基于神经网络干扰观测器的导弹飞行控制器设计

利用RBF神经网络的自学习能力,并结合非线性动态逆原理,设计了一种基于RBF神经网络干扰观测器的导弹动态逆控制器。根据时标分离的原则,可将导弹系统分解为快慢不同的四个回路,本文主要对快、慢两个回路分别设计动态逆控制器,并且在慢回路利用RBF神经网络干扰观测器估计导弹所受的扰动,同时,用于在线估计动态逆误差,降低了控制器对干扰和模型精确度的要求,增强了控制器的适应性。仿真结果表明,该控制器具有有效性和鲁棒性。     

基于在线神经网络的无人机着陆飞行自适应逆控制器设计

基于在线神经网络设计了无人机着陆飞行自适应逆控制器。根据时标分离的原则,将无人机系统分解为快慢不同的四个回路,采用动态逆的方法设计快回路、慢回路和非常慢回路控制器,并且在慢回路和非常慢回路用基于在线神经网络的干扰观测器逼近无人机所受的扰动和动态逆误差,降低了控制器对干扰和模型精确度的要求,增强了控制器的鲁棒性。仿真结果说明所设计的无人机着陆控制器是非常有效的。     

扰动观测器在惯导平台稳定回路中的应用方法

惯性技术的发展对惯导平台稳定回路稳定性、抗干扰性等性能的要求越来越高,但摩擦力矩以及其他各种干扰力矩对稳定回路性能的进一步提高产生了严重影响。为了有效克服这些干扰力矩对稳定回路性能的影响,在传统比例微分积分(PID)方法对稳定回路进行控制的基础上,提出了一种利用扰动观测器来抑制干扰力矩以提高稳定回路性能的方法。通过利用回路中力矩电流和角速度信息构成扰动观测器,对作用于平台系统的干扰力矩进行抑制。仿真结果表明,扰动观测器的引入没有影响原有PID控制稳定回路的动态性能,且能够对干扰进行有效的抑制,提高了稳定回路的稳定精度和抗干扰性。     

基于动态逆非线性干扰观测器的BTT导弹自动驾驶仪设计

在时间尺度分离法的基础上,建立了BTT导弹分层控制模型。针对导弹气动参数的不确定性及外界干扰对导弹控制性能的影响,利用非线性干扰观测器对干扰的逼近特性,结合动态逆控制设计了非线性导弹自动驾驶仪,并基于Lyapunov方法,给出了整个系统的稳定性证明。仿真结果表明,设计的控制方案增强了系统的抗干扰能力,保证系统具有良好的鲁棒性。     

基于直接升力的空中加油对接飞行控制

为解决传统空中加油对接过程中受油机纵向轨迹跟踪控制存在时间滞后的问题,提出一种基于直接升力的空中加油对接飞行控制方法.采用非线性L1制导的方法生成横纵向加速度指令,设计2种直接升力方案对受油机纵向轨迹控制加以改进,采用动态逆方法对姿态回路设计,通过扩张状态观测器对动态逆内回路进行补偿.仿真结果表明:采用的2种方案均能消除纵向轨迹跟踪的时间滞后,实现受油机纵向轨迹的快速响应,完成空中加油的成功对接.     

基于加速度测量的高超声速飞行器抗干扰控制

针对吸气式高超声速飞行器气动特性复杂且不确定性强的特点,提出了一种基于加速度测量信号,包括内、外双回路设计的反步抗干扰控制方案。外回路在反步法中引入传感器所测加速度信号,并设计非线性干扰观测器对复合干扰进行观测与补偿;内回路设计采用基于奇异摄动理论的动态逆方法,利用Lyapunov理论证明了系统的一致最终有界。该控制方案均基于传感器可以直接测得的信号构成控制,对气动参数不确定鲁棒性强,且通过干扰观测进一步提高系统抗干扰能力。仿真结果表明,反步抗干扰控制方案在强不确定性与外部干扰条件下,可获得理想的控制效果。     

基于SMDO-NGPC的无人机姿态控制律设计

针对无人机在飞行过程中存在的强非线性、快时变、强耦合,以及参数不确定和外部干扰情况下的鲁棒性差等姿态控制问题,采用了基于滑模干扰观测器的非线性广义预测控制算法对姿态控制律进行了设计。该方法融合了非线性广义预测控制算法的良好动态性和滑模干扰观测器的强鲁棒性,将无人机的姿态分为快、慢两个回路并分别将该方法应用到两个回路的控制律设计中,最后设计出快、慢回路控制律表达式及滑模干扰观测器模型。仿真结果表明:基于滑模干扰观测器的非线性广义预测控制算法的无人机姿态控制律能够克服外界干扰及气动参数大范围摄动的影响,具有良好的控制性能和抗干扰能力,可以更好地适应无人机快时变、高精度和强鲁棒的控制要求。     

基于干扰观测器的高超声速飞行器稳定回路设计

通过对基于干扰观测器的PID控制器的设计,对高超声速飞行器稳定回路进行设计和仿真。研究结果表明：基于干扰观测器的纵向稳定回路的设计,飞行器控制系统能有效地抵抗飞行过程中存在各种各样的干扰．以及控制干扰信号的干扰．很好地满足了飞行控制系统性能指标。     

基于自适应逆的无人机着陆控制

给定动态系统的控制主要解决三个问题：动态系统的稳定性、控制目标以及干扰控制。传统的控制方法使用反馈同时解决这三个问题,需要折中获得较好的效果。本文提供一种分开解决这三个问题的方法。这种方法适用于单输入单输出和多输入多输出的线性系统以及非线性系统。通过在输出端获取干扰信号,经过滤波,反馈到输入端来完成干扰的最优控制,且反馈回路并不影响系统的动态响应。以被控对象的逆作为控制器,可以准确跟踪系统的输入。最后把自适应逆控制器用于无人机的着陆以验证该控制器的有效性。     

一种基于自适应模糊系统的导弹自动驾驶仪设计方法

针对导弹非线性不确定系统,提出了基于动态逆方法及模糊自适应理论的导弹自动驾驶仪设计方法.基于导弹的非线性模型设计了快、较慢回路的动态逆控制器以实现其非线性解耦,将系统不确定性和外界干扰引入到较慢回路中.根据系统跟踪误差在线调整模糊系统权值,使其一致逼近导弹较慢回路的非线性函数.设计了在模糊系统的最小逼近误差上界未知情况...     

倾斜控制系统的FUZZY控制

该控制方案舍去传统的校正环节,不用传统的PID控制,而用FUZZY控制设计反坦克导弹倾斜控制系统,给出了FUZZY控制表求取规则和控制表。实验结果表明FUZZY控制效果较传统的PDI控制效果好。     

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法.针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证.仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求.     

基于伪控制隔离器的导弹控制方法研究

针对直接力/气动力复合控制导弹的参数严重不确定和多操纵机构的耦合问题,文中利用动态逆控制器适应系统的非线性要求,并用神经网络补偿动态逆控制系统所需要精确模型的不足,考虑到作动器的位置/速率饱和和延时的情况,增加了伪控制隔离器,以解决神经网络由于作动器的各种异常出现适应性困难的问题。最后通过仿真实验证明该算法满足扰动条件下飞行稳定性要求,提高了系统的鲁棒性。     

数字式导弹姿态控制系统的变结构控制

针对数字式导弹姿态控制系统,通过对离散变结构控制的研究,提出了一种姿态控制系统的离散变结构控制方法,设计了变结构控制律。该变结构控制律在实现姿态控制系统鲁棒控制的同时,有效地抑制了传统变结构控制的抖振现象。仿真结果验证了本文方法的有效性。     

ActiveX控件的开发及其工控界面设计

ctiveX控件的开发及其工控界面设计,采用VC框架和类向导开发,以MFC ActiveX ControlWizardk自动生成空OCX文件,并将设备作成OCX文件.设备控件外观可通过PHOTOSHOP画出或将设备照片作为资源文件载入控件得到.通过控件的事件,方法和属性以实现控件与工控软件内核的沟通.     

遥操作系统的控制结构与控制方法综述

遥操作系统广泛应用于各种人类难以进入的或者危险的环境,是机器人领域内最具挑战性的研究方向之一,但目前缺乏对遥操作系统控制结构和控制方法的系统研究。笔者以确保透明性和稳定性为遥操作系统的主要目标,采用对比的方法介绍了各种控制结构以及控制方法的基本原理,分别指出了各种方法的优点和不足,并提出了遥操作领域内进一步的研究方向,从而实现了对遥操作系统现有控制结构和控制方法的系统分析。     

数字式姿态控制系统的离散变结构控制

随着数字计算机的发展，数字式控制器已成功地应用于导弹姿态控制系统当中。文中针对数字式导弹姿态控制系统，通过对离散变结构控制的研究，提出了一种姿态控制系统的离散变结构控制方法，设计了变结构控制律。该变结构控制律在实现姿态控制系统鲁棒控制的同时，有效地抑制了传统变结构控制的抖振现象。仿真结果验证了文中方法的有效性。     

再入姿态的自适应逆控制应用研究

文中首先简要介绍了用于系统建模的LMS(最小均方误差)滤波和自适应逆控制原理．然后研究其可在重复使用运载器(RLV．Reusable Launch Vehicle)姿态控制中的应用．并通过仿真验证了在环境参数剧烈变化和系统具有较强不确定性的情况下，自适应逆控制能够对可重复使用运动器进行鲁棒、精确地控制。     

复合控制拦截弹的稳定控制系统数学模型的建立

建立了燃气动力/空气动力复合控制拦截弹的稳定控制系统数学模型.首先,给出了复合控制拦截弹弹体的数学模型,然后提出复合控制拦截弹的稳定控制系统结构,最后推导出复合控制拦截弹的稳定控制系统的传递函数,并从理论上分析了复合控制拦截弹的稳定控制系统时间常数小于仅采用空气动力控制拦截弹的稳定控制系统时间常数.     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器,控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段,PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下,可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律,也辩识移动机器人动力学模型,通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。