基于演化神经网络的飞机自动着陆自适应逆设计

应用基于演化神经网络的自适应逆方法对飞机纵向自动着陆控制系统进行了设计与研究。首先,提出了逆控制器的结构,并将演化神经网络用于自适应逆控制的学习过程。然后用神经网络自适应逆控制方法对飞机自动着陆系统进行设计,最后,对所设计的控制系统做了数字仿真研究。结果表明,所设计的自动着陆控制系统具有良好的可行性和鲁棒性。     

大气扰动及其对无人机自动着陆影响仿真研究

基于流体动力学原理,建立三维非对称微下击暴流模型,同时耦合vor karman湍流模型,对1982年7月9日美国新奥尔良微下击暴流案例进行了仿真模拟,并与多普勒雷达资料进行了对比.在其基础上,利用Matlab/Simulink仿真工具,针对某型无人机,建立了非线性六自由度飞行模型和自动着陆控制系统,并在大气扰动条件下,对该无人机的自动着陆过程进行了飞行仿真.仿真结果表明:所构建的微下击暴流模型简捷可靠,可有效反映真实案例的基本风场结构;作为大气扰动的主要形式,微下击暴流、湍流耦合效应对于无人机自动着陆任务的完成具有较大的影响.     

一种基于神经网络的任意模型参考自适应控制

针对一般模型参考自适应控制方法在解高阶非线性模型时参考模型阶数较高的不足,采用一种任意模型参考自适应控制降低了参考模型的难度。利用隐层神经网络对模型进行逼近,对线性化时由不确定因素导致的误差进行补偿,并利用直接Lyapunov稳定性理论证明了跟踪误差有界,最后将其应用到飞行器纵向非线性模型的自动着陆下滑控制设计中。仿真结果表明,所设计的控制器能够使飞行器较好地跟踪理想着陆轨迹,从而验证了方法的有效性。     

高超声速飞行器动态面控制系统设计与仿真

针对高超声速飞行器飞行高度和飞行马赫数变化范围大,其数学模型具有严重非线性、不稳定性、多变量耦合以及不确定的空气动力学参数等特点,提出了动态面控制方法为其设计飞行控制系统。该方法通过构造动态面变量并根据能达条件,来设计中间的虚拟控制信号和最终的控制信号。通过在控制律设计过程中增加一阶动态滤波器,避免了设计过程中对非线性虚拟控制信号的微分,大大减少了控制律的计算量。并以某常规高超声速飞行器纵向模型为对象进行仿真。仿真研究表明该控制方法较好的实现了高超声速飞行器对指令信号的跟踪。     

CNF控制算法在大型客机自动着陆中的应用

针对具有非线性特性和输入饱和约束的大型客机着陆模型,引入了组合非线性反馈控制算法。该算法由一项线性反馈控制律和一项非线性反馈控制律共同作用而成,可以有效解决激励饱和约束的控制问题。首先介绍了该算法的设计原理与稳定性证明;然后运用该算法设计了Boeing747飞机自动着陆纵向控制律,设计中秉承"线性系统设计,非线性系统验证"的工程实践常用思路;最后通过MATLAB数值仿真以及Flight Gear视景仿真,验证了设计的控制系统具有很好的鲁棒稳定性和精确跟踪能力。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

飞机起落架的动力学建模及仿真

起落架的精确建模和仿真对飞机起飞着陆过程的控制律设计有着重要意义。通过对飞机起飞着陆过程中起落架的受力情况进行详细分析,并根据起落架的一些实际物理参数分别求得起落架各轮处的合力和合力矩,建立了起落架的模型,并将此模型应用于某国产战机进行仿真。仿真结果表明,建立的起落架动力学模型较好的反映了飞机在滑跑过程中起落架所受的力和力矩的动态变化情况,比较真实的符合实际物理过程。     

无人机自主精确着陆控制律设计及仿真研究

将无人机对理想着陆轨迹精确跟踪能力和抗干扰能力的要求分开考虑,从精确输出跟踪和鲁棒性两个角度综合自主着陆控制律.针对着陆过程中动态方程的非最小相位特性,利用在线稳定逆产生用于着陆轨迹精确跟踪的前馈输入和状态参考轨迹.将建模误差等不确定性和外干扰看成为广义干扰,利用一个构造性的非线性干扰观测器对其进行观测.在干扰观测器的基础上设计滑模控制器对状态参考轨迹跟踪的误差系统进行鲁棒镇定.仿真结果表明,设计的自主着陆控制律能精确跟踪理想着陆轨迹,并有很好的鲁棒性和抗干扰性.     

基于非线性模型的飞机自动着陆模糊控制系统设计

将非线性控制方法与模糊控制方法相结合对飞机自动着陆系统进行了设计，首先，对飞机纵向运动的非线性模型进行输入输出反馈线性化，将其等效为一个三阶线性系统，并同时实现了解耦，在此基础上，结合带优化修正函数的模糊控制规则自调整方法对变换后的三阶线性系统进行设计，最后，考虑参数摄动，对所设计的飞机自动着陆控制系统进行了数字仿真，仿真结果表明，该控制系统能有效抑制系统内部参数摄动对系统输出产生的不良影响。     

一类非线性离散时间系统的变结构控制

针对一类非线性离散时间系统，提出了一种基于神经网络趋近律的变结构控制方法。分别用两个神经网络自适应调整趋近律中的参数ε和δ，利用离散趋近控制律与离散等效控制律的偏差对网络权值进行更新，克服了常规变结构控制方法中需预先设定趋近律中参数的限制，既保留了传统趋近律设计方法的所有优点，又有效的改善了系统的动态品质，消除了系统抖振，使系统最终以理想方式在滑模面上运动。理论分析和仿真结果表明了所提出方法的有效性。     

无人机自主着陆半实物仿真系统设计

无人机自主着陆系统设计是实现大型无人机自主着陆的关键课题。设计了一种基于分米波仪表着陆技术体制的无人机自主着陆半实物仿真系统,用于设计和验证无人机着陆引导系统的稳定性、可靠性以及相关性能指标,替代工程研制的实际试飞,避免承担风险和节省大量人力物力财力。无人机自主着陆半实物仿真系统设计包括分米波仪表着陆系统地面和机载设备模拟器、无线电高度表模拟器和激光测高仪模拟器、无人机数学模型仿真机和飞行控制仿真机以及仿真主控计算机等。实现了对无人机自主着陆全过程的仿真试验,仿真数据可作为研制无人机着陆引导实物系统的重要参考。     

基于非线性动态逆滑模的纵向着舰系统设计

通常发生的舰载机进舰着舰事故中,大多数是由于舰载机纵向航迹控制不好导致的。因此,针对着舰过程中的舰载机非线性运动模型,考虑舰尾流扰动的影响,提出了一种基于非线性动态逆的滑模控制方法,应用在纵向着舰系统的3个控制回路的设计中,来解决精确控制飞行轨迹的问题,并进行了航迹纠偏测试。最后,仿真结果表明,所设计的纵向着舰系统具有较强的鲁棒性和快速跟踪性,提高了舰载机着舰航迹精度,减少了下滑轨迹误差,满足了美国海军安全着舰指标要求。     

基于动态逆的大空域靶弹高度控制系统设计

针对纵向运动模型,提出了一种采用神经网络自适应逆控制设计靶弹高度控制系统的方法。该方法利用神经网络经离线训练实现非线性系统的逆,通过基于变结构控制的方法得到控制律自适应的补偿逆误差和系统的动态特性变化引起的误差。通过对大空域靶弹的全弹道仿真表明,该控制方法具有较好的控制能力和较强的鲁棒性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于动态模糊神经网络的飞行仿真模拟转台控制

给出了一种新型的动态模糊神经网络及其详细的推理过程和参数迭代算法，并应用于高精度飞行仿真模拟转台控制，控制方法结合了神经网络、模糊推理和动态反馈控制的优点，结构简单、收敛速度快、实时性好。实际控制效果表明该控制方法比PID 前馈控制具有更好的控制性能，并且具有更强的抗干扰能力和鲁棒性。     

基于非线性模型预测控制的火星大气进入智能制导方法

针对火星大气进入精确制导问题, 提出了基于非线性模型预测控制(nonlinear model predictive control, NMPC)的智能进入制导方法。首先, 考虑了进入制导约束, 采用NMPC方法设计制导算法。通过引入衰减记忆滤波器, 提出了基于误差信息估计的预测模型修正方法, 增强系统对模型误差的鲁棒性, 并利用变预测时域策略提高系统性能。然后, 以NMPC制导系统为制导模板, 在实际条件下生成大量样本数据集, 进行深度神经网络(deep neural network, DNN)的离线训练。最后, 在进入制导过程中利用DNN代替求解复杂优化问题和积分预测的过程, 在线快速解算控制量, 并结合横向制导实现智能制导。仿真结果表明, 提出的制导方法能够快速计算指令, 实现了高精度制导。     

微型涵道飞行器的自适应逆控制方法

微型涵道飞行器可以悬停、垂直起降和前飞,且安全性高、结构紧凑、噪声低。但是,微型涵道飞行器由于大飞行包线、特殊气动布局、低速度、小尺寸和复杂飞行环境,所以具有明显的非定常和非线性飞行力学特性。针对这一问题,研究了应用动态逆控制律的新方法--神经网络自适应逆。采用动态逆控制器、神经网络补偿器、比例微分(proportion-derivative,PD)补偿器和伪控制补偿器构建了微型涵道飞行器飞行控制系统。仿真结果表明,相比动态逆 比例积分微分(proportion-integral-derivative,PID控制系统,本文设计的自适应逆控制系统具有更强的稳定性和鲁棒性。     

Trajectory linearization control of an aerospace vehicle based on RB F neural network

An enhanced trajectory lineazization control(TLC)structure based on radial basis function neural network(RBFNN)and its application on an aerospace vehicle(ASV)flight control system are presensted.The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability,and a robustifying item is used to overcome the approximate error of RBFNN.The parameters adaptive adjusting laws are designed on the Lyapunov theory.The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory.Finally,the flight control system of an ASV is designed based on the proposed method.Simulation results demonstrate the effectiveness and robustness of the designed approach.     

Trajectory linearization control of an aerospace vehicle based on RBF neural network

An enhanced trajectory linearization control （TLC） structure based on radial basis function neural network （RBFNN） and its application on an aerospace vehicle （ASV） flight control system are presensted. The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability, and a robustifying itera is used to overcome the approximate error of RBFNN. The parameters adaptive adjusting laws are designed on the Lyapunov theory. The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory. Finally, the flight control system of an ASV is designed based on the proposed method. Simulation results demonstrate the effectiveness and robustness of the designed approach.     

基于神经网络的飞控系统实时容错设计与仿真

为了提高系统的可靠性与容错能力,提出了基于径向基神经网络的飞行控制系统传感器实时容错策略.利用改进的梯度下降优化算法来设计神经网络,以提高网络的学习速度和映射能力;基于网络的逼近性能,建立在线神经网络辨识模型;考虑到系统闭环反馈与实时控制的特性,使用多个辨识模型的信息进行传感器故障的定位和信号重构.应用某型飞机进行仿真,在保证闭环系统稳定的前提下,实现了传感器的在线故障隔离与信号重构,达到了预期的效果.