不同重力环境下空间机械臂神经自适应鲁棒控制

针对空间机械臂从地面装调到空间应用过程中重力项的变化问题,提出了一种神经网络自适应鲁棒补偿控制策略用于空间机械臂的末端控制,从而实现在地面重力环境下装调好的空间机械臂在空间微重力环境下实现在轨操控任务。通过神经网络在线建模来逼近系统模型中变化的重力项,逼近误差及系统的不确定性通过自适应鲁棒控制器来补偿。该控制策略不依赖于系统的模型,避免了回归矩阵的复杂计算及未知参数的估计,降低了计算量。基于李亚普诺夫理论证明了闭环系统的渐近稳定性。仿真结果表明该控制器对不同重力环境下空间机械臂的末端控制均能达到较高的控制精度,具有重要的理论研究和工程应用价值。

基于分散化神经鲁棒控制的轨迹跟踪算法研究

针对外部扰动以及建模误差对机械臂轨迹跟踪精度影响的问题,利用递归神经网络设计了分散化的神经鲁棒控制器,采用机械臂各个关节状态方程的子系统表示整个系统。使用滤错训练算法估计神经网络未知权重系数,同时引入鲁棒项抑制关节神经控制器之间的相互影响和建模误差,并利用Lyapunov函数进行稳定性证明。与没有鲁棒项的仿真结果对比表明,设计的分散化神经鲁棒控制器具有更精确的轨迹跟踪精度,误差的收敛性更好,稳定性更高。

高超声速飞行器输入受限自适应反演控制研究

针对输入受限和参数不确定时的高超声速飞行器控制问题,提出了一种基于径向基函数(RBF)神经网络补偿的自适应反演控制方法。建立了飞行器纵向运动模型,分析了由控制系统执行机构、弹性振动和避免发动机燃烧室热雍塞导致的燃料-空气比和升降舵偏角受限,通过设计辅助系统以保证受限时闭环系统的稳定性。分别采用动态逆和反演方法设计速度与高度子系统控制器,利用RBF神经网络逼近控制律的饱和特性,设计了一种非线性干扰观测器对模型不确定参数进行自适应估计,并在控制律中引入不依赖扰动上界的鲁棒项,对未观测的扰动部分进行自适应补偿,以保证控制律的强鲁棒性。引入跟踪微分器估计虚拟控制量的导数,解决了传统反演控制中"微分膨胀"问题。Lyapunov函数分析证明了闭环系统所有信号最终一致有界,闭环系统稳定。仿真结果表明:所提的控制策略能有效处理控制输入饱和问题,在受限情况下实现速度和高度对参考输入的高精度稳定跟踪,并对模型不确定性具较强的鲁棒性。

基于误差方程常数项的选权稳健数据处理方法研究

相对稳健估计选权迭代法中基于观测值首次平差后的残差进行选权迭代,基于误差方程常数项的选权迭代方法将初权的设置于平差前进行,削弱了粗差观测值对其它正常观测值平差后残差的不利影响,提高了测绘数据处理的质量。

离线方法与在线优化相结合的混合型鲁棒预测控制

通过加入自由摄动量和采用在线优化来扩大离线鲁棒预测控制的吸引域。当状态位于离线预测控制的吸引域之外时,在线求解简单的优化问题,得到一个较大的椭圆型吸引域;当状态位于这个较大椭圆型区域的外面时,在线求解1个标准的鲁棒预测控制问题,使得整个吸引域变为一个大得多的非椭圆型区域。提出的方法具有离线预测控制的所有优点,并且大范围地扩大了吸引域,给出仿真例子显示其效果。

带扰动观测器的船舶航向自适应神经网络控制

针对遭受未知外界扰动且存在不确定项的船舶航向非线性操纵系统,提出一种基于扰动观测器的自适应神经网络控制策略.构造神经网络逼近船舶模型中的不确定项,利用扰动观测器估计未知的外界环境干扰,并对控制量进行前馈补偿,提高控制策略的鲁棒性.应用Lyapunov函数证明了船舶航向跟踪闭环系统的误差信号一致最终有界.仿真结果表明,所设计的控制策略可以迫使船舶跟踪期望的航向.相对于传统的PID控制器,所设计的控制策略可以有效克服未知外界扰动,具有较强的鲁棒性.

电气系统可靠性研究在某海外炼油项目的应用

电气系统可靠性研究是通过采用系统分析工具,在设计前期找出供配电系统中可能存在的薄弱环节,提出应对措施,旨在设计阶段消除这些隐患以保证系统的可靠性,满足工厂正常运行、操作和维护。文章简要从研究的目标、研究范围、关注重点、需关注项等几个方面阐述了某海外炼油项目中电气系统可靠性研究的实际应用,希望可以为未来的国内外项目提供一定的帮助。同时寄希望于未来的国内项目可以实施电气系统的可靠性研究。

基于需用速度增益曲面的大气层外超远程拦截导引方法

考虑拦截器使用耗尽关机固体推进系统的情况,提出需用速度增益曲面概念,设计了基于该概念的大气层外超远程拦截导引方法。根据Lambert导引,给定拦截时间就有唯一的指令推力方向与之对应,导引过程分为两个阶段:零控拦截到达阶段,选择最优拦截时间,需用速度增益曲面迅速与助推时间-拦截时间平面相切;零控拦截保持阶段,拦截时间不断减小,保持需用速度增益曲面在助推时间-拦截时间平面上滑动,消耗多余的推进剂。利用拟零控拦截概念使两个导引阶段平缓过渡,避免了导引方法切换时推力方向的跳变。导引律计及了J2项摄动对滑行段弹道的影响,导引精度对推进系统参数偏差的鲁棒性强。仿真结果表明本文制导方法用于大气层外超远程目标拦截,脱靶量仅为km量级,推进系统参数偏差对导引精度的影响很小。

融合随机森林和目标项目识别的鲁棒推荐算法

针对协同推荐算法面对托攻击时鲁棒性差的问题,提出一种融合随机森林和目标项目识别的鲁棒推荐算法。首先,基于卡方统计理论提取能够区分正常用户与攻击用户的有效特征。然后,训练随机森林分类器对攻击概貌进行第一阶段检测。接下来,通过识别目标项目对含有攻击概貌的类别做进一步检测,实现攻击概貌的第二阶段检测。最后,根据攻击概貌检测结果构建鲁棒推荐算法。实验结果表明,所提算法在保障推荐精度的前提下具有较强的鲁棒性。