基于在线RBF神经网络的BTT导弹控制器设计

针对BTT导弹飞行控制系统的自适应鲁棒控制问题,基于反馈线性化控制和自适应RBF(radical base function)神经网络控制系统设计方法,设计了高精度鲁棒飞行控制器。提出在线权值修正算法,使RBF神经网络能实现对飞行控制系统动态逆误差的在线逼近,进而实现对系统不确定性和外界扰动的实时补偿。通过数值仿真,对所设计的飞行控制器进行了有效性验证。仿真结果表明,相比仅采用反馈线性化控制的飞行控制器,文中提出的飞行控制器能较好地跟踪期望的指令角度信息,鲁棒性能更优。

多输入线性系统极点配置问题的算法研究

极点配置是通过一个状态反馈矩阵的选取,使闭环系统的极点配置在希望的位置,从而使系统具有较满意的性能。对于多输入线性系统,状态反馈矩阵K的解不唯一,目前常用的设计方法都没有解决K的优化设计问题。将遗传算法引入基于Sylvester方程的算法中,优化反馈矩阵,仿真结果表明,该算法求出的反馈矩阵K优于其他各种方法。

基于遗传算法的线性多输入系统极点配置设计方法的研究

在确定的闭环极点下,多输入线性时不变系统的状态反馈矩阵的解不唯一。针对无法解决的优化问题,提出了一种新的基于遗传算法的设计方法,即将传统的直接计算法和遗传算法相结合,找到合适的优化参数,从而找到最优阵。该算法不需要复杂的计算,物力实现容易。对于具有普遍性的对象进行MATLAB仿真,试验结果表明新算法得到的反馈矩阵优于其它各种方法,从而具有一定的理论意义和实践意义。