一种基于神经网络和遗传算法的拟人智能控制方法

提出一种基于Hopfield神经网络(HNN)和遗传算法(GA)混合策略的拟人智能控制方法。首先利用拟人智能控制得到定性控制律(线性或非线性)，然后利用GA和HNN的混合优化策略实现定性控制律的定量化——首先，基于网格法产生GA的初始种群；然后，基于实数编码并采用最优个体保留策略、2／4择优选择以及引入控制经验的改进GA进行全局优化；最后，为了克服GA的后期收敛速度慢和局部优化能力缺乏，利用HNN的快速优化能力进行末段搜索，最终产生全局最优解。将该方法用于二级倒立摆系统的控制，仿真和试验结果均表明该方法有效。     

一种拟人智能控制的控制律定量方法

拟人智能控制是基于对被控对象物理分析，采用广义规约得到定性控制律的控制理论，但是在定性控制律定量化的方面还存在着一些不足。本文提出一种参数寻优的方法，将控制的一般规律引入到遗传算法中去，启发搜索的过程，进而加速算法的收敛，实现拟人智能控制的定性控制律的快速定量化。     

直接力控制导弹的拟人智能自动驾驶仪设计

拟人智能控制是一种基于被控对象的物理模型以及人类相应的知识模拟人类处理控制问题的思路和一般方法解决问题的控制方法。基于拟人智能控制思想提出一种针对采用直接力控制导弹的姿态控制的控制逻辑和非线性控制律的设计方法。控制逻辑决定了气动力与直接力两种控制方式的权限分配。然后,利用拟人思想设计定性控制律。利用广义归约的方法将复杂的导弹姿态控制问题分解成若干个可直接解决的本原问题,然后依据各本原问题的主次关系以及耦合关系通过分析导弹的飞行动力学模型设计出非线性控制律结构,最后利用遗传算法将控制律中的各权值优化定量得到定量控制律。所设计出的控制逻辑和控制律在导弹进行大过载机动时保证导弹的稳定性。仿真结果表明复合控制方法可以使导弹具有更高的精度。     

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。     

BTT技术在防空导弹中的应用

本文概要地讨论了BTT技术的概念,应用最优控制理论推导了适用于BTT导弹的最优导引律,研究了BTT导弹机动力和控制力的产生原理,对BTT导弹与STT导弹的性能进行了比较。研究表明,在同样发射条件下,BTT导弹在射程、速度特性及过载特性等主要性能上显著地优于STT导弹。     

虚拟样机技术在拟人智能控制中的应用

由于虚拟样机技术在物理系统建模中具有迅捷、准确、直观等优点，将其引入到拟人智能控制方法中，用于拟人控制律分析以及控制律参数的优化。选用面向对象的虚拟样机软件Dymola，并以Furuta型单级倒立摆为被控对象介绍了拟人智能控制方法的具体应用，并给出了仿真结果。     

用现代时域法设计BTT导弹自动驾驶仪

本文先建立了高性能BTT导弹控制系统和两个横向加速度指令数学模型。由于高性能BTT导弹滚转速率较大,俯仰、偏航通道间存在强动力学耦合,但滚动通道可以近似解耦。然后,用本文给出的模型跟随理论设计俯仰一偏航通道自动驾驶仪,用线性二次型理论设计滚动通道自动驾驶仪。为了满足远程全空域BTT导弹作战要求,自动驾驶仪中的增益是滚转速率和动压头的函数。最后,利用某典型地空导弹动力学模型进行了六自由度数字仿真,计算结果表明设计出的自动驾驶仪对导弹结构参数、气动参数、高度等变化具有良好的鲁棒性,导弹侧滑角、脱靶量很小。     

导弹动力学建模与BTT解耦控制

建立了导弹非线性动力学方程、线性化模型和X型舵机由4舵面到3舵面的转换模型,在纵向和横航向通道分别设计了基于模型跟踪的最优控制器,满足导弹的BTT控制的三轴解耦要求。设计结果进行了部分参数的非线性调参设计,控制器参数依据高度、法向过载指令nyc和滚转角指令φc进行实时调参,通过非线性仿真验证,满足侧滑角近似为零、快速跟踪滚转和法向过载指令要求(小于0.5秒),为进一步设计实现BTT控制打下了基础。     

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.     

BTT导弹非线性自动驾驶仪最优滑模设计

针对BTT导弹的飞行控制问题,提出了一种基于θ-D方法的最优滑模非线性自动驾驶仪设计方法.把导弹动态模型转化成一个级联的二回路系统结构,外环控制器的设计是基于θ-D近似方法的最优控制方法,内环控制器设计采用的是滑模控制方法,内环控制器所跟随的滑模面方程由外环最优控制得出.对所设计的非线性控制器进行了仿真分析,结果表明基于θ-D方法的最优滑模自动驾驶仪在非线性导弹飞行控制中具有较高的控制精度和很好的鲁棒性.     

基于GA优化的质量矩拦截弹模糊滑模姿态控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性、敏捷性和制导控制精度。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统,利用滑模控制设计了拦截弹飞行时的姿态控制系统,提出采用模糊逻辑算法抑制系统抖振的同时,把控制系统的多个设计目标转化为不等式约束,采用遗传算法优化控制参数,控制系统性能满足设计要求。仿真结果验证了这种方法的有效性。     

基于生态位技术的Fuzzy控制方法

通过引入个体生态位概念 ,提出通过反馈作用及个体的自适应行为缩小与环境压力的差异 .建立基于生态位的模糊控制模型 ,并利用遗传算法和 Fuzzy控制双层嵌套的设计方法 ,进行优化构造可控的生态位 .将此方法应用到智能温室系统 ,仿真结果表明有较好的控制效果 .     

Integrate Fuzzy Logic Stable Control System of Bank-to-Turn Missiles

1.INTRODUCTIONBank-tthturn(BTT)[1]andskid-tDeturn(STT)aretwogeneralmethodsofcontrollingtheattitudeofamissiletoachievetheaccelerationcoxnmandedbytheguidancelaw.BTT~ifeshavehighmaneuverabilitycomparedwithSTTInissiles,soBTTcontroltechllologybecomesacolltinualhotprobleminthefieldsofaerodynamics,guidance,colltrolandnavigstinnduringthepast20years.However,thelargerollrate,whichisgeneratedinevitablywhenBTTmissilesrapidlychangetheorielltationoftheaccelerationtoexecuteaBacsteeringpolicy,will…     

基于分时段模型的无刷直流电机仿人智能控制

为抑制无刷直流电机转矩脉动,设计了基于分时段电机模型的仿人智能控制算法。分析了无刷电机的换相转矩脉动过程,由于转矩脉动将导致转速的波动,根据换相时转速的变化,建立了换相过程分时段电机模型,并结合仿人智能控制算法具有多模态控制的特点,对不同时段采取相应的控制模态,并利用改进的遗传算法对仿人智能控制器的参数进行整定,最终使转速波动减小,进而反映了转矩脉动的减小。仿真结果表明,提出的控制策略有效减小了转矩脉动,使控制系统具有良好的动态性能。     

反舰导弹的模糊变结构控制设计

为了削弱变结构控制中的颤振现象，采用了模糊变结构控制方法，并将该方法应用于反舰导弹的过载控制系统的设计中。首先，利用变结构控制方法设计了导弹的控制律。由于变结构控制中的切换控制项会引起颤振现象，因此采用模糊控制器对其进行调整，从而构建了一种模糊变结构控制器。然后，举例进行仿真，仿真中分别采用了传统变结构控制方法和模糊变结构控制方法设计过载控制系统。仿真结果的对比显示了模糊变结构控制方法的优越性。     

基于神经网络的导弹自适应滑模控制器设计

针对导弹六自由度非线性模型,根据时标分离原理将导弹系统分为快慢不同的四个回路.针对快、慢回路,提出了一种基于神经网络的自适应滑模控制器设计方案.首先分别在快、慢回路中采用反馈线性化实现解耦控制,然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能,其中神经网络用来逼近系统的不确定性.理论分析及计算机仿真都表明,按照该方法设计的控制器不仅具有较强的鲁棒性,而且保证了闭环系统的渐近稳定性.