排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
以异构多无人机协同执行复杂的耦合多任务为背景,提出一种求解分布式任务分配问题非死锁的顺序扩展一致性包算法.首先,建立考虑任务载荷资源、任务时序、威胁区等约束条件的时序多任务分配模型;其次,对一致性包算法的任务包构建过程和冲突消解规则进行扩展,并设计一种基于有向图深度优先搜索的方法进行任务方案的死锁检测和修正,以实现无冲突和无死锁的任务分配;然后,将关联任务之间的时序约束转化为软时间窗约束,利用顺序分层的策略进行求解;最后,为了提高任务分配结果的可靠性,采用Dubins曲线路径将航路规划耦合到任务分配中.仿真实验表明,所提出的算法能够快速有效地求解异构多无人机分布式耦合多任务分配问题,具备良好的最优性和时效性. 相似文献
3.
针对RLV再入段六自由度制导控制问题,给出了一种结合高阶滑模跟踪制导律和带干扰观测器的Backstepping姿态控制律的综合制导控制架构,实现了高精度通用RLV的再入六自由度轨迹跟踪的设计与仿真。以HORUS-2B飞行器为研究对象,基于约束预测校正方法规划了再入标称轨迹;针对轨迹运动方程建立了基于高阶滑模的纵向轨迹制导律和侧向制导逻辑,设计了带有干扰观测器的Backstepping非线性姿态控制器,保证RLV姿态角跟踪的快速性和精准度,并将制导系统与姿态控制系统有效融合。通过蒙特卡洛仿真证明了设计的六自由度制导控制律具有良好的轨迹跟踪和较强克服模型不确定的能力。 相似文献
4.
针对一类温度控制系统中存在的非线性和参数不确定等问题,提出一种复合神经网络自适应控制结构.在控制系统中构造了神经网络正模型来再现被控对象的动态特性,用神经网络控制器实现优化控制律的非线性映射.文中选用了被控对象80组历史数据作为样本集,并利用遗传算法的全局搜索能力及高效率来训练多层前向神经网络的权系数.最后用升降温工艺曲线作为输入对温度控制系统进行仿真.仿真结果表明,应用遗传算法能够提高神经网络的学习效率.保证神经网络全局快速收敛,从而克服了传统的误差反传学习算法的一些缺点.证明了采用这种神经网络自适应控制结构.使神经网络控制器的输出可以适应对象参数和环境的变化.使温度控制系统具有很好的学习和自适应控制能力,取得了良好的控制效果. 相似文献
5.
6.
一类不确定系统基于滑模干扰补偿的广义预测控制 总被引:1,自引:1,他引:1
广义预测控制(GPC)是基于非线性机理模型的一种优化控制策略, 但当系统存在内部不确定性、建模动态误差和外部干扰的情况下, 采用基于标称系统模型的GPC方法的系统性能将显著下降. 为此, 针对一类不确定非线性系统, 首先分析设计了一种基于不确定模型的理想GPC控制律; 同时设计了一种滑模干扰补偿器(SMDC)对系统的复合干扰进行估计, 将其输出作为补偿控制与标称GPC控制律结合以消除不确定性和外干扰的影响, 并利用Lyapunov理论分析了闭环复合系统的性能; 最后将其应用于一种高超声速飞行器(HSV)姿态控制系统, 仿真结果表明该方法具有很好的鲁棒特性和干扰衰减特性. 相似文献
7.
8.
为实现可重复使用运载器(Reusable launch vehicle,RLV)的再入段准确制导与鲁棒容错控制,提出了一种基于改进预测校正制导律和鲁棒容错姿态控制联合的方法.首先,设计改进倾侧角幅值模型和航迹方位角走廊的预测校正制导律,结合标称迎角剖面,在线计算得出姿态系统的输入指令;然后,针对控制系统的不确定/干扰及... 相似文献
9.
10.
1