"计算机控制技术"课程教改研究与实践

针对"计算机控制技术"课程的特点及学生难以将离散控制理论与工程应用实际结合的问题,本文采用案例教学法,将案例与该课程的章节及其它课程章节相联系,让学生认识到本专业知识的连贯性.经过两年的教学实践,该教学法提高了教学质量,培养了学生分析、解决问题的自主学习能力,有利于应用型专业技术人才的培养.     

基于BP神经网络的水力旋流器建模仿真研究

通过对某一固定的水力旋流器自身工艺的研究,确定水力旋流器的输入与输出。分2种情况对有相互影响的输入参数分别建立BP神经网络的模型和利用Matlab工具箱中的BP神经网络建立水力旋流器的三层神经网络模型。通过对收集的该设备的实例数据进行仿真训练,结果表明不仅是旋流器本身参数,调浆槽的液位等也会对旋流器效率产生影响。     

飞行器不确定性建模与μ-H∞鲁棒动态逆控制

针对动态逆方法作为一种先进飞行器控制方法因需被控对象精确的数学模型而难以保证算法鲁棒性的问题,在深入研究飞行器的不确定性模型基础上,将动态逆方法作为鲁棒控制的内环,对模型不确定性进行外环鲁棒控制补偿.在传统H∞控制基础上进行了μ综合的分析与设计,并进行了最差情况分析.从仿真结果可以看出,这种方法既保证了动态逆方法的鲁棒性,又提高了整体控制性能.     

动态事件触发的无人机非线性系统故障检测

本文在Hi/H1优化框架下, 研究基于动态事件触发的无人机非线性系统故障检测问题. 高空、长航时无人 机需要通过通信网络与地面站进行数据交互, 以实现故障检测等复杂功能. 为了充分利用有限的通信资源, 采用动 态事件触发机制决定是否将测量输入输出数据传送给故障检测模块, 若传输数据不满足触发条件则被丢弃, 因此, 故障检测性能不仅受到干扰和故障影响, 还受到非事件触发时刻数据与实际系统数据误差影响, 即事件触发传输误 差影响. 为此, 针对无人机非线性系统, 提出一种新的动态事件触发Hi/H1故障检测方法. 该方法可以在动态事件触 发条件下, 实现故障检测滤波器残差与事件传输误差完全解耦, 能够避免连续通信和Zeno现象. 在Hi/H1优化框架 下, 通过Riccati方程递归计算, 得到动态事件触发故障检测滤波器的最优解. 最后, 以无人机非线性姿态控制系统为 例, 验证所提方法的有效性和可行性.     

基于L1自适应的自动空中加油对接段飞行控制技术

在自动空中加油(AAR,automated aerialre fueling)对接过程中,加油机后方拖出的加油软管锥套受到加油机和受油机的双重气动干扰,呈现不规则摆动运动,受油机要实现与加油锥套的精确对接,要求其飞行控制系统具有鲁棒性和快速的自适应能力,为此提出采用自适应控制器方案,该方案以线性二次调节器(linear quadraticregulator,LQR)比例积分型控制器作为稳定闭环,在此基础上加入自适应控制器,仿真结果表明,采用自适应控制器的受油机自动空中加油飞行控制系统可以实现规定时间内的精确加油对接,既满足瞬态性能要求,又满足稳态精度要求,同时,还解决了由自适应参数跳动带来的舵机操纵过于频繁的问题.该方法可有效提高对接过程中受油机飞行控制系统的抗干扰能力,能够满足自动空中加油对接段的飞行控制要求.