如何应对大范围不确定性是推力矢量飞行器控制设计的关键问题.另一方面,推力矢量飞行器包含多种控制输入并且不同控制输入具有不同物理特性.因此,控制输入分配也是推力矢量飞行器控制设计的关键问题.为了对付大范围的不确定性,本文引入虚拟控制量的概念,采用自抗扰控制技术实现对飞行过程中的总扰动的实时估计和补偿.进一步,考虑控制输入的物理约束条件,提出了保证虚拟控制量达到设计值并使得发动机能耗最小的控制输入分配方案.通过建立对应的优化问题,严格分析其最优解的性质并提出了有限步求解最优控制分配输入量的算法.在仿真环境下,提出的控制算法有效实现了推力矢量飞行器大功角区域的机动动作,并能应对大范围的气动参数不确定性.     

基于改进火力分配模型的综合防空火力智能优化分配

针对综合防空火力分配中,传统火力分配模型没有全面考虑火力通道射击效能因素,且在火力资源相对充足的情况下火力资源易浪费和易延误战机的问题,将射击有利度、飞临时间与威胁度等因素结合,构建一种新的综合防空火力分配模型.基于此模型,针对来袭目标、火力节点以及制导节点3者之间的火力优化匹配问题,提出一种基于深度优先搜索预处理的多种群并行布谷鸟搜索算法(PMPCSA).该方法采用Prolog智能规划语言构建目标-火力节点-制导节点匹配规则库,在规则库中利用深度优先搜索快速生成可行的目标-火力节点-制导节点的匹配预处理方案;采用多种群并行布谷鸟搜索算法,对得到的可行分配空间进行搜索,通过引入多种群并行优化搜索,不同种群赋予不同控制参数的思想,兼顾算法的全局探索和局部开发能力,可有效提高算法寻优效率.最后,通过仿真结果验证所建综合防空火力分配模型的优势性,同时表明,所提出的PMPCSA算法能有效地平衡全局探索与局部开发,在保证较高收敛速度的同时,提高全局探索能力.     

近空间无尾飞行器解耦与控制分配方法研究

关于飞行器稳定性优化控制问题,由于近空间无尾飞行器具有典型的通道间强耦合且多个操纵面介入单个通道控制,执行机构的复杂化和非线性导致控制系统设计实时性和响应性差,精度达不到要求。为提高姿态控制器控制精度,减小力矩分配误差,提出通过解耦控制系统和控制分配逻辑来分别解决对象的耦合和多操纵面的力矩分配问题。通过将动态逆设计方法与变结构控制理论相结合,设计了一种强鲁棒性的解耦控制律,并在加权伪逆算法的基础上,提出采用舵面偏角修正操纵面的效率矩阵,从而实现了强耦合非线性对象的高精度控制。仿真结果表明,控制器解耦效果良好且具有较强鲁棒性,控制分配算法减小了80%力矩分配误差,满足了飞行器的控制需求。     

基于力矩补偿与分配的多操纵面飞机飞行控制设计

针对多操纵面飞机舵面冗余和强非线性气动特征, 提出了一种基于力矩补偿与分配的非线性飞行控制系统设计方法, 采用指令－力矩－舵面的间接形式, 外环采用模型跟踪方法生成满足飞行品质要求的力矩指令, 内环采用力矩补偿结合控制分配的设计方法, 控制各舵面实现期望控制力矩. 以革新性操作效率器(ICE)飞机为对象进行了仿真验证, 结果表明力矩补偿与分配系统可实现准确的力矩跟踪, 系统对参数的变化有较强适应能力, 所设计的飞行控制系统能够依据参考模型对控制指令进行跟踪, 各控制通道间耦合被有效抑制.     

基于力系简化神经网络的过驱动控制分配

针对过驱动系统的控制分配问题,该文提出直接利用神经网络实现最优控制分配。首先,结合空间力系简化原理以及自编码器训练方法,提出力系简化神经网络结构;然后,利用双循环训练流程和均匀分布随机生成数据集训练神经网络;最后,基于单刚体控制分配任务验证方法可行性。在实验部分,总结出适用于控制分配任务的损失函数和学习率更新方法,并得到神经网络模型。悬浮控制实验和轨迹跟踪控制实验证明训练得到的神经网络模型可用于过驱动系统的控制分配,并且相比二次规划,不存在偏见,同时能减少40%多余控制量。     

分布式汽车驱动力能量效率优化分配控制

充分利用分布式驱动汽车信息源多的特点,根据扩展卡尔曼滤波算法（EKF）建立观测器对车轮侧向力进行在线估计。通过改进的车辆线性二自由度模型制定系统控制目标,依据车轮侧向力观测值设计了基于滑模变结构控制的直接横摆力矩控制器。全轮驱动力综合优化分配策略同时考虑了轮胎负荷率与驱动电机效率,完成了对车轮稳定性与能量效率的耦合控制。通过Carsim-Matlab/Simulink的仿真表明,整个系统实现了对车轮侧向力的准确估计,提高了目标直接横摆力矩计算的准确性。驱动力综合优化分配在提高车辆路面附着余量的同时也提高了各驱动电机的综合效率,进一步提高了车辆的能量利用效率。     

和声蚁群耦合算法求解整数规划的应用研究

针对于求解一般的整数规划问题,提出了和声蚁群耦合算法。采用和声搜索更新种群策略和个体扰动策略改善了蚁群算法过早收敛的问题,同时采用蚁群算法对寻优路径信息素的正反馈来加快和声搜索收敛于最优路径。实验结果表明,相比于蚁群算法和和声搜索算法,新算法大大提高了一般整数规划问题的搜索效率。     

Polyhedral studies for minimum-span graph labelling with integer distance constraints

This paper studies the polytope of the minimum‐span graph labelling problems with integer distance constraints (DC‐MSGL). We first introduce a few classes of new valid inequalities for the DC‐MSGL defined on general graphs and briefly discuss the separation problems of some of these inequalities. These are the initial steps of a branch‐and‐cut algorithm for solving the DC‐MSGL. Following that, we present our polyhedral results on the dimension of the DC‐MSGL polytope, and that some of the inequalities are facet defining, under reasonable conditions, for the polytope of the DC‐MSGL on triangular graphs.     

On the use of mixed‐integer linear programming for predictive control with avoidance constraints

This technical note concerns the predictive control of discrete‐time linear models subject to state, input and avoidance polyhedral constraints. Owing to the presence of avoidance constraints, the optimization associated with the predictive control law is non‐convex, even though the constraints themselves are convex. The inclusion of the avoidance constraints in the predictive control law is achieved by the use of a modified version of a mixed‐integer programming approach previously derived in the literature. The proposed modification consists of adding constraints to ensure that linear segments of the system trajectories between consecutive sampling times do not cross existing obstacles. This avoids the significant extra computation that would be incurred if the sampling time was reduced to prevent these crossings. Simulation results show that the inclusion of these additional constraints successfully prevents obstacle collisions that would otherwise occur. Copyright © 2008 John Wiley & Sons, Ltd.     

Parametric tabu-search for mixed integer programs

A parametric form of tabu-search is proposed for solving mixed integer programming (MIP) problems that creates and solves a series of linear programming (LP) problems embodying branching inequalities as weighted terms in the objective function. The approach extends and modifies a parametric branch and bound procedure of Glover [Parametic branch and bound. OMEGA, The International Journal of Management Science 1978;6:1–9], replacing its tree search memory by the adaptive memory framework of tabu-search and introducing new associated strategies that are more flexible than the mechanisms of branch and bound.     

Task allocation and trajectory planning for multiple agents in the presence of obstacle and connectivity constraints with mixed‐integer linear programming

This article addresses the problem of maneuvering multiple agents that must visit a number of target sets, while enforcing connectivity constraints and avoiding obstacle as well as interagent collisions. The tool to cope with the problem is a formulation of model predictive control including binary decision variables. In this regard, two mixed‐integer linear programming formulations are presented, considering a trade‐off between optimality and scalability between them. Simulation results are also shown to illustrate the main features of the proposed approaches.     

Spherical cuts for integer programming problems

We introduce a new family of valid inequalities for general linear integer programming problems, based on the distance of the relaxed solution to the closest integral point. We show that these are valid cuts, establish some relations with Balas' intersection cuts, and show that a straightforward cutting plane algorithm derived from either spherical or intersection cuts will in general only converge if a suitable Gomory‐type strengthening is put in place.     

求解整数线性规划的一种高效隐数搜寻

提出了一种求解整数线性规划的新的隐数算法。首先,该算法引入了一组线性变换,将线性松弛问题的最优非基变量变换到一组新变量,使新变量有更小的取值范围。然后,在目标函数超平面上对非基变量和新变量进行隐数计算,从而大大提高了隐数搜寻的效率。     

整数规划的量子行为蝙蝠算法

蝙蝠算法是一种新型群体智能算法,传统的蝙蝠算法在解决整数规划问题时容易陷入局部最优并出现早熟收敛现象,为了解决这些弊端,提出了一种基于势阱的具有量子行为的蝙蝠算法。论述了算法的优化原理和实现方式,并通过仿真实验,与粒子群算法和量子行为粒子群算法进行性能对比。实验结果表明,量子行为蝙蝠算法不仅能够有效地解决整数规划问题,而且比其他算法具有更好的性能。     

先进布局无人机多目标自适应概率引导控制分配

针对先进布局无人机多操纵面冗余的控制分配问题, 提出一种基于自适应概率引导的混合多目标控制分配方法. 首先, 根据冗余舵面操纵特性, 建立带约束的舵面动态效能模型, 提出精度需求不同的混合多目标优化指标. 随后, 为了综合平衡各目标寻优精度与求解速度提出基于自适应概率引导的多目标粒子群控制分配方法. 该方法根据各目标最优值与期望精度差值构建自适应概率函数, 依概率选择全局最优解, 引导种群向各目标期望精度方向精细搜索以提升算法解算精度, 减少无用搜索以提高求解速度; 同时, 根据收敛性指标增加变异因子, 避免算法陷入局部最优. 最后, 仿真验证该方法可有效处理舵面耦合及非线性特性, 减少能耗损失, 实现操纵面多目标控制分配, 使得无人机快速平稳跟踪控制指令.