基于固定时间神经网络观测器的变体飞行器容错控制方法

    公开(公告)号:CN117687308B

    公开(公告)日:2024-04-19

    申请号:CN202410147716.8

    申请日:2024-02-02

    Abstract: 本发明公开了一种基于固定时间神经网络观测器的变体飞行器容错控制方法包括以下步骤:建立含有系统扰动项的变体飞行器纵向动力学模型,设置执行机构故障模型,获得变体飞行器容错模型,将由模型不确定及飞行器变形引起的扰动和执行机构故障对飞行器的影响作为综合扰动,将所述变体飞行器容错模型分解为高度子系统和速度子系统;设置固定时间神经网络扰动观测器,基于固定时间神经网络扰动观测器,设置速度控制器对速度指令进行稳定跟踪,设置高度控制器对高度指令进行稳定跟踪,实现对变体飞行器的控制。本发明公开的基于固定时间神经网络观测器的变体飞行器容错控制方法具有误差收敛快、鲁棒性强、稳定性强等优点。

    导引头模型辨识系统及应用其的制导控制仿真系统

    公开(公告)号:CN107478111B

    公开(公告)日:2019-04-12

    申请号:CN201710651813.0

    申请日:2017-08-02

    Abstract: 本发明公开了基于寄生回路的导引头模型辨识系统,该系统包括模拟信号发生模块、仿真设备和模型辨识模块,通过模拟信号发生模块发送模拟扫频输入信号作为理论弹目视线角速度信息,引导仿真设备工作,仿真设备中的导引头输出真实弹目视线角速度,模型辨识模块根据理论弹目视线角速度和真实弹目视线角速度辨识得到导引头模型,即得到基于导引头隔离度寄生回路的导引头传递函数,将辨识得到的导引头模型用于制导系统设计中,提高了制导系统数字仿真的准确性,还可使制导控制回路数字仿真不依赖于导引头半实物仿真系统,仅通过数字仿真形式就可以进行全工况多条弹道制导控制仿真,从而减少半实物仿真的工作量,使得导引头和制导控制系统的研究数字化。

    导引头模型辨识系统及应用其的制导控制仿真系统

    公开(公告)号:CN107478111A

    公开(公告)日:2017-12-15

    申请号:CN201710651813.0

    申请日:2017-08-02

    CPC classification number: F42B35/02

    Abstract: 本发明公开了基于寄生回路的导引头模型辨识系统,该系统包括模拟信号发生模块、仿真设备和模型辨识模块,通过模拟信号发生模块发送模拟扫频输入信号作为理论弹目视线角速度信息,引导仿真设备工作,仿真设备中的导引头输出真实弹目视线角速度,模型辨识模块根据理论弹目视线角速度和真实弹目视线角速度辨识得到导引头模型,即得到基于导引头隔离度寄生回路的导引头传递函数,将辨识得到的导引头模型用于制导系统设计中,提高了制导系统数字仿真的准确性,还可使制导控制回路数字仿真不依赖于导引头半实物仿真系统,仅通过数字仿真形式就可以进行全工况多条弹道制导控制仿真,从而减少半实物仿真的工作量,使得导引头和制导控制系统的研究数字化。

    一种多模导引头信息融合目标状态估计方法

    公开(公告)号:CN117932894A

    公开(公告)日:2024-04-26

    申请号:CN202311828198.8

    申请日:2023-12-27

    Inventor: 肖博文 夏群利

    Abstract: 本发明公开的一种多模导引头信息融合目标状态估计方法,属于飞行器制导控制领域。本发明实现方法为:采用重构法提取半捷联导引头视线角量测信息;基于预先装订目标典型的机动模型或先验估计,采用模型概率转移方法估计出目标当前模型,并构建基于交互式多模滤波算法的多模型滤波器模型;基于多模型滤波器模型,获得的两种探测器的最优估计状态最优估计和协方差;将获得的两种探测器的最优估计状态最优估计和协方差作为信息融合输入,以雷达和红外探测器协方差矩阵为权重,通过卡尔曼加权融合算法对雷达导引头和红外导引头的目标状态估计结果求加权平均数得到目标状态全局最优估计值,实现对雷达和红外滤波信息加权融合目标状态估计。

    基于动态逆的多无动力飞行器协同制导方法

    公开(公告)号:CN118484014A

    公开(公告)日:2024-08-13

    申请号:CN202410577863.9

    申请日:2024-05-10

    Abstract: 本发明公开了一种基于动态逆的多无动力飞行器时间协同制导方法,包括以下步骤:建立了“领‑从”飞行器和目标之间的相对运动方程;以“领‑从”飞行器的剩余飞行时间之差作为协调变量,利用时标分离原理将跟随飞行器偏航通道的非线性运动模型分解为快变子系统和慢变子系统;通过动态逆理论对两个子系统进行反馈使其线性化,解算出跟随飞行器偏航通道的制导律,获得“领‑从”飞行器剩余时间之差趋于零的协同末制导律;采用协同末制导律控制飞行器的运动。本发明公开的基于动态逆的多无动力飞行器协同制导方法,协同制导律能够使“领‑从”飞行器同时到达目标,并实现对目标的精准打击。

    基于固定时间神经网络观测器的变体飞行器容错控制方法

    公开(公告)号:CN117687308A

    公开(公告)日:2024-03-12

    申请号:CN202410147716.8

    申请日:2024-02-02

    Abstract: 本发明公开了一种基于固定时间神经网络观测器的变体飞行器容错控制方法包括以下步骤:建立含有系统扰动项的变体飞行器纵向动力学模型,设置执行机构故障模型,获得变体飞行器容错模型,将由模型不确定及飞行器变形引起的扰动和执行机构故障对飞行器的影响作为综合扰动,将所述变体飞行器容错模型分解为高度子系统和速度子系统;设置固定时间神经网络扰动观测器,基于固定时间神经网络扰动观测器,设置速度控制器对速度指令进行稳定跟踪,设置高度控制器对高度指令进行稳定跟踪,实现对变体飞行器的控制。本发明公开的基于固定时间神经网络观测器的变体飞行器容错控制方法具有误差收敛快、鲁棒性强、稳定性强等优点。

    基于RBF神经网络的变体飞行器自适应反演控制方法

    公开(公告)号:CN116560232A

    公开(公告)日:2023-08-08

    申请号:CN202310503743.X

    申请日:2023-05-06

    Abstract: 本发明公开了一种基于RBF神经网络的变体飞行器自适应反演控制方法,包括以下步骤:设置RBF神经网络估计由于飞行器变形导致模型不确定以及外部扰动共同引起的弹道倾角未知影响项dγ和俯仰角速度未知影响项dq,获得RBF神经网络针对弹道倾角未知影响项的自适应权值,以及RBF神经网络针对俯仰角速度未知影响项的自适应权值;设置反演自适应控制器,将RBF神经网络的自适应权值加入至控制器的控制律中,通过反演自适应控制器实现对变体飞行器的控制。本发明公开的基于RBF神经网络的变体飞行器自适应反演控制方法,使用RBF逼近未知影响项并在控制律中进行补偿从而提高控制器的精度和鲁棒性。

Patent Agency Ranking