针对传统的测试系统对导弹控制系统的完好性评估过于粗放的问题,提出利用隶属度函数将完好性状态等级细化。利用改进的D-S证据理论,有效地解决了在融合高冲突证据时出现错误的问题,将控制系统闭环模拟飞行测试的动、静态数据综合分析,得到模拟飞行过程中关键节点以及全过程的完好性状态等级,进而调整测试、维护周期。仿真验证了该方法的可行性。
导弹控制系统 D-S证据理论 闭环模拟飞行 完好性评估 missile control system D-S evidence theory closed-loop simulated flight performance evaluation
提出了一种包含在线采样、离线学习两个阶段的基于数据驱动的迭代自适应动态规划(ADP)算法,仅通过在线数据,解决输入约束的连续未知模型的非线性系统的H∞控制问题。通过策略迭代(PI)和迭代强化学习(IRL)方法推导出无模型(HJI)方程。构建3个神经网络,在线采集系统数据结束后,利用离线学习方法,近似求解无模型HJI方程,进而得到值函数、控制策略和扰动策略,神经网络的未知参数通过最小二乘方法求解。仿真结果验证了算法的可行性。
自适应动态规划 H∞控制 输入约束 最优控制 神经网络 adaptive dynamic programming H∞ control input constrains optimal control neural network
针对导弹控制系统模飞测试中存在的测试效率低、不能模拟导弹飞行状况等问题, 提出闭环模飞测试方案, 极大地满足了导弹控制系统模飞测试的快速性、全覆盖性和有效性的要求, 能够检验系统各部分之间的协调性, 以及整个系统对大干扰的调节能力。介绍了闭环测试方案提出的必要性、原理以及实现方法, 具体论述了激励信号算法设计, 以及根据测试数据判断导弹性能的方法。仿真验证了该方案的可行性。
控制系统 闭环模飞 激励信号 导弹性能 control system closed-loop flight simulation excitation signal missile performance
提出了一种在线的自适应动态规划算法, 近似求解耦合的哈密尔顿雅可比(Hamilton-Jacobi-Isaacs,HJI)方程, 获得非线性系统混合H2/H∞控制的纳什均衡策略。通过在控制策略和干扰策略中加入已知噪声, 从而不依赖系统的模型信息, 得到一个求解混合H2/H∞控制问题的未知模型的近似动态规划算法。分别使用2个评价神经网络和2个执行神经网络, 同步在线更新2个值函数、控制策略和干扰策略, 神经网络未知参数通过最小二乘法进行估计。仿真结果验证了算法的可行性。
自适应动态规划 H2/H∞控制 耦合HJIE 最优控制 神经网络 adaptive dynamic programming H2/H∞ control coupled Hamilton-Jacobi-Isaacs equations optimum control neural network
针对非线性静态输出反馈H∞控制设计过程复杂、难以得到全局最优解等问题, 提出了一种新的控制器设计方法。采用平方和(SOS)方法分析多项式非线性系统H∞性能;以系统L2性能指标为目标函数, 用遗传算法优化控制参数。仿真结果表明, 该方法设计的控制器实现了多项式非线性系统L2性能指标最优。
多项式非线性系统 鲁棒控制 SOS法 遗传算法 polynomial nonlinear system robust control sum of squares approach genetic algorithm