高阶非线性时滞系统的神经网络动态面控制

针对一类具有未知时变时滞的不确定高阶非线性系统,基于增加幂次积分方法,提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项;通过利用神经网络权值范数的适当形式幂次函数,将神经网络用于对在单步递推中所构造的未知函数进行建模;采用动态面技术,解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后,仿真算例结果表明了该方案的有效性。     

飞机纵向非定常气动力建模与辨识

针对目前预测非线性非定常气动力状态空间模型求解复杂,考虑因素少的问题,提出了新的气流分离模型,建立了整合动态和静态气流分离特性并具有迟滞特性的非定常气动力模型。与传统的非定常气动力模型相比,该模型不用完成复杂的微分计算,降低了因微分计算造成的误差;同时,模型引入了新的影响因素-俯仰角速率,使模型物理意义更加明确;最后根据快速振荡风洞试验数据进行验证,结果表明:该非定常气动力模型能够描述气动力的迟滞特性,很好地拟合了风洞试验数据。     

激光光梯度力消除雾霾的实验研究

利用激光光梯度力破坏雾霾粒子的力平衡体系从而加速雾霾沉降的新机理,搭建了模拟动态雾霾的实验舱。通过向悬浮的雾霾粒子辐射激光的方式验证了激光消除雾霾的可行性。大气中的雾霾粒子由于受到曳引阻力、范德瓦尔斯斥力、旋转升力等的作用,处于稳定的网状力平衡状态。激光与雾霾粒子的相互作用过程即为利用激光光梯度力俘获电介质粒子的过程。当激光产生的光梯度力打破雾霾粒子所处的平衡状态时,激光对雾霾粒子的捕获能力大于大气的悬浮能力,雾霾粒子便会脱离原有的力平衡体系而坠落。实验数据表明,功率为2.6mW的氦氖激光器产生的光梯度力足以打破直径分别为0.3、0.5和1.0μm的雾霾粒子原有的力平衡体系。激光开启时,实验舱内粒子浓度急剧衰减,衰减速率明显高于粒子的自然衰减速率,成功达到了加速粒子沉降的目的。实验结果还表明,烟雾粒子粒径越大沉降的效果越明显。这种治理雾霾的新机理对净化大气、消除工厂粉尘以及对人们的健康生活、经济持续发展等具有重要意义。