基于改进粒子群算法的再入飞行器轨迹优化

采用基于距离量度和自适应惩罚相结合的约束处理技术的改进粒子群优化算法(PSO)应用于再入飞行器轨迹优化,避免适应值函数中复杂的罚函数及罚因子的设计,提高优化算法的通用性.以高超声速飞行器最小控制量再入轨迹优化为例,并对飞行器运动模型进行简化及控制量参数化.对两种不同的高超声速飞行器模型进行优化,仿真结果验证算法的有效性...     

高超声速飞行器基于Back-stepping的离散控制器设计

根据高超声速飞行器纵向模型的特点,提出了基于Back-stepping的离散控制器设计方法.首先通过合理的简化,将飞行器的模型转化为连续非线性系统的严格反馈形式;然后采用欧拉法得到其近似的离散模型,根据近似离散模型并结合Back-stepping和反馈线性化方法,设计了高超声速飞行器的离散控制器.利用高超声速飞行器的纵向模型对算法进行仿真验证,得到了较为满意的控制效果.     

近空间高超声速飞行器控制的几个科学问题研究

近空间高超声速飞行器的特点给其建模和控制带来了新的问题.本文 首先分析高超声速飞行器的特点,进一步给出 大包络飞行的统一模型.其次,总结了高超声速飞行器巡航控 制、再入姿态控制研究的现状,强调了弹性、非最小相位、再入制导控制一体化设计等问题. 最后,结合高超声速飞行器的发展,阐述了高超声速目标的拦截问题,提供未来可供研究的方向.     

基于模糊系统的高超声速飞行器预测控制

高超声速飞行器跨临近空间飞行,具有高超声速、参数时变等特征。本文针对具有大范围时变参数的高超声速飞行器,为使其能有效地跟踪飞行器的高度和速度指令,将基于模糊系统的预测控制应用于高超声速飞行器的轨迹控制中,给出了详尽的设计方法。根据系统的跟踪误差在线调整模糊系统的权值,使其一致逼近高超声速飞行器模型中的未知非线性函数,基于李亚普诺夫原理,推导了规则参数调整的自适应律。仿真结果表明该算法对系统的不确定性有较强的鲁棒性,使高超声速飞行器控制系统具有较好的动态与静态品质,可应用于临近空间飞行器轨迹控制等领域。     

近空间高超声速飞行器对控制科学的挑战

本文分别从6个方面讨论高超声速飞行器对控制科学带来的挑战：1）高超声速飞行器强耦合特征,解耦与耦合协调控制的区别与联系;2）高超声速飞行器异类多作动器的协调配合,以及冗余控制输入和一体化设计带来的控制科学问题;3）流体力学与控制的结合,面向控制的建模理论与方法;4）高超声速飞行器中相关的经典非线性、时变、优化与变分问题;5）高超声速飞行器控制过程中的飞行分段与问题分解;6）重视计算机的作用,有效结合计算机仿真解决工程问题．从高超声速飞行器实际需求出发提炼问题并加以解决,不仅对飞行器本身非常重要,而且会推动控制科学的发展．     

基于粒子群的高超声速飞行器闭环制导研究

对于高超声速飞行器的研究来说,凭借其超高的飞行速度和飞行高度,能够在短时间内飞行更远的距离。为了达到作战要求,需要规划整个飞行轨迹,而最为重要的便是上升段的制导问题。本文以X-33高超声速飞行器模型为研究对象,提出基于粒子群算法的闭环制导策略,实时修正飞行轨迹,使飞行器最终准确到达目标位置;并对该方法的可靠性进行了仿真验证。仿真结果表明,基于粒子群算法的闭环制导策略优化精度高,物理概念明确,能满足高超声速飞行器上升段的闭环制导需求。     

基于Backstepping的高超声速飞行器模糊自适应控制

提出了高超声速飞行器的模糊自适应控制方法.根据飞行器纵向模型的特点,分别设计了基于动态逆的速度控制器和基于Backstepping的高度控制器,模糊自适应系统用来在线辨识飞行器模型由于气动参数的变化而引起的不确定性,采用Lyapunov理论设计的自适应律保证了系统的稳定性与指令跟踪的精确性.仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了较满意的控制效果.     

基于高斯伪谱法的高超声速飞行器再入制导研究

针对高超声速飞行器再入标准轨迹制导方法中存在的制导准备周期长、弹上需存储标准轨迹参数、制导鲁棒性较差等缺点,提出一种基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案;其中,在线高斯伪谱法采用纵/侧向结合、全程一体化的制导算法思路,实现了对高超声速飞行器再入弹道的全程预测制导;同时结合滚动时域控制技术从工程上实现了高超声速飞行器再入制导中对开环制导信息的闭环应用,完成了飞行器预测-校正制导方案;通过对高超声速飞行器再入制导过程进行仿真分析,结果表明应用文章设计的基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案,飞行器再入过程中具有良好的制导性能。     

高超声速巡航飞行器推进系统建模与仿真

关于飞行器控制优化设计问题,在高超声速巡航飞行器概念研究中涉及多学科设计优化.为了开发出快速预测推进系统性能的超燃冲压发动机模型是非常必要的.在飞行器机身-发动机一体化和Cowl - to-tail气动-推进界面划分的基础上,分别建立了进气道内压段、隔离段、燃烧室、尾喷管模型以及发动机总体性能模型.应用一维流分析方法进行了高超声速巡航飞行器推进系统性能分析.最后以某类高超声速巡航飞行器为研究对象,进行了飞行器推进系统性能仿真.仿真结果表明建立的推进系统模型和使用的一维流分析方法用在飞行器概念研究阶段是可行、有效的,为优化飞行器推进稳定性控制提供参考.     

高超声速飞行器内部布局优化设计

针对高超声速飞行器内部空间形状复杂、容积利用率低、质量特性设计困难的特点,提出了一种两级协同进化的飞行器布局优化设计方法。给出了飞行器内部布局优化问题的描述形式,提出了两级协同进化算法并运用局部搜索策略、迁移策略和种群迁移策略以提高计算效率,以X-51高超声速飞行器的内部布局问题为例,建立复合模型并运用两级协同进化算法进行仿真,验证了所提出的优化设计方法的可行性,并提高了求解效率。     

基于扩张鸽群优化的舰载无人机横侧向着舰自主控制

舰载无人机着舰会受到舰尾流、航母甲板运动的干扰.为加快无人机在着舰时横侧向响应以及提高舰载机着舰对干扰的鲁棒性,本文提出了一种基于扩张鸽群优化算法的显式模型预测控制方法,并将其应用于舰载机姿态控制器设计,用于解决所设计控制器的参数优化问题.与基本鸽群优化算法、粒子群算法的仿真对比实验表明,相比传统智能优化算法,本文所提...     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

基于随机鲁棒设计的高超音速飞行器线性二次型控制

针对高超音速飞行器具有高度非线性、输入输出之间强耦合以及参数不确定等特点,提出了基于随机鲁棒设计的线性二次型控制。这一控制方案基于系统控制需求,利用蒙特卡罗仿真方法建立随机鲁棒目标函数,并通过遗传算法优化控制系统设计参数。该控制方案保证了飞行的纵向稳定性,改善了其控制性能。基于某常规高超音速飞行器纵向模型进行仿真验证,结果表明该方案能够满足系统控制需求且具有强鲁棒性。     

Longitudinal control of an intelligent vehicle using particle swarm optimization based sliding mode control

This paper focuses on the design of longitudinal controller for an intelligent vehicle which was built at Asian Institute of Technology based on sliding mode control. The proposed controller uses particle swarm optimization (PSO) for optimal tuning of sliding surface and controller gain in the sliding mode controller (SMC). The longitudinal control is conducted via controlling of throttle value angle using PSO-based SMC on the simplified first-order linear model of the intelligent vehicle and controlling of brake force using fuzzy logic. In order to achieve the desired headway time, integration of throttle valve angle control and brake force control is required. To obtain the optimal parameters of SMC, two equations velocity updating and position updating are applied. Firstly, the performance of proposed controller is evaluated by using MATLAB simulation to compare with conventional PD controller. Finally, the experimental results show that the proposed PSO-based SMC can perform efficiently in longitudinal control of the intelligent vehicle.     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

基于反步法的高超音速飞机纵向逆飞行控制

针对高超音速飞机纵向运动的数学模型具有严重非线性、不稳定、多变量耦合以及不确定的气动参数等特点，采用非线性动态逆控制与反步法相结合的方法为其设计飞行控制系统．该系统以非线性动态逆控制作为控制内环，通过将非线性的多输入多输出系统进行精确线性化，解除了多变量之间的强耦合关系；并以反步法作为控制外环．保证系统的全局稳定以及抑制不确定参数的扰动．仿真研究表明．所提出的控制方法可以确保高超音速飞机的纵向稳定性．改善其飞行品质．     

基于改进鸽群优化算法的多无人机目标搜索

在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务。鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标。针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进。仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性。     

面向环境探测的多智能体自组织目标搜索算法

针对在复杂非结构化环境下如何协调多个无人机发现静态或动态目标的问题,建立了自组织目标搜索算法框架。结合磁探仪等效平均探测宽度模型,受昆虫协调方式和鸟群效应的生物机制启发,提出了基于仿生集群算法的无人机集群分布式目标搜索模型;采用改进的自适应差分进化算法帮助无人机集群模型在环境中平衡勘探和探索,实现无人机群体的协同搜索优化。该自组织目标搜索算法旨在以最短时间实现跟踪目标数量的最大化。基于仿真平台的实验测试了该策略的性能,验证了算法对具有未知目标的非结构化复杂环境的适用性。     

基于改进免疫启发群聚集算法的群机器人自恢复方法

群机器人由许多简单的无差别的机器人组成,是多机器人系统的一个重要研究方向。虽然其相比个体机器人有良好的容错性和鲁棒性,但是在机器人发生局部故障--有信息交互能力但无驱动能力时,群机器人系统会受到影响。针 对这一问题,以基于生物免疫系统原理的肉芽肿形成算法为基础,引入离散粒子群算法选取最优的自恢复策略,使群机器人系统实现故障自恢复并更快更有效地完成任务。仿真实验结果表明该算法在群机器人自恢复系统中具有良好的效果。