飞行仿真转台模糊神经网络补偿的复合控制

针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。     

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。     

定量反馈理论和神经网络的融合控制与仿真

针对自旋导弹的不确定性和强非线性,提出了将定量反馈理论QFT与神经网络控制相融合的控制器的设计算法.采用基于神经网络的PID控制算法,获得初始控制器,克服QFT初始控制器设计的盲目性,然后采用QFT设计对系统进行调整.综合考虑了对象的不确定性范围和对系统性能指标的要求,实现了自旋导弹俯仰通道鲁棒控制器的设计,并对该自旋导弹控制系统的模型进行非线性仿真.仿真结果表明,与基本QFT控制器相比,所设计的系统具有良好的稳定鲁棒性和性能鲁棒性,可以用于同类具有大的不确定和强非线性控制系统的设计.     

飞行转台Backstepping与神经网络并行控制

阐述了飞行仿真转台的Backstepping设计方法及步骤。在Backstepping鲁棒控制的基础上,提出了一种Backstepping鲁棒控制和神经网络并行控制的方案,以Backstepping鲁棒控制为主控制器,神经网络进行动态误差补偿。Backstepping鲁棒控制克服了对象的不确定性,保障系统的鲁棒性;神经网络可以进一步提高系统的跟踪精度。仿真表明,这种方法实现了Backstepping鲁棒控制和神经网络控制的完美结合,很适合高精度飞行仿真转台系统的鲁棒控制。     

基于NDO的飞行模拟转台伺服系统跟踪控制

针对飞行模拟转台伺服系统跟踪控制问题,提出了一种基于非线性干扰观测器(nonlinear disturbance observer, NDO)的反推全局滑模控制方案。该方案利用NDO观测系统的参数不确定性及非线性摩擦干扰,通过选择适当的设计参数使观测误差指数收敛,进而对引入NDO的系统采用反推全局滑模设计控制器,控制律的设计保证了闭环系统的稳定性。仿真结果表明,所提控制方案能够有效克服参数不确定性及非线性摩擦干扰的影响,实现了转角位置的精确跟踪,并且有效去除了控制抖振。     

高精度飞行仿真转台的鲁棒自适应控制

针对高精度直流伺服系统,提出一种基于Lyapunov直接法的鲁棒模型参考自适应控制方法.在算法中,通过调节增益系数,以适应系统中参数的变化,通过引入鲁棒补偿项,实现对摩擦环节的补偿,使得在具有参数不确定性和未知非线性摩擦特性的情况下,跟踪误差渐进收敛于零.并以三轴转台为例,进行了数值仿真,其结果表明该方法的有效性和鲁棒性.     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。     

基于扩张状态观测器的飞行仿真转台鲁棒控制

飞行仿真转台作为半实物仿真和测试的关键设备,其性能直接影响仿真实验和测试结果的可靠性。针对飞行仿真转台容易受到外界干扰和参数变化影响的特点,研究了基于扩张状态观测器的鲁棒控制方法。根据系统参数的辨识程度设计了两种不同的扩张状态观测器。利用扰动估计值进行动态补偿使被控对象线性化,并在此基础上设计了等效速度和加速度前馈。根据扩张状态观测器不能完全估计扰动的特点引入滑模控制项以增强系统鲁棒性。实验表明提出的方法针对飞行仿真转台系统的不确定性具有很强的鲁棒性,并具有良好的跟踪性能。     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

仿真转台的神经网络复合控制

介绍了一种神经网络复合控制方法，即在不抛弃众多工程技术人员所熟悉的经典控制方法的基础之上，采用神经网络控制来处理系统中的各种非线性及不确定性。给出了神经网络的迭代算法，讨论了系统的稳定性问题，并将该方法应用于高精度三轴飞行仿真转台的实时自适应控制中。实验结果表明了该控制方法的有效性。     

A Fuzzy-Neural Network Control of Nonlinear Dynamic Systems

1.INTRODUCTIONInrealfile,therearemanyprocessesthataretoocomplex,highlynonlinear,uncertaininparametersanddisturbances,itissodifficulttogettheaccuratemathematicalmodel-basedtraditionalcontroldesignmethodologiescannotbeemployedeffectively,fuzzylogicandneuralnetworkprovideeffectiveapproachfordealingwiththeuncertaintyandnonlinearity,andhavebeenappliedtotherealmofmodeling,identificationandcontrolofnonlinearsystemsinrecentyears[1-4].Aclassofneuralnetworks,thefeed-forwardnetworks,havebeenproventob…     

飞行仿真器综合火控仿真系统研究

随着现代航空火技术的飞速发展,新型综合火控系统的研制与一切迫切需求先进仿真技术的强有力支持。本文针对航空综合控系统仿真在任务与功能上的客观需求,基于虚拟样机的设计思想,进行了仿真系统体系结构的方案研究,分析了其中所涉及到的若干关键技术,并给出了飞行仿真器控仿真系统在一个综合仿真系统中的应用实现。     

飞行模拟器六自由度运动系统的实验研究

介绍了自主研制的飞行模拟器液压六自由度运动系统试验样机,并以该样机为试验研究对象,对其控制系统的特点和适用的控制策略作了探讨,提出了具有输入、输出前馈补偿的模糊自适应PID控制策略。并用该控制方法,对并联六自由度运动系统的运动性能作了实验研究,结果表明所研制的试验样机是成功的,为飞行模拟器六自由度运动系统的工程实践和并联六自由度运动系统在其它领域中的扩大应用奠定了一定基础。     

飞行模拟器数字式操纵负荷系统

操纵负荷系统是飞行模拟器的关键分系统之一。经过多年研究与开发，我们推出了几种类型的数字式操纵负荷系统，并已成功用在Ｙ７－１００飞行模拟器中。目前又研制成功全数字式并行电动操纵负荷系统。本文就该系统原理、总体方案、建模方法、软硬件系统特点，进行了较全面的论述。     

飞机动力模拟系统的模糊神经网络控制研究

讨论了一种基于电液速度伺服系统的飞机动力地面模拟系统的计算机控制结构，研究了该地面模拟系统的性能。建立了相应的数学模型，提出了新的模糊神经网络控制策略，该策略提出新的综合目标函数和权值修正方法，是传统PID控制思想和方法在智能控制器的延伸。实验表明，本文提出了并建立的数学模型合理，采用的控制策略可以大幅度地提高系统性能。     

飞行模拟机操纵负荷系统试验研究

飞行模拟机操纵负荷系统是飞行模拟机的重要组成部分,向飞行员提供逼真的力感模拟。以飞机操纵系统为原型给出了飞行模拟机操纵负荷系统的模拟原理,建立了由低摩擦作动筒组成的三通道液压驱动数字式操纵负荷系统,根据数学模型借助快速控制原型技术和Matlab/Simulink可视化编程语言进行实时控制系统的开发,解决了采用C 、VC进行开发周期长、调试困难的缺点,并通过试验验证了PD控制算法的有效性,实现了对飞机操纵系统的性能模拟,具有误差小、跟踪性能好的特点,已应用于飞行模拟机样机系统的研制。