一类再励学习控制器设计及其在倒车模型中的应用

考虑到神经网络学习算法的特点,给出了一种基于再励学习的自组织模糊CPN,它结合了自组织模糊CPN和再励算法的优点,在控制过程中在线调整网络结构以及对网络参数学习,学习效率高,控制结构简单.可以不要求受控对象的学习模型,实现在线控制,应用在倒车模型中仿真结果展示了所设计系统的良好控制性能.     

卫星姿态再励学习的模糊神经控制

将再励学习的模糊神经控制引入卫星姿态控制中，给出详尽的实现方法，推导了模糊神经控制器的自学习算法．直接利用再励信号，对控制器的参数进行在线调节，不需要控制器的学习样本．仿真结果表明该控制算法能有效地克服卫星的不确定性，具有较强的鲁棒性，可实现较高精度的卫星姿态控制．     

TD再励学习在卫星姿态控制中的应用

随着卫星姿态控制系统对控制精度、鲁棒性和抗干扰要求的不断提高,将模糊神经网络控制引入到三轴稳定卫星的姿态控制中,并采用基于时差(TD)法的再励学习来解决模糊神经网络参数在线调整的问题,可以在无需训练样本的前提下实现控制器的在线学习. 仿真结果表明,这种结合再励学习的控制算法不仅可以满足对姿态控制精度的要求,有效地抵制了外界干扰,并对卫星的不确定性有较强的鲁棒性.     

基于再励学习的被动动态步行机器人

为了研究仿人、能量高效的双足机器人步行,研制了由MACCEPA(mechanically adjustable compliance and controllable equilibrium position actuator)柔性驱动器驱动的半被动双足机器人,并实现了其动力学仿真系统.提出一种基于再励学习的步行控制方法.该方法首先采用Q-学习方法学习机器人在理想环境中的稳定步行步态及其控制策略,然后将此步态和控制策略作为模糊优胜学习方法的参考步态和参考控制策略并在线学习模糊网络的优胜值参数.仿真结果表明: 利用学习训练的结果控制柔性驱动器在步行相转换时的动作,机器人可以实现稳定动态步行.     

再励学习在交通信号控制中的应用

再励学习是一种利用评价信息(而不是网络实际输出与期望输出之差)来改善行为的神经模糊算法,采用"奖""罚"信号训练控制器.用再励学习的目的建立一个可调的模糊交通信号控制器,它能在不同交通情况下修改隶属函数参数,以达到较好的控制效果.其评价指标是车辆延误.仿真结果表明,再励学习在交通量稳定的交叉口信号控制中表现良好.     

基于分数信号处理的变步长自适应振动主动控制方法研究

针对自适应振动主动控制系统中次级通道的辨识精度严重影响振动控制效果的问题,分析了常规的次级通道在线辨识算法存在的问题,提出一种基于分数信号处理的双步长两阶段变步长策略的次级通道在线辨识方法。该方法使用基于分数信号处理的自适应算法代替传统的最小均方(least mean square, LMS)算法进行次级通道的在线辨识,同时给出了一种双步长的两阶段变步长策略,在次级通道辨识环节收敛前后应用不同的变步长策略以提高辨识精度和降低辨识环节的波动。仿真结果表明,与现有方法比较,该方法的次级通道辨识收敛速度更快,系统收敛后的波动更小,次级通道的辨识精度和系统的稳定性都有了明显的提升。经验证,该方法有效解决了常规的次级通道在线辨识算法收敛速度慢、辨识精度低和辨识环节波动大等问题,具有更好的振动控制效果。     

电液位置伺服系统的再励学习控制研究

针对非线性电液位置伺服系统的不确定性控制问题,提出了一种带有小脑模型（ＣＭＡＣ）神经网络的再励学习控制方法。将ＣＭＡＣ神经网络融入再励学习控制结构中,并进行了撞化与改进杯仅使再励学习控制器具备了泛化能力,而且提高了其学习速度,因此竽电液位置伺 服系统的快速跟踪控制。仿真结果表明,控制器不仅具有良好的处理非线性能力而且对时变外扰支具有明显的抑制作用。     

针对执行器和关联链接失效的一类复杂系统自适应容错控制

针对一类执行器和关联链接失效的复杂系统,提出了一个间接自适应方法解决容错控制问题.利用自适应律在线估计执行器和链接通道上的故障因子,并基于自适应策略的信息,构造一类通过其他子系统状态链接的分布式状态反馈控制器自动补偿故障影响.基于李亚普诺夫稳定性定理,所得到的自适应闭环复杂系统执行器和网络传输过程故障下可以保证渐进稳定.此方法的有效性最终由一个仿真例子验证.     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性     

基于非线性共轭梯度的同时扰动随机逼近方法

为了消除黑塞矩阵和步长因子的影响,利用非线性共轭梯度算法计算搜索方向,在混合非线性共轭梯度算法的作用下保证了每次搜索均为下降方向;利用非精确线搜索方法改进SPSA步长计算方法,通过与下降的搜索方向结合,保证了每次迭代时目标函数值的减小,加快了收敛速度.将改进的SPSA算法用于异步电机再励学习系统中,仿真结果证明了其可行性和优越性.     

自动着舰纵向飞行控制系统操纵性能优化

 自动着舰引导系统能辅助高性能舰载机实现全自动安全、平稳着舰,其飞行控制系统须具备良好操纵性能。基于系统稳定性理论、F/A-18A舰载机测试数据和控制系统时域响应优化方法,提出了一种参数设计方法,“自内向外”逐环优化了自动着舰纵向飞行控制系统参数。仿真验证表明,该系统经参数整定后的指令响应优于F/A-18A的测试结果。     

自动着舰纵向飞行控制系统操纵性能优化

 自动着舰引导系统能辅助高性能舰载机实现全自动安全、平稳着舰，其飞行控制系统须具备良好操纵性能。基于系统稳定性理论、F/A-18A舰载机测试数据和控制系统时域响应优化方法，提出了一种参数设计方法，“自内向外”逐环优化了自动着舰纵向飞行控制系统参数。仿真验证表明，该系统经参数整定后的指令响应优于F/A-18A的测试结果。     

基于多变量控制理论的无人机横侧向通道设计

无人机控制系统随其功能的增加而日益复杂,控制变量也随之增多;大的机动性能导致通道间的耦合增强,采用经典单变量控制的设计方法不能满足多变量控制系统性能的需要。多变量控制技术为复杂控制律的设计提供一个有效的手段。基于线性多变量控制理论对无人机横侧向通道进行设计,实现对制导指令的跟踪并对其进行解耦,并对所设计的控制系统进行鲁棒性分析。仿真结果表明基于多变量控制理论所设计的系统具有良好的跟踪能力和较强的鲁棒性能。     

基于模糊控制的无人机集群视觉着降

在基于视觉导航的自主着降过程中,旋翼无人机受到自身机械振动和复合风场环境等因素的干扰,降落精度低、速度慢,影响集群回收的安全性。针对这一问题,提出一种基于模糊控制和视觉导航的集群自主着降算法。首先无人机集群飞至降落区域后,无人机通过目标检测算法找到自身对应的降落标识,再利用像素距离解算出无人机与对应降落标识间的实际水平距离,然后通过模糊化、模糊推理、去模糊化得到无人机精准对准降落点的控制指令,最终实现集群精准着降。仿真实验与实际飞行实验结果表明,该算法具有更高的鲁棒性,可有效提升无人机集群着降的速度。     

动态矩阵控制在飞翼无人机自动着陆时的应用

进场着陆是飞行的复杂阶段,虽然仅占整个飞行的2%～3%,却大约有1/3的飞行事故发生在此阶段。无尾飞翼无人机着陆下滑时对飞机的速度和姿态具有很高的精度要求,但有时仅靠油门控制飞行速度不能满足要求。针对这一情况设计了一种升降舵加阻力方向舵模型预测控制系统。先采用PID控制加快被控对象的响应速度,在此基础上建立基于动态矩阵控制(DMC)算法的模型预测控制器。DMC的在线优化和反馈校正等特点有效地提高了系统的整体性能。仿真结果表明,与经典PID控制器相比,该系统能够更好地跟踪下滑轨迹,提高无人机的动态响应,并且严格控制下滑速度。     

基于UKF的ILS/GLS/INS组合导航融合方法

针对进近着陆过程中,仪表着陆系统(ILS)会受到空域以及外界环境的影响而产生导航偏差,影响进近着陆时导航的精度,而现在正在引进GLS着陆系统。本文提出一种将ILS和GLS分别与SINS相组合,利用改进的联邦无迹卡尔曼滤波,将其输出的位置之差作为量测值,再根据线性最小方差准则,提出了按照最优系数加权的方法融合局部导航数据,从而得到全局最优估值。相比于传统的联邦滤波算法,能有效的降低测量噪声,减小飞机降落时与标准航道的偏角误差,从而提高进近着陆引导的水平精度。     

双机协同攻击指令瞄准建模及精度研究

针对协同攻击武器发射的瞄准需求,提出一种友机探测、本机发射的双机协同指令瞄准方法.首先,建立协同瞄准矢量模型,根据双机的空间定位和姿态信息解算目标的瞄准指令,并给出瞄准控制方法；然后,对指令瞄准精度进行建模研究,分别就目标信息精度、战斗机定位精度、信息延时以及瞄准态势等因素对瞄准精度的影响进行深入分析,并给出指令瞄准的应用需求分析；最后进行了仿真实验.结果证明了瞄准算法的正确性,同时表明:目标信息精度和战斗机平台的定位精度对于协同攻击效果具有直接影响,提高协同攻击效果的关键在于提升作战平台自身的性能.     

歼击机操纵面故障的灰色识别法

介绍了运用灰色关联度分析法进行故障识别的原理、步骤和方法,并根据歼击机操纵面的常见故障分析,提出了歼击机操纵面故障的灰色识别方法,实例表明:将灰色关联度分析法引入操纵面故障识别中是可行的,并具有简单、计算量小、识别结果可靠等特点。     

基于瞄准误差的战斗机攻击轨迹跟踪仿真实现

战斗机对攻击轨迹精确跟踪是实现战机自动攻击的关键。首先分析战机空战攻击轨迹跟踪过程,将战机瞄准误差引入攻击轨迹跟踪算法,提出基于瞄准误差的战机攻击轨迹跟踪方法;将瞄准误差算法分解在2个平面内进行分析,建立轨迹跟踪模型,并利用Simulink工具箱,结合FlightGear飞行仿真软件综合模拟仿真轨迹跟踪过程。实景仿真结果表明该模型算法能够不断地减小瞄准误差实现对攻击轨迹的精确跟踪飞行。     

基于滚动时域的遗传-免疫算法优化航班着陆调度

航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.