基于在线神经网络的自适应鲁棒飞行控制

一般的自适应神经网络,因为没有长期学习性与全局适应性,只能适应当前的瞬时状态,满足不了导弹高精度飞行的要求.基于李亚普诺夫稳定理论和神经网络的非线性函数的拟合特性,设计了具有背景学习功能的在线自适应神经网络鲁棒控制器.首先分析了逆误差产生的原因,然后用神经网络来补偿系统逆模型误差,并利用李亚普诺夫稳定性理论推导了在线网...     

鲁棒飞行控制系统的H∞优化设计

本文讨论了鲁律飞行控制系统的H∞优化设计问题，给出了实用的工程设计方法、步骤，并研制了相应的设计软件。同时，利用飞行控制系统H∞优化设计实例，说明本文设计方法、步骤和设计软件的有效性。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

一类非线性系统的模糊神经网络全局滑模控制

文中针对一类非线性系统提出了一种基于模糊神经网络的全局滑模控制策略。设计了模糊神经全局滑模函数,并根据Lyapunov稳定性理论设计出控制器和自适应律。文中以三相并联型有源电力滤波器为实例在MATLAB平台上进行了仿真实验,电网电流谐波畸变率由24. 71%降低到1. 6%,表明所提出的方案具有很好的补偿性能。     

滑模变结构控制在平流层飞艇姿态控制中的应用

为了较好地控制平流层飞艇的姿态,将滑模变结构控制方法和PID控制方法应用于平流层飞艇的姿态控制设计中,该飞艇模型具有参数静不稳定性。首先,以平流层飞艇平台为研究对象,建立了飞艇的六自由度线性动力学方程。然后,结合滑模变结构控制律和经典控制方法,设计了飞艇姿态控制的滑模控制器和PID控制器。最后,通过数据仿真,得出了较好的姿态控制效果,并对两种控制方法进行了对比分析。仿真结果表明,滑模变结构控制可以作为平流层飞艇平台姿态控制的研究方法,能够较好地控制飞艇的姿态。     

基于RBF神经网络的半主动悬架滑模控制

针对悬架参数的不确定性,提出一种基于径向基函数(RBF)神经网络的滑模控制方法。根据滑模变结构控制理论设计了两自由度半主动悬架系统的滑模控制器,采用极点配置法确定滑模切换面参数,应用比例切换的控制方法和等速趋近率确定控制律,采用RBF神经网络优化算法优化了滑模控制器。运用MATLAB/simulink进行仿真,结果显示,与被动悬架相比,基于RBF神经网络的滑模半主动控制具有良好的控制效果,显著地改善了车辆的行驶平顺性。     

天线共形飞艇的盘旋飞行控制设计

天线共形飞艇携带雷达在空中抵近侦察时,在指定空域进行盘旋飞行,其盘旋飞行性能直接影响搭载的雷达性能,为实现控制飞艇在盘旋飞行时的航线位置跟踪、姿态稳定,建立了含风场特性的通用六自由度非线性模型,并利用小扰动线性化方法将运动模型线性化。在此基础上,本文针对该飞行场景设计一种外环基于自适应PID+内环线性自抗扰法的双闭环盘旋飞行控制方法,并经过实际飞行验证,证明了控制方法的有效性,给出飞艇实际空中盘旋飞行姿态波动范围,为后续天线共形飞艇搭载雷达提供设计参考。     

H_∞鲁棒方法和极点配置的飞艇纵向控制器

飞艇体积庞大,易受风干扰,对飞艇设计控制器时除了要满足动态性能指标,还要求具有一定的扰动抑制作用,因此单一的控制方法难以满足要求。充分利用极点配置和H∞鲁棒控制方法的优点,将二者综合起来对飞艇进行纵向控制器的设计,内回路通过极点配置使系统达到期望的动态指标,外回路通过设计H∞控制器抑制外部扰动,仿真结果表明该综合方法设计的控制器具有良好的动态和鲁棒特性。     

机械手RBF神经网络滑模迭代学习控制

在机械手的轨迹控制的迭代学习控制中,迭代学习的学习律难以选择。本文结合RBF神经网络滑模变结构控制和迭代学习控制的基本思想,提出采用RBF神经网络滑模变结构控制确定学习律的方法。并运用Matlab软件Simulink对该方法应用于机械手轨迹跟踪控制的情况进行了仿真研究,结果表明该方法具有学习速度快、跟踪精度高、鲁棒性强等优点。     

基于神经网络的ATM网络多媒体流拥塞控制

提出了一种在用户-网络接口（UNI）处利用神经网络方法实现ATM网络多媒体流拥塞控制的新方法。在该方法中，控制器输出为信源编码率及其对应的用户百分比，即根据信源编码率及对应的用户百分比调整进入复用缓冲器多媒体流速率，从而克服了以往拥塞控制方法中仅仅调整编码率带来的对所有信源进行整体调整的缺陷，使摔制系统在信元丢失率最小情况下保证了多媒体流的质量，从而有效地利用了网络资源。本文还给出了两种实现方式，方式1中，神经网络输出层变量包括编码率及对应用户百分比，由连续编码率量化成离散值；方式2中，神经网络输出层变量只有连续的编码率，然后通过一定的换算公式计算出离散的编码率和对应的用户数。这两种实现方式中，方式1较为直观，但比方式2复杂。对话音流、视频流的仿真表明方法的有效性。     

基于CMAC神经网络的舰载雷达转台的复合控制

舰载雷达伺服系统采用单一的PID控制算法往往难以取得较高的控制品质和控制精度，本文阐述了采用CMAC神经网络和传统PID相结合的复合控制方法，介绍了CMAC神经网络的原理及其结构模型，给出了其学习算法，并对其在某雷达转台上的实际应用进行了详细的论述。     

一种基于神经网络的超稳定自适应控制算法

提出了一种用于控制复杂非线性系统的超稳定自适应控制算法。使用波波夫超稳定性原理设计控制器。用神经网络在线辨识系统的建模误差及不确定性因素，辨识结果作为补偿信号以实现系统的鲁棒控制。对一双输入双输出非线性系统的仿真结果表明，所提出的超稳定自适应控制算法具有较好的性能。     

A gradient‐based binary feedback scheme for congestion control in computer networks

In this paper, we propose a binary feedback scheme for congestion control in computer networks using a gradient‐based mechanism which employs neural network modelling of the system dynamics. The optimal direction for rate adjustment at the source is based on a single bit feedback signal which depends upon the sign of the sensitivity of the system performance index with respect to queue input rate. The paper presents the scheme and the analysis that went into the choice of the various decision mechanisms. Simulation results are presented to show the performance of the gradient based technique as compared to the conventional queue‐based approach. Copyright © 2000 John Wiley & Sons, Ltd.     

基于飞行安全的无人机控制技术发展趋势研究

从无人机飞行安全的角度出发,研究分析了目前国内外无人机控制技术的发展现状,提出了基于飞行安全的无人机控制技术的发展需求,采用自主控制和人工决策相结合的控制技术,提高无人机飞行操纵过程中的自主控制能力,降低人为操纵的干预程度,从而有效提高无人机系统的安全性。     

STABILITY CONTROL AND ANALYSIS OF ASYMMETRIC CONTINUOUS NEURAL NETWORKS

A new method for analyzing dynamics of continuous neural networks is proposed,and the necessary convergence conditions for a class of associative networks are obtained. Basedon the stability criterion and the equations of equilibrium set of the network, synthesis of aclass of associative neural networks is given. The stability control model of asymmetric unstablenetworks is suggested, which is also a valid way for optimization and dynamic control of stableneural networks.     

基于BP神经网络的民用航空航段安全风险评估

基于反向传播（BP）神经网络,建立了民用航空航段安全风险评估模型。采用MATLAB软件并通过某航空公司A320机型的实际飞行数据,实现神经网络模型的训练与检测,误差在可接受范围内。试验结果表明,该评估模型能够体现和反映航段安全风险。同时,基于此模型建立了航段安全风险评估原型系统,为航空公司进一步实施安全管理以及民航局履行政府安全监管职能提供科学手段和工具。     

基于T-S模糊神经网络的ATM网络拥塞控制

本文充分考虑了模糊神经网络的学习功能，提出了利用T－S模糊神经网络算法对ATM网络进行拥塞控制的方案。仿真结果表明，该方法改善了网络对拥塞的实时处理能力，又增加了网络资源的利用率。     

DI/QFT控制器在四旋翼无人直升机飞行控制中的应用

首先建立了四旋翼无人机的非线性数学模型.然后针对该无人机数学模型的不确定性和非线性,采用动态逆(DI)和定量反馈理论(QFT)相结合的方法设计了该无人机姿态回路的鲁棒控制器.应用动态逆方法处理对象的非线性,将系统等效为一个解耦但存在不确定性的线性对象.鉴于动态逆控制在气动参数摄动的情况下不能满足控制要求的事实,设计了QFT控制器,QFT控制器能克服对象的参数不确定性,保障系统的鲁棒性.仿真结果表明,在气动数据变化±20%的范围内,DI/QFT控制器实现了对姿态角的精确控制.     

基于拟牛顿算法优化神经网络的入侵检测研究

当前的入侵检测技术主要有基于规则的误用检测和基于统计的异常检测.提出了一种基于拟牛顿算法优化神经网络的入侵检测方法,与传统算法相比,该方法具有收敛快,检测率高等优点.