摘要：介绍采用遗传算法解决软硬件划分问题 ,具体讨论在遗传算法实现过程中的编码和解码、适应值函数的选取、选择、交叉、变异算子的实现、收敛准则的决定等问题的处理 .与已发表文献的处理方法进行比较 。

摘要：针对一类非线性不确定系统,通过构建动态干扰观测器系统,提出一种快速神经网络干扰观测器。根据干扰观测误差在线调节神经网络权值,实现对未知综合干扰的逼近,逼近误差一致最终有界。基于神经网络干扰观测器设计了自适应Terminal滑模控制方案,严格证明了闭环系统状态在有限时间内收敛到零,从而提高了状态的收敛速度。最后,通过一个倒立摆的仿真例子,验证了系统的快速性和神经网络干扰观测器的逼近能力。

摘要：针对一类非线性不确定系统设计了自适应terminal滑模控制器,使跟踪误差在有限时间内收敛到零,消除了通常滑模变结构控制的到达过程,因而闭环系统从t=0时刻就对干扰具有鲁棒性。采用RBF神经网络逼近系统未知的非线性函数,引入滑模误差对其权值进行在线自适应调整,改善动态性能。最后给出的仿真例子证明了算法的有效性。

摘要：针对一类不确定混沌系统设计了基于快速模糊干扰观测器的鲁棒terminal滑模控制方案.首先通过设计快速模糊干扰观测器,克服了传统模糊干扰观测器在误差较小时收敛速度慢的缺点.然后严格证明了在存在未知干扰和不确定的情况下,同步误差及观测器误差均在有限时间内收敛到非常小的区域.最后对Duffing-Holmes混沌系统进行仿真,结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.

摘要：针对一类高阶MIMO非线性系统设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案.通过设计快速模糊干扰观测器,克服了传统模糊干扰观测器在误差较小时收敛速度慢的缺点.严格证明了跟踪误差及观测误差均在有限时间内收敛到零的小区域.最后在高超声速条件下,对空天飞行器再入过程的姿态控制进行仿真,结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.

摘要：针对一类多输入多输出非线性不确定系统,提出了自适应模糊快速终端滑模控制方法并应用于导弹自动驾驶仪的设计。利用模糊系统具有以任意精度逼近非线性系统的能力对未知干扰和不确定性进行逼近,并通过鲁棒项提高了系统性能。基于Lyapunov方法,证明了闭环系统所有信号渐进收敛。最后利用本文提出的控制方案设计了6自由度导弹的自动驾驶仪,仿真结果表明了控制方案的有效性和鲁棒性。

摘要：建立了与普通无人机相区别的带推力矢量的无人机数学模型,并提出了一种基于大脑情感学习(brain emotion learning,BEL)的推力矢量无人机姿态控制方法。首先设计了气动控制器和近似推力矢量控制器,然后设计了基于BEL算法的推力矢量控制补偿器。对无人机全量模型进行非线性数值仿真,结果验证了所建立的数学模型的正确性、推力矢量技术在无人机姿态控制上的特定优势以及BEL智能方法的自学习、自适应能力。

摘要：建立了与普通无人机相区别的变推力轴线无人机的全量数学模型。通过理论分析可知,变推力轴线技术的引入可以改善无人机的机动性和敏捷性。设计了气动舵面控制和推力变向控制相结合的无人机纵向姿态混合控制器,并对非线性模型描述的无人机进行了控制仿真,结果验证了混合控制策略的优越性,也体现了变推力轴线无人机具有比普通无人机更好的机敏性。

摘要：针对传统模糊干扰观测器在观测误差较小时学习速度缓慢的缺点,提出一种新型快速模糊干扰观测器;然后设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案,严格证明了跟踪误差和观测误差均在有限时间内收敛到非常小的区域;最后,仿真结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.

摘要：针对无人空天飞行器再入大气层过程中气动参数变化剧烈、控制精度要求高的特点,设计了基于快速模糊干扰观测器的Terminal滑模控制方案。通过改进传统模糊干扰观测器的学习律,提出一种快速模糊干扰观测器,增强了其在线逼近干扰及系统不确定的能力。Terminal滑模的有限时间收敛特性提高了系统跟踪速度,同时采用快速模糊干扰观测器消除全部扰动的影响,从而保证了飞行品质。最后,仿真结果表明了快速模糊干扰观测器的优越性及闭环控制方案的有效性。