基于遗传算法的四旋翼无人机系统参数辨识

建立准确地系统模型是实现四旋翼无人机的自动飞行控制的基础,为此提出了一种遗传算法,并将其应用于四旋翼无人机系统参数辨识当中。首先,根据四旋翼受力分析建立了小角度下的线性系统模型;然后,将遗传算法应用于线性模型未知参数的辨识中;最后,分别对比了滚转、俯仰和偏航方向的加速度值与实际测量值。实验结果表明在悬停状态或小角度飞行状态下,该辨识方法能够建立比较精确的系统模型。     

飞机舵面损伤的简单自适应重构控制方法

针对飞行控制系统操纵面损伤故障,采用简单自适应控制算法进行重构飞行控制系统（FCS）的设计．在应用简单自适应控制时,尤其是在操纵面发生不同损伤程度故障时,必须确保闭环系统的几乎严格正实性．通过求解线性矩阵不等式的可行解问题,得出并联前馈补偿器,确保闭环系统的稳定性和增广系统的严格正实性．利用某型飞机的侧向飞行控制系统模型,将该方法应用于飞行控制系统的重构设计．仿真结果表明,简单自适应控制方法不仅适合于正常情况下的飞控系统设计,而且对操纵面损伤故障具有较强的适应能力．与常规的线性二次型反馈控制器相比,提出的自适应控制器具有更好的跟踪效果和重构控制效果．     

无人驾驶动力伞飞行控制系统的设计

无人动力翼伞飞行控制系统,由飞行控制中心、传感器系统、机载伺服系统、地面测控系统、电源及整机电缆组成。软件则包括“地面测控软件”和“伞上控制软件”。系统采用PID改进的带盲区的非比例径向归航控制算法,获得较好的控制性能。     

基于视觉的智能车模糊PID控制算法

基于freescale公司的16位HCS12单片机设计一种智能车系统。系统摄像头采集路径信息,通过单片机的模糊推理机在线整定PID参数,使小车能按照任意给定的黑色引导线平稳地寻迹。实验证明：系统能很好地满足智能车对路径识别性能和抗干扰能力的要求,舵机调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性。     

机械振动结构的ARMRX建模及模态参数识别

由振动系统的运动方程建立了描述系统输入、输出和噪声特性的受控自回归滑动平均模型(ARMAX)。采用基于限定记忆的增广最小二乘算法估计其参数,克服了以往传统方法计算的复杂性,以及难以在线的缺点。仿真结果表明本文方法鲁棒性较好。     

基于E-learning的“自动控制原理”课程教学探索

介绍了E-Learning在线学习的内涵与特点,针对传统的自动控制原理教学存在的不足之处,探讨了其对传统教学的促进作用,并以基于E-learning的自动控制原理学习平台为例,分析了E-Learning在线学习对学生的学习兴趣、学习模式以及学习观念等因素的影响,对E-Learning的在线学习模式进行了有益的探索与尝试。     

基于BP 神经网络的自适应自抗扰控制及仿真

针对被控对象参数变化大而快、外扰严重且不确定的系统,参数固定的扩张状态观测器 (ESO)存在“总和扰动冶估计精度降低、控制效果较差的问题,提出了一种基于BP 神经网络的自适应自抗扰控制器(ADRC)。分析了引入自适应ESO 的意义,剖析了ESO 的结构,利用BP 神经网络在线调整ESO 参数并将这个自适应ESO 嵌入到ADRC. 仿真结果表明,改进的ADRC 较常规ADRC 具有扰动估计精度更高、控制量振荡幅度更小以及鲁棒性、抗干扰性更强的优点。     

拉伸试验仪的智能保护控制罩设计与研究

为了提高拉伸试验仪的安全性能和教学性能,通过对其挡板、夹头等部件进行改进和创新,设计了一种智能保护控制罩,并探讨了保护罩对拉伸试验仪工作的影响.研究结果表明:该智能保护控制罩能满足防护的基本要求,并提高教学的质量和效率.拉伸试验仪的安全性能和教学性能得到了很大程度的增强,因此,在实际工作和教学中根据情境需求,对拉伸试验...     

研究生课程教学的研讨式教学方法初探

课程教学是研究生培养中的一个重要环节,探讨适宜的课程教学方法将有助于研究生的创新思维、创新能力的培养。本文根据作者从事研究生课程教学的实践认为：应根据课程特点、课程内容采用相应的教学方法,其中研讨式教学方法是教学中值得提倡的方法之一,并结合所教课程重点从教学设计、教学实施。课后反思等方面,对研讨式教学方法的应用进行了探讨和总结。     

基于Vague-Sigmoid核函数的PSVM故障诊断算法研究

支持向量机因其相比于传统算法具有良好的分类性能,而广泛地应用于故障诊断研究中。但标准SVM存在训练时间长,占用内存大的不足。近似支持向量机（Proximal Support Vec-tor Machines,PSVM）算法具有训练速度快占用内存少的特点,特别适用于大量数据的故障诊断。但其对于分类超平面附近点的诊断精度略显不足。针对此类问题文中将耗时较少的Vague-Sigmoid核函数应用于PSVM,用以提高其对于在分类面附近样本的分类精度,仿真证明获得了较好的效果。