基于粗糙集理论与进化计算的时滞系统Smith控制

Smith预估器是一种有效的大纯滞后补偿控制方法,但对模型的依赖性限制了它在工程实际中的应用。针对被控对象的纯时滞时间的不确定性和系统存在扰动的情形,将基于粗糙集的进化计算与Smith预估器的控制方法相结合,给出了一种在线调整时滞时间和利用前馈进行扰动补偿的自适应控制方法,即通过对反馈误差的在线优化适应性地调整Smith预估器的时滞时间常数和对扰动进行补偿。仿真结果表明了给出方法的有效性。     

编队飞行挠性航天器的输出反馈姿态协同控制

研究了在姿态调节和时变参考姿态跟踪情况下,且挠性模态变量和角速度不可测量时的编队飞行挠性航天器的姿态协同控制问题。针对姿态调节问题,在挠性模态不可测量的情况下,将文献中已有的用于刚体航天器编队飞行的比例〖CD*2〗微分协同控制器,推广到了挠性航天器编队的情形。然后,针对姿态跟踪问题,通过构造关于挠性模态的期望动态系统,并利用无源滤波器,提出了一种仅利用姿态测量信息的无速度反馈协同控制器。仿真结果表明了所提出控制方案的有效性。     

基于目标机动检测的集成估计与制导方法

基于传统的估计器和制导律独立优化设计方法在实际的目标拦截情形中如有界控制、饱和状态变量等其综合性能不是最优,同时目标机动估计延迟对拦截导弹寻的性能具有较大影响,将估计器和制导律集成考虑,给出一种适用于随机机动目标拦截的自适应集成估计与制导方法。该方法主要由滤波器组、制导律组和1个目标机动命令切换时间检测器构成。检测器为广义似然比检测器,对目标机动特征如目标机动突变时间和突变量等进行检测,并由检测时间对滤波器和制导律进行在线选择,从而削弱估计延迟对导弹寻性能的影响。基于Monte Carlo试验法进行仿真。研究结果表明：该集成估计和制导设计方法与具有单一滤波器和制导律的方法相比,可有效提高导弹单发命中概率。     

空间绕飞任务中航天器姿态跟踪的鲁棒控制

研究了空间绕飞任务中从航天器对主航天器进行观测时的姿态跟踪控制问题,提出了综合考虑挠性、外部扰动和参数不确定性等因素的输入饱和鲁棒控制器设计方法。根据主、从航天器的质心相对运动信息,解算出了从航天器的期望跟踪姿态。为保证从航天器跟踪期望姿态时控制器的有界性和强鲁棒性,将文献中已有的一种一阶滑模姿态调节控制器推广到了姿态跟踪的情况。进一步,为消除一阶滑模控制的高频抖振问题,将姿态跟踪问题转化成了标准的二阶滑模控制问题,提出了一种连续的二阶滑模姿态跟踪控制器。仿真结果表明,本文算法能有效实现绕飞过程中的姿态跟踪,同时具有强鲁棒性。     

考虑自动驾驶仪动态特性的最优寻的制导

摘要： 为实现对于机动目标的有效拦截,针对更符合实际的目标拦截情形,给出了一种考虑自动驾驶仪动态特性(autopilot dynamics, AD)的制导律设计方法. 该方法将拦截问题分解为一个双方优化和一个单方优化问题,分开考虑目标和拦截导弹的AD. 双方优化只考虑目标AD,推导目标的最优规避策略;而单方优化只考虑拦截导弹AD,并基于目标最优规避策略进行拦截导弹最优寻的制导律设计. 仿真结果表明,该制导律考虑AD的情形是合理的,相比于传统单一优化方法,寻的性能更好,对拦截导弹机动性要求较低.     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

具有终端约束的模糊导引律设计

本文研究了有终端约束的拦截任意机动目标的模糊导引律设计问题。应用模糊Ｔ－Ｓ线性模型，来逼近拦截几何的非线性模型，从线性系统的角度，利用ＲＨ控制方法和伴随技术，得到了一种新的鲁棒模糊导引律。这种方法能够以一个模糊Ｔ－Ｓ线性模型，来处理目标一定范围内的机动，而通过一系列模型的在线切换，来处理目标大范围内的机动。这种导引律具有快速、简便的特点和宽的初始阵位适用范围。仿真结果表明，这种导引律能够拦截任意机动的目标，获得较高的命中精度。     

和声量子遗传算法在图像配准中的应用

针对图像配准中的优化问题,利用量子遗传算法全局寻优能力强以及和声算法的微调特性,提出了一种新的和声量子遗传算法（harmony search quantum genetic algorithm, HSQGA）。并将其应用到航拍图像配准当中。仿真结果证明了该算法比原有的和声算法和量子遗传算法在图像配准参数优化过程中具有更好的优化性能。此外,利用两个标准基本测试函数对新算法进行了测试,结果表明在一定的迭代次数内,该算法对一些复杂的优化问题也能精确寻优。     

基于无模型无迹粒子滤波的编队卫星相对运动估计

由于地球引力和大气阻力等因素造成的模型不确定性,使常规滤波方法用于卫星编队飞行相对运动估计时精度不高。为克服这种影响,提出了一种融合高斯过程回归(Gaussian process regression,GPR)的无模型无迹粒子滤波(model free unscented particle filter, MF-UPF)方法。对近圆轨道的双星编队问题,新方法通过高斯过程回归对已有的量测数据学习建立相对运动模型, 有效地避免了模型不确定性造成的滤波性能下降。仿真对比验证了无模型无迹粒子滤波在编队飞行相对运动估计中的优越性。