带推力矢量空空导弹的神经网络控制与仿真

对于新型空空导弹为了使导弹获得更高的的机动性、敏感性和更高的导引精度,大多采用推力矢量控制方案,因为神经网络控制对于系统非线性变化具有很强自适应能力,因而在解决带推力矢量空空导弹的控制问题时有较明显的优点,本文在给出推力矢量空空导弹数学模型的基础上,提出了两种适用于带推力矢量空空导弹的神经网络控制方案,并采用其中的双网络逆动态学习控制方法进行了自动驾驶仪设计,为进一步改善该神经网络的学习效果。还引入基于学习经验的模糊规则。数字仿真表明所提出的神经网络控制对于系统内参数非线性变化具有很强的适应性。     

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计，神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明，该控制方案弥补了动态逆要求精确数学模型的缺点，消除了作动器饱和对自适应单元的影响，提高了整个控制系统的鲁棒性。     

基于一种新型动态神经网络的非线性自适应逆控制

根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。通过对单输入单输出(SISO)及多输入多输出(MIMO)非线性系统的自适应逆控制仿真研究,证实了DAFNN是一种很好的非线性系统建模和控制工具。     

基于RBF网络的BTT导弹逆控制研究

运用RBF神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,并以辨识模型为控制器与BTT导弹控制系统串联构成一个动态伪线性系统,进而应用逆系统方法设计了一种用于解决BTT导弹非线性控制问题的经典控制与神经网络在线自学习相结合的控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪.仿真结果表明,该方案可依据设计指标的要求,实现对BTT导弹的非线性控制,且具有较强的鲁棒性.     

基于鲁棒自适应控制理论的导弹纵向逆控制

针对高机动导弹纵向运动数学模型具有严重非线性、不稳定、多变量耦合以及模型不确定等特点,提出了一种基于鲁棒自适应控制理论和动态逆相结合的导弹纵向控制系统设计方法。该方法以非线性动态逆控制为基本控制律,能够在复杂的飞行条件下,实现对高机动导弹的精确线性化,解除了多变量之间的耦合关系;并引入鲁棒自适应控制律,以抑制模型参数变化的摄动和外部干扰的影响,保证了导弹的纵向稳定性及其纵向飞行品质。仿真分析验证了控制方法的有效性。     

基于LS-SVM的导弹在线误差补偿逆控制

提出一种基于最小二乘支持向量机(least square support vector machine, LS-SVM)在线误差补偿非线性动态逆控制器设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,即第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和攻角的跟踪;然后,设计LS-SVM在线补偿器,以增强导弹控制系统的鲁棒性。通过仿真分析,验证了该方法的有效性。     

终端能量管理阶段动态逆轨迹控制仿真研究

针对终端能量管理阶段的轨迹控制任务,设计了适用于一种在线轨迹生成算法的俯仰、横航向和动压三通道制导律,其中俯仰通道的双回路控制器设计中使用了动态逆方法。建立了反映内回路特性的三自由度仿真模型以及针对飞行任务的控制系统分析方法,并使用上述方法分析了内回路动态特性、气动力、质量不确定性和常值风场等对轨迹控制效果的影响,三自由度仿真验证了轨迹生成和控制方法的可行性和鲁棒性。     

一种改进的神经网络控制方法及其仿真研究

分析了一般神经网络控制系统中学习误差选择的问题,指出系统误差不等于理论上神经网络用于学习的误差,因而网络的性能会受到影响。进而针对局部逼近神经网,提出了一种改进的控制器结构,并讨论了其学习算法。仿真实验研究表明该方法收敛速度快,学习能力强,证明其在系统控制中的合理性和有效性。     

基于支持向量机的导弹动力系统动态过程仿真

为了对导弹动力系统动态过程进行仿真,研究了基于支持向量机方法的动态仿真技术。仿真结果与试车数据比较表明,支持向量机对发动机推力的动态变化过程进行了很好的仿真;与基于神经网络的计算结果比较表明,该模型的计算时间短、精度高,可用于液体火箭推进系统的实时状态监控、故障诊断及控制系统设计等方面。     

基于神经网络的BTT导弹鲁棒动态逆设计

针对存在不确定性的BTT导弹系统,基于神经网络提出了一种鲁棒动态逆控制系统设计方法。首先应用双时标假设将BTT导弹动力学分离为快变状态动力学和慢变状态动力学。然后,在巧妙地利用导弹气动参数特性设计Lyapunov函数的基础上,对快变状态动力学和慢变状态动力学分别进行动态逆控制设计。设计中应用RBF神经网络来逼近系统中存在的不确定性,证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

超机动飞行自抗扰控制律设计与仿真

提出了一种利用自抗扰控制器算法设计超机动飞行控制系统的新方法。根据自抗扰控制器可以动态补偿系统模型扰动和外扰的特点,在超机动飞行快回路和慢回路中引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。直接针对飞机超机动飞行条件下的强耦合、强非线性模型进行控制律设计,符合超机动飞行控制的非线性、模型摄动大、模型不精确等特点,在很大的包线范围内不需要改变控制器的结构和参数,简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决超机动飞行控制问题提供了一种新的途径。     

基于PI型非线性动态逆的再入飞行控制技术研究

再入飞行器飞行环境复杂,具有大空域、强非线性、强耦合的再入飞行特性,基于小扰动原理的经典线性控制理论难以适应再入控制系统的要求,提出了采用动态逆的非线性再入控制器设计方法,同时在非线性动态逆控制器设计中引入积分环节,以消除由动态逆建模和系统干扰带来的跟踪误差,从而使得系统对姿态进行高精度跟踪。最后,在Matlab/Simulink中进行了仿真验证。仿真结果表明,此控制系统对姿态指令输入有很好的跟踪效果,且具有较强的鲁棒性。     

基于DRNN的ATM网络拥塞控制及仿真

提出一种在用户－网络接口处利用对角递归神经网络（ＤＲＮＮ）作为自适应预测器,实现ＡＴＭ网络自适应拥塞控制的模型。当ＤＲＮＮ预测下一时刻缓冲区中的信元数超过阈值时,控制器产生一个反馈控制信号减小信源进入网络的信元速率以避免拥塞发生。用语音和图象信源所作的仿真本文提出的模型较基于常规前馈网络的模型具有系统结构简单、控制效果好、实时性好等优点。     

近距格斗空空导经间最佳快速转弯控制律研究

为了使近距格斗空空导弹在大离轴角发射时能快速地转向目标,需要研究快速转弯控制律。要求在给定的时间内使导弹由初始姿态转到所要求的姿态,并使导弹终端速度最大。应用最优控制理论,提出一种最佳快速转弯控制律,能在推力矢量控制下消除终端时刻垂直于初始视线方向上的速度分量。数字仿真表明,该控制律具有很好的性能,能使近距空空导弹在大离轴角发射时的截击能力得到提高。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

支持向量机在导弹动力系统推力预测中的应用

应用改进型支持向量回归算法ν-SVR,研究了导弹动力系统推力预测问题,讨论了不同核函数和惩罚因子对推力预测的影响。发现选用多层感知器核函数和适当的惩罚因子时,得到的预测模型稳定性好,并且训练时间和预测误差相对较小;同时与BP神经网络模型进行了对比研究,仿真结果表明,支持向量机能够更好地预测发动机推力,是一种研究小样本情况下推力预测的有效方法。     

神经网络模糊非参数模型自适应控制及仿真

提出一种基于神经网络的模糊非参数模型自适应控制方案。该方案仅用受控系统的I/O数据来设计控制器,综合了模糊控制、神经网络与非参数模型学习自适应控制各自的优点。仿真表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

仿真转台的神经网络复合控制

介绍了一种神经网络复合控制方法，即在不抛弃众多工程技术人员所熟悉的经典控制方法的基础之上，采用神经网络控制来处理系统中的各种非线性及不确定性。给出了神经网络的迭代算法，讨论了系统的稳定性问题，并将该方法应用于高精度三轴飞行仿真转台的实时自适应控制中。实验结果表明了该控制方法的有效性。