面向变形飞行器的时变气动参数在线辨识方法

针对变形飞行器快时变气动参数的在线高精度获取问题,本文提出一种基于BP神经网络模型的气动参数在线辨识方法。基于变形飞行器气动模型的非线性输入/输出映射关系,建立能够在一定精度范围内逼近变形飞行器气动模型的BP神经网络模型。根据在线实测动力学参数观测数据,采用扩展卡尔曼滤波方法在线训练神经网络,实时校正并获取神经网络模型参数,基于神经网络模型快速计算并预测气动参数,从而跟踪快时变、非线性气动模型的变化。通过对变形飞行器连续变形/构型突变的气动参数辨识进行数学仿真验证。结果表明:提出的方法收敛速度快、在线辨识精度较高,可以实现对变形飞行器气动参数的有效辨识。

一类不确定快时变系统的确保性能鲁棒自适应控制

本文研究了一类一阶不确定快时变系统的确保跟踪性能控制问题.通过引入一个状态变换,将带性能约束的控制问题转化为无约束问题,提出一个鲁棒自适应控制律.该控制律除能确保原系统满足给定的性能约束外,还使得新的状态变量的最终界只和某些控制器参数有关.由于控制器参数已知,因此本方法对该最终界有较好的估计.数值仿真验证了该方法的有效性.

带有干扰的时变系统的变结构鲁棒控制

对含有未知时变参数和外界干扰的单输入单输出线性时变系统,给出了一种变结构鲁棒输出跟踪控制器.系统参数不限定为慢时变或者结构已知的,只要求光滑有界且所需高阶导数有界.通过引入辅助信号和带有记忆功能的正规化信号,以及适当选择控制器参数,该变结构控制器能保证闭环系统所有信号的有界性,跟踪误差能被调整到任意小的范围内.