基于神经网络动态优化的再入轨迹设计

为解决当飞行器出现破损以及飞行器受干扰时的轨迹优化问题,新一代的再入式飞行器需要有实时在线轨迹优化的能力。神经网络动态优化算法(neural dynamic optimization,NDO)的主要特点是能使神经网络逼近最优解。神经网络动态优化算法可以避免传统的间接法在求解轨迹优化问题时协态变量初值猜测问题。给出了神经网络动态优化的原理,详细介绍了优化流程。仿真结果表明神经网络动态优化算法可以很好的避免协态变量初值猜测问题,具有较强的鲁棒性,能满足实时性要求。     

人工智能在新工科“传感器与检测技术”教学中的应用

随着以人工智能技术为代表的新技术正推动全球科技产业革命,人工智能技术也正与新工科人才教育培养深度融合。该研究将人工智能技术应用于新工科“传感器与检测技术”教学中,通过将人工智能强大的认知推理和数据再生产能力应用于教学过程数据分析处理、智能虚拟实验平台、教学过程智慧管理、学生注意力和精神状态识别、教与学立体评价等环节中,大幅度提升课程的教学实践效果,满足新工科背景下创新工程实践人才的培养要求。     

伸缩翼飞机变形飞行的建模与滑模变增益控制

研究了伸缩翼飞机变形飞行过程的动力学建模与鲁棒控制问题,以分析机翼变形对飞机性能的影响机理,并实现机翼变形时的平稳飞行。首先通过气动仿真分析构建了伸缩翼飞机气动参数与机翼变形的关联函数,进而建立了变形飞行的动力学模型。在此基础上提出了一种新的滑模变增益控制(sliding mode gain scheduled control,SMGSC)策略,更好地保证闭环系统的全局稳定和鲁棒性能。仿真结果表明,机翼伸缩能直接改变飞机的气动特性和运动模态;SMGSC能更好地保持伸缩翼飞机变形飞行时的状态稳定,并消除复合干扰的影响;伸缩翼飞机通过机翼变形可以减少50%的燃油消耗实现同样的飞行任务,具有重要的性能优势。     

火星探测无人机建模与切换控制

火星无人机是未来深空探测的发展方向之一. 该文针对火星探测无人机建模与切换控制进行研究,概述火星探测无人机的运行过程,建立火星探测无人机的数学模型,分析带伞飞行和无伞飞行的稳态性能,设计姿态和高度控制系统,实现火星探测无人机的切换控制. 仿真研究表明所建模型稳定可行,所提切换控制方法能保证切换过程的安全性和稳定性.     

变体飞行器变形辅助机动的建模与滑模控制

以伸缩翼变体飞行器为对象,研究了机翼伸缩辅助机动飞行的建模与控制问题。建立了飞行器气动参数与翼展变形率的函数关系,将机翼伸缩视为辅助操纵方式,构建了变形辅助机动的动力学模型。针对飞行器模型高度非线性的特点和机翼伸缩等会引起复合干扰的问题,提出了一种基于反馈线性化的非奇异动态终端滑模控制(non-singular dynamic terminal sliding mode control,NDTSMC)策略,在保证有限时间收敛的基础上,通过对切换信号的积分作用消除抖振,实现对不确定性的抑制。仿真结果表明,非奇异动态终端滑模控制方法能提高变体飞行器的控制精度和鲁棒性能,更好地消除抖振;变形辅助机动的变体飞行器比常规飞行器具有更强的机动性能和抗干扰能力。     

双星载旋转机构非确定等价鲁棒自适应控制

针对航天器携带的两副旋转机构同时姿态机动的精确控制问题提出一种鲁棒自适应控制方法.从关联系统的角度建立系统动力学模型,有效精确描述系统内各刚体动力学耦合项与非耦合项.采用“航天器本体姿态稳定、同时各旋转机构姿态机动”的复合控制策略:考虑到航天器本体转动惯量参数无法精确获得,应用非确定等价自适应控制方法设计姿态稳定控制器,在确保姿态全局渐近稳定的同时有效令不确定参数估计值精确逼近真实值或进入特定集合;考虑到各旋转机构姿态机动时受到航天器本体动力学耦合的影响,设计了鲁棒H∞姿态机动控制器以抑制动力学耦合的作用.仿真结果验证了所提出方法的有效性.