线性离散系统的最优预见控制

该文对线性离散系统的最优预见控制方法进行了研究。这种方法在二次型性能指标中综合考虑跟踪误差和控制量的变化 ,在设计反馈控制器的基础上 ,利用已知的未来目标值及未来干扰信号设计前馈补偿器 ,进一步改善了系统的性能。该文讨论了最优预见控制设计方法的关键技术 ,即预见步数的选取问题 ,推导了预见步数与性能指标函数值之间的关系 ,并给出了预见步数的选取方法。     

采用共生遗传算法的模糊控制器设计方法

为解决模糊控制器自动优化设计中对结构和参数的学习和寻优搜索缓慢 ,以及模糊规则基维数爆炸问题 ,采用共生进化遗传算法结合分级模糊建模的思想进行模糊控制器自动设计。提出了模糊规则分类形成子种群 ,多种群并行进化的遗传算法。用这种方法可以同时设计模糊控制器的结构和参数 ,极大地减小编码规模 ,提高搜索速度。对车 杆平衡系统的控制仿真实验表明 ,该方法寻优搜索速度快 ,设计出的控制器控制效果很好。     

非线性挠性结构的神经网络变结构控制

针对非线性挠性结构的模态截断 ,模型不精确与不确定性 ,以及非线性特性 ,采用了神经网络与变结构相结合的控制方法 ,针对线性化部分设计变结构控制器 ,把模型不确定性以及非线性部分作为干扰 ,用神经网络辨识切换函数的实际值与理想值之差 ,该差值反映了模型与实际系统的差别。该方法对摄动具有很强的鲁棒性 ,大大减小了系统在切换面上的抖动。针对挠性结构的模态不可测性 ,以及传感器的失误概率随其数量的增大而迅速增大的特性 ,采用了神经网络观测器观测系统状态。     

高精度陀螺稳定跟踪系统神经网络预测控制

针对高精度陀螺稳定跟踪系统，提出了一种基于小波基函数神经网络的非线性系统的一步超前预测控制算法。该方法利用小波网络学习非线性系统，利用小波神经网络模型作为系统的预测模型，控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得。通过对陀螺稳定跟踪控制系统的仿真，表明该算法具有优良的控制品质。     

精确制导武器及其支持系统中的信息融合技术

本文分析了精确制导武器及其支持系统Ｃ３Ｉ的发展概况和未来发展趋势,探讨了多传感器信息融合技术在精确制导武器与支持系统Ｃ３Ｉ中的应用前景,阐明了信息融合技术是实现武器精确制导和Ｃ３Ｉ系统的关键技术,最后对多传感器信息融合技术的发展概况、基本原理和基本方法作了综述和讨论。     

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 ,所提出的预测滤波算法具有优良的估计性能     

带未知时变噪声系统的卡尔曼滤波算法研究

针对带有未知时变噪声的线性离散系统的状态估计问题,详细研究了一种基于未知时变噪声统计估值器的自适应Ｋａｌｍ ａｎ 滤波算法。仿真结果发现,初值误差值不能随着时间而衰减。通过对滤波算法的重新整理,得到总是包含特征值等于１的系统矩阵,从而证明了该算法的临界稳定性     

反弹道导弹动能拦截器的新型最优制导律

针对大气层外动能拦截器拦截弹道导弹的末制导过程 ,提出了一种新型最优制导律。由于采用了一种新的剩余时间计算方法 ,这种最优制导律产生的加速度指令可以通过拦截弹的轨控系统 (弹体纵轴方向无控 )实现。最后 ,采用新型最优制导律和传统比例导引律分别进行了拦截过程的计算机数值仿真 ,仿真结果表明了这种新型最优制导律的有效性。     

激光制导炸弹的神经网络鲁棒控制

针对激光制导炸弹滚转控制通道的时变特性,基于神经网络具有定性和定量多模态控制能力能够实现多个常规控制器的功能,融合炸弹投放过程中的多种工作状态参数信息,设计了非线性神经网络控制器,给出神经网络控制器与常规控制器的功能等价性分析。该控制器具有鲁棒性,能适应时变系统参数大范围的变化,而且方法简单,实现容易。利用该方法对某型激光制导航空炸弹进行仿真,并与炸弹的变结构控制器相比,从根本上解决了变结构控制器的抖振问题,结果表明,该神经网络控制器具有良好的控制性能。