基于并行混沌和单纯形法的混合全局优化算法

混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度。仿真结果表明并行混合优化算法可以得到满意的结果。     

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。     

机动目标状态估计

本文研究适用于综合火力／飞行控制系统要求的机动目标状态估计的算法问题。通过选取直角坐标及伪测量量构成扩展Ｋａｌｍａｎ滤波。在此基础上，提出采用距离通道冗余滤波以提高距离通道的滤波精度，同时，得到了改善其它估计量精度的一种算法。通过综合火力／飞行控制系统的ＭｏｎｔｅＣａｒｌｏ仿真表明，该算法具有很好的性能。     

目标状态估计器研究

全面系统地研究了基于空载雷达测量体制下的机动目标状态估计器的设计问题，重点对坐标系及目标状态变量的选择进行了讨论，并将每一种设计方法得到的目标状态估计器联入综合火力／飞行控制系统中进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，对仿真结果进行了比较，给出了相应的结论。     

基于敏捷性导弹逆动态的神经网络控制方法与仿真研究

给出了一种基于敏捷性导弹逆动态的神经网络控制方案。该方案由两个神经网络组成：第一个神经网络（NNI）用来离线的学习整个飞行包线内导弹动态特性的逆特性，以实现系统的线性化；由于敏捷性导弹在大迎角状态下具有高度的非线性特性和气动参数突变等未建模动态，因此引入第二个神经网络（NN2）来在线的补偿NNI的逆误差。在线学习的权值调整由Lyapunov理论得出，保证了闭环系统的稳定性。该控制方案对参数变化及未建模动态等具有良好的鲁棒性。将其应用于敏捷性导弹的控制中，数字仿真结果表明该控制方案有效。     

红外成象自寻的导弹半实物仿真系统数学模型

在红外成象自寻的导弹半实物仿真系统精度分配中 ,各仿真设备对整个系统的仿真精度灵敏度难以计算。本文建立红外成象自寻的导弹半实物仿真系统数学模型 ,利用数学仿真实验和统计拟合成功地解决了这一难题 ;根据动力学基本定理、图象处理算法和国家仿真设备的规范标准建立了导弹、弹体三轴转台、目标二轴模拟转台、过载模拟器和红外成象系统的数学模型。所建模型 ,不进行刚体运动模型的线性化 ,充分考虑了转台各轴之间的耦合作用和红外成象技术的影响 ,更精确、更全面地反映了仿真系统的实际运行特性 ,并具有较强的通用性     

中远程防空导弹的末制导律设计与仿真

应用线性二次高斯调节器原理,本文提出一种适用于脉冲多卜勒雷达自寻的制导导弹的适应性强,制导精度高,易实现的最优制导规律。为解决工程实现的关键问题,提出了目标机动加速度模型。根据机动目标的统计模型和非线性最优滤波理论推导出一个快速跟踪的自适应滤波算法,并给出了目标机动加速度、导弹与目标相对距离和距离变化率的估计算法。某改进后导弹的仿真结果表明该算法具有很好收敛性和稳定性。     

平行单级双倒立摆基于滑模的稳定控制

平行单级双倒立摆相对单级倒立摆、二级倒立摆而言是非线性更强、耦合作用更复杂的不稳定欠驱动系统,从而控制难度更大。本文针对俩摆间无弹簧的平行单级双倒立摆设计了滑模变结构控制律,仿真结果显示该控制律对外部干扰和内部参数变化都有很强的鲁棒性。     

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。     

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。