连续式碱炼工艺中理论用碱量确定方法的对比研究

本文以用碱量、用水量、脱油酸量和皂角量为评价指标,深入分析讨论3种用碱量方法与碱炼工艺效果之间的关系。研究表明：第三种方法（按中和70%的磷酸所需的碱量计算）较为适宜,其在保证脱酸油质量的前提下精炼率较高,皂脚量较少,耗碱量、用水量均较少。     

某推力矢量无人机优化控制分配策略研究

针对传统依靠气动舵面偏转控制无人机姿态时低速操纵性低、动态性能较差的问题,介绍一种推力矢量无人机。给出各模块结构及功能,结合传统气动舵面控制和推力矢量控制,设计了纵向控制回路和横侧向控制回路控制器,运用优化控制分配方法解决混合控制的余度问题,以纵向控制为例对设计的无人机进行仿真实验。仿真结果表明,所设计的推力矢量无人机动态性能和操纵性得到提高,飞行品质良好。     

旋翼/涵道风扇共轴式无人直升机操稳特性研究

考虑旋翼下洗气流影响及涵道环括作用,将Pitt/Peter动态入流模型推广到旋翼/涵道风扇升力系统建模中,结合风扇/涵道机身组合吹风试验数据,建立了实用的旋翼/涵道风扇共轴式无人直升机全量数学模型.以据非线性模型得到的小扰动模型为基础,深入研究了旋翼/涵道风扇共轴式无人直升机不同前飞速度下的飞行动力学特性,包括稳定特性、操纵响应特性及耦合特性,并与常规布局直升机进行了对比.分析结果表明,旋翼/涵道风扇共轴式在横航向运动模态的稳定特性及操纵响应的耦合特性上具有明显区别于常规布局直升机的飞行动力学特性.所得结论与该型直升机实际飞行特性一致.     

基于蚁群优化算法的精密伺服转台故障诊断方法

提出了一种基于蚁群优化算法的精密伺服转台故障诊断方法. 根据现场观测建立了转台系统故障特征模式库. 利用蚁群优化算法求解故障特征模式的最优分类问题, 并定义敏感度和明确度来评价蚁群搜索到的诊断规则的分类性能, 以减少故障特征信息中的冗余信息, 使诊断规则得到约简. 对某精密伺服转台的若干类故障诊断结果表明, 该方法具有收敛速度快、鲁棒性强、诊断精度高和结果可靠等优点.     

无人机实时飞行仿真系统的时滞补偿方法

针对无人机半物理仿真系统的模拟运动滞后问题,在分析无人机模型和飞行仿真转台模型的基础上,提出一种新的飞行仿真系统构建方案.基于自适应逆控制和李亚普洛夫函数,设计了能够补偿运动滞后的数字控制器.将原始无人机模型与数字控制器进行联合计算,获取无人机修正模型的输出,完成了对仿真运动滞后的补偿.仿真结果说明了时滞补偿方案的有效性.     

基于信息融合估计的离散系统最优跟踪控制

针对期望输出和未来干扰无预见的离散线性系统最优跟踪问题,提出一种基于信息融合最优估计的控制方法.若将当前给定值和可测干扰值分别看作系统未来输出和干扰的预见值,则跟踪控制问题可转化为具有无限预见步数的预见控制问题,并将无限预见信息融合成一步等效预见信息,进而获得近似最优融合控制律.对线性直流电机系统和宏观经济系统的仿真结果均验证了该控制器在提高系统跟踪精度和抑制干扰等方面的有效性.

     

极点约束不确定系统非脆弱滤波器的设计

针对一类具有参数不确定性的线性系统,研究其闭环极点区域约束下的鲁棒非脆弱滤波器的设计问题.在对象及滤波器同时存在不确定性的情况下,控制目标要求闭环系统鲁棒稳定,干扰抑制性能指标小于给定的上界,并且闭环极点配置于复平面上指定的圆盘内.针对系统和滤波器具有乘法增益摄动的情况,以线性矩阵不等式的形式给出了非脆弱滤波器的可解性条件.数值算例表明了该方法的有效性.     

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题, 提出了一种基于信息融合最优估计的迭代预测控制算法. 通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息, 以及系统状态方程和输出方程的硬约束信息, 获得协状态序列和控制序列的最优估计. 通过二自由度机器人操作手的转移控制仿真, 表明了该控制算法具有良好的稳定性和鲁棒性.     

多个未知时延的MISO系统的递推辨识

对于未知时延的多输入单输出（ＭＩＳＯ）系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（ＳＮＬＳ）辨识方法．为降低收敛于局部最小的可能性,利用全局优化理论,推导了全局可分离的非线性最小二乘（ＧＳＮＬＳ）辨识方法;为消除强观测噪声所引起的参数估计的偏差,将ＧＳＮＬＳ方法调整为一新颖的全局可分离的非线性多新息递推最小二乘（ＧＳＮＭＩＲＬＳ）辨识方法,仿真实验验证了算法的有效性．     

多个未知时延的ＭＩＳＯ系统的递推辨识

对于未知时延的多输入单输出（ＭＩＳＯ）系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（ＳＮＬＳ）辨识方法．为降低收敛于局部最小的可能性,利用全局优化理论,推导了全局可分离的非线性最小二乘（ＧＳＮＬＳ）辨识方法;为消除强观测噪声所引起的参数估计的偏差,将ＧＳＮＬＳ方法调整为一新颖的全局可分离的非线性多新息递推最小二乘（ＧＳＮＭＩＲＬＳ）辨识方法,仿真实验验证了算法的有效性．