神经网络 PI 控制算法在燃气发生器上的应用

为解决燃气发生器喉部时变性使得控制系统对燃气发生器压力控制较为困难的问题,采用神经网络PI算法、模糊PI控制算法和PI算法进行压力控制仿真对比的方法,研究神经网络PI控制算法对容积时变的燃气发生器压强控制的有效性.结果表明:当燃气发生器自由容积变化15倍时,模糊PI算法响应速度是PI算法的8.0倍,且神经网络PI算法控制的压力超调量为0;3种算法中,神经网络PI算法响应速度最快,压力产生的超调量最小,可以较好地解决自由容积时变性带来的控制超调和响应慢的问题.     

一种流量可调燃气发生器压强控制系统建模及其半实物仿真

为了改进燃气发生器流量控制的精度,研究了一种燃气发生器的压强控制系统。建立了燃气发生器与气动执行机构的线性化数学模型,分析了燃气发生器压强控制系统的特点,并通过半实物仿真系统对压强控制系统进行了仿真验证,获得了燃气发生器内压强变化曲线。实验表明,压强控制系统是一个变化缓慢系统,并且其参数具有时变性。     

锥阀设计对燃气发生器的控制性能影响

在燃气流量调节系统实验过程中,为了控制燃气发生器的压强,分析锥形阀几何外形对喉部面积的影响.建立不同锥角和锥阀半径的锥阀数学模型,进行Matlab仿真,分析锥体半角和喷管直径对调节系统的影响.由仿真结果可知:在设计锥形阀的几何外形和喷管直径时,需要考虑调节阀行程、喉部面积、电机控制精度和加工精度等因素.该研究可为固体火箭冲压发动机燃气发生器的控制提供一定的参考.     

冲压发动机助推段压差分析

全状态点火试验是固冲发动机工作和性能参数测试的主要手段,也是冲压发动机在地面发射前的重要验证试验。冲压发动机点火瞬间助推器和燃气发生器存在较大的压强差,可能对石墨喷口、燃气流量调节舱造成破坏。文中从瞬态压强变化的角度,研究了点火瞬间助推器和燃气发生器的压强平衡过程并与试验结果进行了对比。结果表明,点火过程中会存在短暂的反向压强差,在结构设计时应考虑双向限位措施。     

基于BP神经网络的燃气流量可调固体冲压发动机推力建模方法研究

针对流量可调固体冲压发动机稳态数值模型建立的问题,提出了一种基于BP神经网络的建模方法。该方法利用数值计算与试车台试验数据相结合的方法,得到基于高度、马赫数、迎角、燃气发生器压强、补燃室压强五个关键特征参数的推力数据库,基于该数据库建立了多层BP神经网络模型,并对该模型进行了校核验证。结果表明:所建立的多层BP神经网络模型可精确预测理论数值计算模型,可代替复杂的数值计算模型或大规模的推力数据库,为固体冲压发动机弹上控制系统产品的研制奠定了基础。     

流量控制型燃气发生器的温度敏感度分析

对流量控制型燃气发生器使用压力指数不固定的推进剂时，根据初始温度确立了燃速的温度敏感度等参数的数学关系。该模型可用于端面燃烧式利用改变喉道面积进行流量控制的燃气发生器。提出了相对一定工作压力范围和燃料流量控制范围的计算例子。利用该结果可以鉴定满足要求的推进剂燃速特性。     

燃气流量调节系统间隙非线性特性控制研究

分析了可控流量固体火箭冲压发动机燃气流量调节阀中电动执行机构的间隙非线性特性对控制系统的稳态性能及动态性能的影响,对几种控制策略进行对比研究,最终选用带死区补偿的PI控制器作为燃气流量控制器,进行了数字仿真和半实物仿真。结果表明,传动机构间隙会造成闭环控制系统的自振荡,采用死区补偿能够有效抑制系统振荡,达到控制指标。     

固冲发动机的流量调节技术（3）调控系统软件设计

介绍了固冲发动机进气道流入的空气流量是随固冲导弹的飞行高度、速度和攻角而随机变化的,发生器的贫氧燃气流量与空气流量之比在化学恰当比附近保持为常数（等）是一种合理的调节．通过比较法,将发生器实时生成的燃气流量与等时实际所需的燃气流量相比较,有差别时,通过发生器喉面积调节,达到二者一致．说明了这种调节是在软件和硬件的共同作用下完成的．叙述了与控制系统硬件相辅相成的软件设计,包括上述比较法和论文（1）的静、动特性分析等基本软件,以及若干功能子程序和抗干扰专用软件设计．     

阀门作动速度对流量可调固体火箭冲压发动机动态响应特性的影响

利用数值模拟的方法,通过研究调节阀以不同速度作动时燃气发生器压强、燃气流量和发动机推力等参数的响应情况,分析了阀门作动速度对燃气流量可调固体火箭冲压发动机动态响应特性的影响.结果表明,调节阀作动速度对参数的响应速度和负调量均有较大影响,其过大或过小均不利于发动机整体性能的提高;在实际情况下,需要综合考虑,以选择合适的阀门作动速度.     

基于动态递归神经网络的玻璃窑炉温度双重控制

将双重控制策略应用到玻璃窑炉温度控制系统,实现油流量和油压的解耦控制.其主控制器采用动态递归神经网络逆控制器,应用反馈误差学习方法在线学习,并通过改进的L-M算法训练神经网络.副控制器采用常规PI控制器.主、副控制器共同作用于被控对象,保证系统具有良好的控制品质.仿真结果表明该控制策略有效.     

基于SA-GA-BP 的某爆破扫雷器电液伺服系统建模

为解决电液伺服系统的液压元件存在非线性时变性等不确定因素,使得难以对其建立精确模型的问题,提出一种基于模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)优化BP神经网络的建模方法.利用模拟退火算法(simulated annealing algorithm,SA)的概率跳变能力克服遗传算法(genetic algorithm,GA)存在的早熟现象,在此基础上采用模拟退火遗传算法的全局寻优能力优化BP神经网络的权值和阈值.以某型爆破扫雷器电液伺服系统为例,利用所提方法对系统进行离线辨识.仿真结果表明:基于SA-GA-BP神经网络的建模方法能很好地拟合系统固有的非线性和时变性特性,所提方法是有效的.     

神经网络在压合过程中的应用

针对将圆锥体压入薄壁筒的控制技术中,对位移传感器和压力传感器在线实时检测及执行机构气液增力缸的控制问题,在分析受外界干扰的情况下,为保证系统的稳定性和收敛性,采用基于递推最小二乘法的多层前向神经网络算法,并对它的条件参数进行了一般性的推导.该神经网络为3层前向网络,其隐含层神经元数为10个,输出层神经元数1个.包括输出层与隐含层、输入层与隐含层间权的调整算法.用典型PID算法和神经网络的控制算法分别仿真结果可见,神经网络控制解决了压合过程纯滞后的非线性问题,达到了预期的技术要求.     

履带车辆主动悬挂自校正控制研究

主动悬挂系统能使车辆的乘坐舒适性和机动性同时得到改善,其中执行机构和控制算法的优劣决定了主动悬挂系统的性能.履带车辆悬挂系统具有参数时变性,要使其在各种状态下都具有良好的减振效果,有必要使相应的控制系统具有变参数自适应功能.为此,该文运用衰减记忆递推最小二乘参数估计算法和广义加权最小方差自校正控制算法对系统进行控制,并利用压力伺服阀控制的液压缸作为执行器.理论分析和仿真结果表明,该文提出的控制系统是可行的,这种自适应自校正算法对系统中一些时变参数具有良好的适应性.     

基于新型小波神经网络和灰预测的电动负载模拟器控制

针对某火炮随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于新型小波神经网络和灰预测的控制策略。该策略主要由变结构的粒子群小波神经网络（VSPSO-WNN）控制器和灰预测补偿器（GPC）构成,前者利用粒子群优化（PSO）算法小波神经网络（WNN）的权值等参数,加快了系统的收敛速度,并利用自学习算法动态改变隐含神经元数目,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者在Lyapunov意义下系统稳定的基础上构造出灰预测补偿器,利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性。半实物台架仿真实验结果表明：该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力。     

基于改进进化规划的RBF网络二相码旁瓣优化

在研究雷达脉冲压缩信号中的二相编码距离旁瓣压缩问题基础上,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法.该算法将进化规划算法和神经网络结合起来,用径向基RBF(Radial Basis Function)神经网络结构取代多层前馈网络MFNN(Multilayer Feedforward Neural Nerworks)结构,用改进进化规划取代反向传播算法BP(Back Propagation),可以以较大概率快速的收敛到要求的旁瓣抑制指标.通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高.     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

基于卷积神经网络的路面识别及半主动悬架控制

路面对车辆的平顺性、操纵稳定性有直接影响,实时获取路面信息对提升车辆性能具有重要意义。针对传统路面识别方法中难以精确识别多种路面类型的问题,采用卷积神经网络对路面类型进行识别,并根据不同路面输入下悬架系统的输出响应来调整控制器参数,使可控悬架在不同路面下均保持最优性能。建立车辆1/4半主动悬架模型;搭建卷积神经网络基本结构并通过所采集的4种典型城市和非城市路面图像对网络进行训练以及测试;采用遗传算法求取沥青路、弹石路、砂石路、水泥路4种不同路面激励下悬架的最优控制参数;根据路面识别结果及优化结果实现悬架控制参数的自适应调整。仿真结果表明：基于卷积神经网络的路面识别方法能够对多种路面进行准确识别;基于路面识别和遗传算法的半主动悬架控制系统可根据不同路面类型自适应调整悬架参数,有效提升车辆性能。