基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning, BEL)模型的转台伺服系统复合控制方法. 在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器. 通过在线辨识系统逆模型来学习BEL模型的节点权值. 理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明：BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.     

基于大脑情感学习的推力矢量无人机姿态控制

建立了与普通无人机相区别的带推力矢量的无人机数学模型,并提出了一种基于大脑情感学习(brain emotion learning, BEL)的推力矢量无人机姿态控制方法。首先设计了气动控制器和近似推力矢量控制器,然后设计了基于BEL算法的推力矢量控制补偿器。对无人机全量模型进行非线性数值仿真,结果验证了所建立的数学模型的正确性、推力矢量技术在无人机姿态控制上的特定优势以及BEL智能方法的自学习、自适应能力。     

信息融合非线性控制理论初探

将信息融合思想引入控制领域，提出信息融合非线性控制理论．基于信息融合最优估计理论，研究非线性离散控制系统的最优控制问题．信息融合控制是把对控制系统的所有性能要求以及系统动力学转化为可融合信息，然后从信息融合估计的角度，使原问题转化为求控制量的“融合估计”问题．首先，给出了非线性信息融合估计定理；然后，推导了非线性系统信息融合控制的算法；最后，通过对机械手的转移控制问题的仿真研究说明了信息融合非线性控制算法的有效性．     

变推力轴线无人机的混合姿态控制

为提高无人机的自主飞行性能,提出了一种气动舵面偏转控制与推力偏转控制相结合的混合姿态控制方法。给出了推力可偏转情况下的飞机总外力和外力矩。讨论了总外力的变化对飞行机动性的影响,分析了推力力矩对气动力矩的操纵补偿效率。在常规无人机姿态控制系统的基础上,引入纵横向推力偏转角作为新的控制量,设计了飞行姿态控制系统的混合控制模式。对受气流干扰下的无人机姿态稳定控制进行仿真研究。结果表明,变推力轴线技术能够改善飞机在强气流干扰下的操稳特性,减小飞行姿态角偏差和气流角偏差,且对操纵舵面效率不足的问题具有补偿作用。     

基于自适应控制的大型客机编队飞行一致性控制

研究解决基于多变量自适应控制的大型客机编队飞行一致性控制问题.考虑到长机和僚机都存在参数不确定和外界扰动不确定性,同时考虑大型客机之间的分布式通信拓扑结构,基于代数图论思想,提出一种状态反馈状态跟踪多变量自适应控制方法,解决了大型客机编队飞行分布式一致性控制问题.该一致性问题中的稳定性和渐近跟踪特性通过Lyapunov函数法进行了证明,保证了僚机能够跟踪长机的飞行状态.对大型客机编队飞行一致性控制问题进行数值仿真的结果表明,基于多变量自适应控制的大型客机分布式一致性策略比固定增益控制策略具有更好的跟踪性和鲁棒性.     

基于积分滑模控制的无人机自动着舰系统

针对无人机着舰这一特殊环境,为克服系统摄动、未建模动态及各种环境干扰因素的不良影响,从工程实现易行性出发,提出一种新的积分滑模着舰飞行控制方法,避免其受传统积分切换函数滑模控制方法的应用限制,并采用自适应模糊系统抵消外界干扰带来的误差,逼近滑模控制器中的切换项,从而有效降低舵面的抖振。搭建自动着舰综合仿真平台,以国外现役某小型舰载无人机为例,仿真结果表明,该自动着舰系统能较好地克服各种因素的影响,实现无人机安全着舰,着舰性能符合要求。     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.