导弹与载机间的最优协同制导

针对机载防御导弹与其载机协同对抗来袭导弹的最优制导律进行研究,保护载机安全的同时,增加防御导弹的命中概率并降低对控制量的需求。基于线性二次型最优控制理论和对攻击导弹制导方式的合理假设,设计了一种防御导弹与载机双向协同的最优制导律,并给出了一种载机单向协同防御导弹的衍生形式。两种协同制导方式都具有解析形式,且适用于攻击导弹、飞机和防御导弹具有高阶控制系统动态的情况。双向协同情况下,防御导弹采用所推导的最优制导律拦截攻击导弹,以保护飞机,而飞机则向着减少防御导弹脱靶量和控制量的方向上主动规避机动。通过非线性系统仿真对两种协同制导方式进行了性能分析和比较,结果表明两种制导方式都可以有效拦截攻击导弹,且双向协同方式对导弹控制量的需求更低。     

基于捷联导引头最优制导律工程实现研究

推导了考虑自动驾驶仪二阶动力学和目标机动的最优制导律,建立了基于捷联导引头的制导系统模型.根据所建模型,提出了一种利用卡尔曼滤波估计形成最优制导指令所需状态量来实现最优制导律的方案,并进行了仿真分析.仿真结果表明:卡尔曼滤波器可以准确快速地估计形成最优制导指令所需的状态量;采用最优制导律的导弹在制导过程中最大实际过载和制导末端过载都比采用比例导引的导弹小,采用最优制导律的导弹比采用比例导引的位置误差小.     

基于二级信息融合的装备故障诊断方法

针对武器装备故障诊断的多故障问题和单一诊断方法推理能力弱、匹配能力差的缺点,采用RBF神经网络数据级融合和DS证据理论特征级融合相结合的方法应用在二级故障诊断模型中,给出了模型实现步骤,并结合某型导弹制导电子箱故障诊断进行了实验验证.该法使诊断不确定性大大减小,克服了单一方法的缺陷与不足,并使武器装备故障诊断的准确度得到提高.     

Cooperative differential game guidance strategy for active defense

针对飞机相比于攻击导弹在飞行速度和机动性上处于一定的劣势的情况,提出了一种飞机与拦截导弹协同对抗攻击导弹的制导策略.该制导策略基于线性二次型微分对策理论,可适用于对策3方(飞机、拦截导弹和攻击导弹)为任意阶控制的情形.由于与飞机之间的协同,拦截导弹可以实现弹道的及时调整,从而提高寻的性能.基于对策3方一阶控制系统动态假设进行了非线性仿真验证,结果表明该协同微分对策制导策略不仅可以实现对攻击导弹的有效规避或拦截,且相比于传统双方优化线性二次型微分对策制导策略,具有较好的寻的性能和较低的机动性能要求.     

飞航导弹双平面纵向综合制导技术

根据飞航导弹对面攻击的需要, 针对可以获取的信息,设计了视线角信息 框架下的双平面导引规律,以实现指定入 射角的攻击,并从理论上进行了分析。以 此为基础,考虑到弹体和控制回路的特性, 完成了一种便于工程实施的综合制导律, 改善了制导性能。通过充分利用飞航导弹 中制导阶段的弹道特性,解决了计算弹道 倾角时光滑低延迟垂速获取的难题。数学 仿真结果显示了所设计方法的有效性。     

基于保性能自适应RBF神经网络的MR半主动非线性鲁棒分散控制

该文针对模型参数不确定的非线性结构半主动分散控制问题进行研究。首先,采用退化Bouc-Wen滞回模型模拟层间恢复力,并考虑模型参数(质量、刚度和阻尼)不确定及子系统间的耦合项,建立了子控制系统误差状态方程;在此基础上,设计了由保性能控制项和自适应逼近控制项构成的子控制器,其中,保性能控制项通过求解转化为线性矩阵不等式的保性能控制问题得到,逼近控制项通过RBF神经网络自适应控制律确定,同时利用Lyapunov稳定性理论对其稳定性及权值有界性进行证明;从而建立了适用于不确定结构非线性振动控制的保性能自适应RBF神经网络鲁棒分散控制(GCARBF)算法。最后,对一8层非线性结构进行MR半主动分散控制设计及0.3 g~0.8 g地震下仿真分析,结果表明了所提算法的有效性与优越性。     

大型结构自适应学习率RBF神经网络滑模分散控制研究

为了有效处理土木工程结构分散振动控制中子系统间相互影响力和外界荷载不确定性的影响,提出了自适应学习率RBF神经网络滑模分散控制算法（DALRBFSMC）。首先利用Lyapunov稳定性理论设计了仅依赖于子系统位移和速度响应反馈信息的滑模分散控制律,在此基础上,结合RBF神经网络理论和经典梯度下降法,引入Lyapunov函数,推导了调整RBF网络权值的自适应学习率,进而得到能实时调节滑模分散控制律切换增益项的自适应学习率RBF神经网络滑模分散控制算法（DALRBFSMC）。同时,针对子系统不同划分方式及子控制器之间存在重叠,提出了多种分散控制设计策略。对ASCE 9层Benchmark模型进行多种分散控制和集中控制设计。仿真分析结果表明,该分散控制算法适用于不同的分散控制策略,重叠分散控制策略较传统集中控制策略而言有更好的控制效果;同时能使分散控制系统内各作动器均处于功效最大状态。     

建筑结构振动控制的趋近律滑移模态方法

本文应用变结构滑移模态控制理论中控制律设计的趋近律方法,对地震作用下建筑结构的振动控制问题进行了系统研究,推导了基于指数趋近律和幂次趋近律的变结构控制律表示式,讨论了最大控制力受到限制时控制力的确定方法。算例对比分析结果表明,本文控制方法能有效地减小结构的地震响应,具有较好的工程应用前景。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

具有类反斜线回滞系统的自适应控制

考虑一类具有类反斜线回滞的不确定非线性系统自适应控制问题.利用神经网络提出了变结构自适应控制方法和近似自适应控制方法,变结构自适应控制方法能保证跟踪误差趋于零,近似自适应控制方法的控制律是光滑的,能保证跟踪误差最终小于任意给定的正数.文中举例说明了结果的有效性.     

基于RBF神经网络的液黏调速离合器 活塞位移控制器设计

针对液黏调速离合器存在非线性和控制精度较低,难以满足工业领域较高的传动特性需求等问题,提出了基于RBF (radial basis function, 径向基函数)神经网络的液黏调速离合器活塞位移滑模控制策略。对液黏调速离合器局部结构进行改进,增设位移传感器和导电滑环以采集位移信号;建立了电液比例溢流阀和液黏调速离合器的数学模型,设计并分析了基于RBF神经网络的液黏调速离合器活塞位移滑模控制器;搭建了液黏调速离合器AMESim-MATLAB联合仿真模型。仿真结果表明：基于RBF神经网络的液黏调速离合器活塞位移滑模控制可以有效地适应液黏调速离合器的非线性,并解决滑模控制的抖振问题,能够提高控制精度,使液黏调速离合器控制器具有很好的鲁棒性,可以满足较高的工业需求。     

A novel RBF neural network for radar emitter recognition based on Rough Sets

With the spreading of radar emitter technology, it is more difficult for traditional methods to recognize radar emitter signals. In this article, a new method is proposed to establish a novel radial basis function (RBF) neural network for radar emitter recognition based on Rough Sets theory. First of all, radar emitter signals describing words are processed by Rough Sets, and the importance weight of each attribute is obtained and the classification rules are extracted. The classification rules are the basis of initial centers of Rough k-means. These initial centers can reduce the computational complexity of Rough k-means efficiently because of a priori knowledge from Rough Sets. In addition, basis functions of neural units of an RBF neural network are improved with attribute importance weights based on Rough Sets theory. The novel network structure makes the RBF neural network more effective. The simulation results show that novel RBF neural network radar emitter recognition can recognize radar emitter signals more effectively than a traditional RBF neural network, because of the improved Rough k-means and the network structure with attribute importance weights.     

智能滑模变结构控制在定长控制系统中的应用

提出了一种基于智能滑模变结构的定长自动控制系统设计方法，利用模糊神经网络在线调整滑模变结构参数，在定长控制系统中的应用表明了该方法的优越性和实用性。     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

结构滑模控制的一种指数趋近律方法

提出了一种指数趋近律 ,当正常运动段远离切换面时 ,能快速地趋向切换面 ;当运动接近切换面时 ,趋近速度又大大降低。这样与常用指数趋近律相比 ,过渡时间、系统的抖动以及所需控制力都能进一步减小。最后将这一理论应用到三层剪切型框架进行数值模拟 ,振动控制效果明显。     

光纤陀螺刻度因子的建模方法

针对低精度光纤陀螺(FOG)刻度因子线性度较差的问题,提出了采用径向基函数(RBF)神经网络对刻度因子进行建模的方法,以减小光纤陀螺输出误差。通过测量数据对 RBF 神经网络进行训练,获得神经网络参数,根据神经网络结构和参数可以得到非线性刻度因子的解析表达式,将其作为刻度因子的模型,来提高 FOG 的精度。同时将 RBF 神经网络对刻度因子进行建模的结果与传统的建模结果进行了比较,验证了采用 RBF 神经网络对低精度刻度因子建模是非常有效的。     

一种智能控制方法及其在温度控制系统中的应用

分析了一种基于神经网络的滑模系统，文中首先介绍了滑模控制理论，然后采用小波函数对神经网络参数进行训练，使之能对大滞后被控对象以及复杂工业过程也能进行有效控制。