基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。     

基于超曲面的二阶滑模飞行重构控制方法

针对飞行器控制系统操纵面损伤故障,提出了一种基于超曲面的二阶滑模变结构重构控制律设计方法。该方法可减弱传统滑模变结构控制的抖振现象。仿真结果表明,该文提出的控制方法,对操纵面损伤故障具有较强的适应能力,使重构飞行控制系统在跟踪参考输入信号时具有较好的鲁棒性。     

复合控制导弹反步滑模IGC自适应设计方法

针对直接力/气动力复合控制导弹,基于扩张状态观测器和反步终端滑模控制,提出一种制导与控制一体化设计方法。通过对系统不确定性进行观测,并设计自适应律补偿观测误差,实现系统对复合干扰的抑制。随后引入虚拟控制力矩的概念,规避了直接在控制器中求解控制量,基于梯度下降法和混合整数线性规划提出一种自适应控制分配策略,充分利用系统已有信息,解决控制量分配实时性要求和精度要求的矛盾。最后通过数值仿真证明,所提出的综合设计方法能够在系统存在内外扰动时,保证系统收敛且使得控制量减小,制导精度提高。     

基于Backstepping的高超声速飞行器鲁棒自适应控制

针对非线性、多变量、不稳定且包含不确定参数的高超声速飞行器模型,设计了高超声速飞行器的鲁棒自适应Backstepping控制器。采用指令滤波的设计方法,得到内回路的跟踪指令及其一阶微分信号,避免了虚拟控制信号需要进行复杂求导计算的困难。飞行器不确定参数采用自适应律在线调整,通过设计辅助滤波系统,并通过修改自适应律中跟踪误差的定义,消除由于期望控制信号不能完全执行所引起的跟踪误差的影响,保证了参数估计在控制信号约束情况下的顺利进行。仿真结果表明,所提出的设计方法不仅应用简单,且能保证高超声速飞行器在不确定参数存在情况下的闭环稳定及良好的跟踪控制性能。     

变体飞行器连续平滑切换LPV控制

针对一类翼展可变飞行器的控制问题,提出了一种连续平滑切换线性变参数(linear parameter varying, LPV)控制器的设计方法。将变体飞行器建模成以翼展变形率为时变参数的LPV系统,通过对时变参数进行具有重叠特性的区间划分,设计平滑切换控制器。结合参数依赖的多李雅普诺夫函数和平均驻留时间方法,给出了保证切换LPV系统指数稳定的充分条件。由于考虑了时变参数的渐变特性,使得系统的切换律没有平均驻留时间的限制,降低了结论的保守性。仿真结果表明,运用所设计的控制器,当翼展连续变化时,变体飞行器状态稳定且切换过程平滑,控制性能良好。     

基于自抗扰的反步滑模制导控制一体化设计

针对导弹末制导段的制导控制问题,基于自抗扰控制和反演终端滑模控制,提出了一种导弹制导控制一体化设计算法。利用块严格反馈系统描述一体化模型,将存在的模型误差、目标机动等看做未知干扰。采用扩张状态观测器对系统不确定性和干扰进行估计和补偿。设计反步终端滑模控制方法实现导弹的姿态控制。仿真证明了设计的一体化算法可以获得较小的脱靶量,系统对存在的内外干扰和不确定性具有较强的鲁棒性。     

基于拟人智能控制的BTT导弹姿态控制

基于拟人智能控制思想提出一种针对BTT导弹姿态控制的非线性控制律的设计方法.首先利用广义归约的方法将复杂的BTT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.该方法适合于对大机动、非线性、强耦合的BTT导弹的姿态控制.仿真结果证明设计的飞行控制律能够在导弹转弯的过程中迅速实现姿态指令的跟踪,并有效的抑制侧滑角的产生.     

带推力矢量空空导弹的神经网络控制与仿真

对于新型空空导弹为了使导弹获得更高的的机动性、敏感性和更高的导引精度，大多采用推力矢量控制方案，因为神经网络控制对于系统非线性变化具有很强自适应能力，因而在解决带推力矢量空空导弹的控制问题时有较明显的优点，本文在给出推力矢量空空导弹数学模型的基础上，提出了两种适用于带推力矢量空空导弹的神经网络控制方案，并采用其中的双网络逆动态学习控制方法进行了自动驾驶仪设计，为进一步改善该神经网络的学习效果。还引入基于学习经验的模糊规则。数字仿真表明所提出的神经网络控制对于系统内参数非线性变化具有很强的适应性。     

基于扩张状态观测器的变形机翼抗饱和控制

针对一类滑动蒙皮机翼模型的强非线性、模型不确定性、未知外部干扰以及执行器饱和特性,提出了基于扩张状态观测器(extended state observer,ESO)的抗饱和控制方法。通过将变形机翼系统的不确定性视为扩张状态,设计了ESO对扩张状态进行估计;并在控制策略中,对观测出的扩张状态进行实时补偿;利用线性矩阵不等式工具给出了执行器饱和条件下的收敛域。数值仿真结果表明变形机翼系统可以有效克服模型不确定性、未知外部干扰与执行器饱和的影响,完成变形指令。