近空间飞行器飞/推一体化模糊自适应广义预测控制

近空间飞行器(near-space vehicle,NSV)的飞行包络很大,特别在高超声速飞行过程中,系统将具有强烈的非线性和快速时变性.而且,由于机体和发动机高度一体化,气动和推进系统具有很强的耦合特性,这些都对控制器的设计提出了很大的挑战.考虑到NSV爬升和巡航的任务要求,首先分析了近空间飞行器的气动结构和动力配置...     

一类过程控制对象的神经网络建模及仿真

针对一类典型过程控制系统中存在的非线性和参数不确定问题，提出了神经网络的建模方法。辨识结构采用串并联形式，并分别使用改进BP算法和浮点式遗传算法进行了网络的训练。仿真结果表明遗传算法的全局搜索能力及高效率对神经网络的权值优化具有相当明显的效果，它不仅学习速度快而且稳定性好，可以作为一种良好的优化方法运用到神经网络建模和控制当中。     

药剂温度控制系统的智能PID控制方法与实现

针对药剂温度控制系统，提出了一种基于模糊系统的自整定PID控制器，用于解决系统中出现的纯时滞，大惯性，时变不确定性等问题，实际运行结果表明，这种方法达到了良好的控制效果，降低了被控量超调，且增强了系统的鲁棒性。     

可重复使用运载器多约束鲁棒预测校正制导

针对可重复使用运载器(reusable launch vehicle, RLV)再入段常规约束、航路点约束、倾侧角速率约束和参数不确定问题, 提出一种多约束鲁棒预测校正制导方法。首先, 利用改进准平衡滑翔条件将常规约束转化为倾侧角幅值约束。其次, 提出基于二分法快速迭代确定倾侧角翻转位置的航路点制导律, 并将翻转速率约束转化为关于能量的约束, 引入预测校正的计算中。然后, 对于参数不确定鲁棒制导问题, 提出基于标称升阻比和能量剖面对迎角及横程误差走廊在线调整的策略。仿真实验表明, 在参数不确定情况下, RLV能够满足多约束条件和终端制导精度要求, 验证了方法的有效性和鲁棒性。     

面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle, UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance, DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。     

协同随机微粒群优化的神经网络预测建模

针对一类难以精确建立数学模型的非线性控制系统,提出了协同随机微粒群优化CSPSO的神经网络预测建模方法.CSPSO在协同微粒群算法CPSO执行之后引入随机微粒群优化SPSO的思想,促使CPSO摆脱了伪最小值现象,并且保证其以概率1收敛于全局最优值.通过采集对象输入/输出数据,将CSPSO应用到模型权值的离线训练中,并给出了实现的具体步骤.结果表明在实验的几种算法中,CSPSO训练的神经网络模型精度较高且算法学习的稳定性较佳.