一、基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究（论文文献综述）
潘晓宁[1]（2004）在《基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究》文中指出基于神经网络的鲁棒自适应控制研究和分布式三维飞行仿真平台的构建是本论文研究的两个主要内容，与传统微分几何方法不同的是，基于神经网络的鲁棒自适应控制侧重于智能控制方法在以鲁棒性为性能指标的非线性系统中的理论和应用研究，论文以一类弱非线性系统的鲁棒可靠镇定问题为引线，逐步深入地分析和探讨了在保证整个被控系统鲁棒性能指标的前提下，对于几类具有不确定性和外部扰动的强非线性系统跟踪控制器的设计问题；分布式三维飞行仿真平台主要用于先进飞行控制律的实时程序验证和效能评估之用，因此关于平台的一些开发原理和技术方法也在文中给出了介绍。 本文在基于线性微分包含（LDI）的技术基础上，提出了两种非线性系统的鲁棒控制方法，首先讨论了一类弱非线性时滞控制系统中的鲁棒可靠控制器设计问题，由于弱非线性系统本身的动态变化范围不大，在确保整个系统鲁棒性能指标的前提下，当系统存在时滞和故障时，通过LDI设计出的鲁棒可靠控制器可以镇定整个被控系统；其次，在考虑运用LDI技术产生的逼近误差、系统本身的未建模误差及参数不确定性以及外部扰动的影响不能被忽略的情况下，设计了在线补偿这部分影响的动态神经网络控制器，在理想模型和被控系统状念输出误差的调节作用下，在线神经网络补偿器与理想模型的线性H∞控制器相互配合，使得整个闭环系统既可以保证鲁棒稳定性又能够跟踪给定的指令信号。 本文对于一类含有外部扰动的多输入多输出（MIMO）强非线性系统，提出了两种新的鲁棒自适应跟踪控制方法，第一种利用了Taylor近似的原理，在考虑了外部扰动的情况下，将MIMO强非线性系统在理想平衡点处线性化，分别设计了两个在线神经网络控制器，在线性和非线性系统之间的状态误差驱动下动态补偿系统的Taylor近似高阶项及理想平衡点处的控制信号，满足极点配置方法的线性反馈控制器和两个在线神经网络联合作用于实际的被控MIMO强非线性系统，在保证整个系统鲁棒稳定性的情况下，能够跟踪给定的指令信号；另一种方法是针对这类系统设计了3个在线神经网络，分别实时抵消这类非线性系统中的非线性部分、与控制量耦合的非线性项以及外部扰动，使得受控系统的输出可以完全跟踪给定输入参考信号。两种设计方法的仿真验证都是以一个6自由度的12阶非线性飞机模型为对象，从跟踪控制的仿真结果可以看出，由于两类系统中都含有专门动态补偿外部扰动的在线神经网络，使得这种自适应控制方法具有一定的鲁棒性能。 本文对于验证先进飞行控制理论的分布式三维飞行仿真平台主要开发技术进行了原理和方法上的介绍，文中在基于Windows 2000／XP操作系统下，综合运用了控制系统实时仿真算法、面向对象的软件OOP开发技术、基于TCP／IP协议的网络通讯技术及三维虚拟现实OpenGl的API开发技术，在VC++应用程序框架的范围内，开发了具有友好交互式三维界面的分布式仿真平台，该平台除了用于先进飞行控制理论的实南京航空航天大学博士学位论文时程序验证之外，也可以用于航空院校的飞行控制系统教学实践和飞行训练的课程，由于开发这一平台并不需要大量的资金投入，因此具有非常广泛的应用前景。
张锐[2]（2002）在《武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制研究》文中研究指明本文就武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制系统的设计问题展开研究。内容涉及神经网络控制算法研究，神经网络的硬件实现及分布式武装直升机三维动画实时飞行仿真系统的设计等方面。 武装直升机模型具有较强的耦合性、不稳定性、模型参数呈现出较强的非线性，特别是当武装直升机做高敏捷性的大机动飞行时，模型参数变化剧烈。文中首先研究了非线性系统的神经网络辨识方法，提出基于有界误差的在线回归神经网络模型的一种连续时间σ-修正梯度学习算法，严格证明其收敛性，并应用于武装直升机模型参数的在线辨识中。 在非线性SISO系统神经网络控制理论研究中，提出一种基于神经网络的鲁棒自适应控制方法。并应用到武装直升机总距通道控制系统设计中。在此基础上，进一步对该方法进行了深入研究，并将其推广到非线性MIMO系统控制理论，严格证明了该方法的收敛性。 随后本文基于动态逆思想设计了武装直升机姿态角控制回路。其基本思想是根据内/外回路控制策略，在内环控制器设计中采用动态逆方法实现通道间解耦，外环针对独立通道设计模糊神经网络控制器，并引入滑模控制思想以增强控制系统的鲁棒性。对于内环由于模型不精确所引起的动态逆控制器的逆误差，采用在线自适应神经网络实现补偿。文中对整个系统的稳定性，自适应控制算法的收敛性给出了严格的数学证明。 提高武装直升机的机动性能是本文控制系统设计的目的之一，论文在姿态控制器的基础上进一步设计了外环轨迹跟踪控制器，并针对四种典型机动做了仿真，仿真结果表明，文中所设计的控制系统提高了武装直升机的机动性能。 论文的最后研究了神经网络的硬件实现方式，提出了神经网络的DSP实现方法。在此基础上，综合局域网、OpenGL等技术，设计完成分布式武装直升机三维动画实时飞行仿真系统，为神经网络的工程应用打下坚实的基础。
高赫佳[3]（2021）在《柔性系统的建模与神经网络控制研究》文中研究表明柔性系统涵盖了柔性机械臂、仿生柔性扑翼飞行器和柔性建筑等多种不同的对象。随着柔性系统的大量应用,其控制理论与方法问题已经成为具有前瞻性的高新技术研究方向,受到了学术界和工业界的广泛关注。目前,柔性系统领域的控制理论与方法问题诸如柔性多连杆机械臂的轨迹跟踪及振动控制问题,自然灾害下柔性建筑的约束控制问题,复杂环境下仿生柔性扑翼机器人的容错控制问题等都己发展成为具有国家重大需求的共性科学问题,极富挑战性。因此,为了突破具有环境适应性的不确定柔性系统的建模与智能控制的技术难题,本文紧密结合柔性系统的智能控制理论与方法的研究趋势及其在实际工业中的应用,对柔性系统的建模机理及控制策略等相关理论和关键技术进行了系统深入地研究。本文采用假设模态方法建立了柔性机械臂系统的动力学模型,解决了柔性系统无穷维特性导致的建模机理的难题;设计了具有一致逼近性能的模糊神经网络控制器,解决了系统动力学不确定性问题;构造了基于高增益观测器的神经网络控制器,解决了实际工程中不易测得的状态信息问题;并成功地在Quanser平台上进行了实验验证,解决了带有动力学不确定性的柔性机械臂的振动控制的难题。其次,针对带有输出约束的柔性建筑系统,基于Actor-Critic算法设计了自适应强化学习控制器,设计辅助系统及扰动观测器,解决了未知扰动条件下柔性建筑的输出约束及振动抑制问题;并在Quanser平台上进行了实验验证,突破了传统控制方法无法处理分布式扰动、高维数、不确定系统的局限性。另外,针对仿生扑翼飞行机器人系统,采用新型有限刚体儿方法和MapleSim仿真平台进行了可视化建模,基于非奇异快速终端滑模方法设计了自适应有限时间容错控制器,并在搭建的虚拟智能平台上进形了测试,解决了系统动力学的不确定性、执行器故障下的鲁棒性及复杂环境下的稳定性问题。本文分析了几类柔性系统的动力学特性,研究了生产开发过程中的振动控制和优化问题,该研究成果将为柔性系统的建模机理与控制设计提供理论依据,为振动控制的实现提供技术支撑,并进一步促进机械结构与控制系统学科间的交叉研究。
赵文婷[4]（2021）在《并网型微电网源荷预测及优化运营管理研究》文中指出发展可再生能源可以有效对降低化石燃料的依赖以及环境的污染。传统的集中式发电和远距离传输的电网结构虽然运行稳定,但是也存在机组启动不够灵活、传输成本高以及供电形式单一等问题。开发和延伸微电网能够促进分布式电源大规模接入,解决可再生能源就地消纳问题。但是,微电网系统中的分布式发电具有很强的波动性,高效和安全的微电网电力交易以及能量调度是促进分布式能源就地消纳和保障微电网安全经济运行的关键。同时,随着储能技术的加入使得微电网市场参与交易的市场主体变得多元化,能源交易的去中心化模式可以有效降低能源市场的管理运营成本,但是存在一定的信息安全隐患。此外,微电网交易市场与电力调度机构的相对独立,会造成一定程度的资源浪费,从而降低了微电网整体运营效率。因此,如何构建一个灵活的、高效的、安全的微电网交易平台和微电网电力调度系统对微电网的发展、微电网技术的发展和推首先本文在梳理了微电网运营管理研究进展与理论的基础上,阐述了论文的选题背景和意义。深入分析了并网型微电网运营管理的理论基础和管理管理内容,揭示了发电侧发电预测与微电网交易市场运营、需求侧负荷预测与微电网交易市场运营、以及微电网交易市场与调度运行之间的逻辑联系,从而构建了并网型微电网源荷预测及优化运营管理模式的总框架。其次,进一步对并网型微电网发电侧光伏和风力发电预测以及需求侧微电网用户负荷预测的必要性进行研究。针对发电侧出力预测部分,首先对粒子群算法（Particle swarm algorithm,PSO）进行改进,将改进的粒子群优化算法（APSO）优化K-means算法从而对光伏和风电预测数据集进行相似日筛选,然后分析了光伏及风电历史数据和影响因素的特点,构建基于相似日优化和随机森林的光伏及风电场出力预测模型,以提高光伏发电和风力发电预测的准确性。针对需求侧用户负荷预测部分,根据电力负荷数据的数据类型及特点,使用优化的K-means算法APSO-K-means进行相似日筛选,然后构建自适应权重组合预测模型APSO-ARIMA-SVR以提高组合预测模型的泛化性,从而微电网需求侧用户负荷预测的准确性。发电预测以及用户负荷预测的预测方法的确定为后续并网型微电网优化运营管理模式提供了重要依据并奠定了基础。然后,根据目前微电网市场存在的问题以及安全高效的要求,对并网型微电网的市场运营主体的利益博弈与均衡进行研究,并构建并网型微电网电力交易市场运营模型。首先分析了目前电力市场交易模式的研究现状及局限性,探讨微电网交易市场的特点和亟待解决的问题,发现去中心化交易模式可以降低交易市场的运营成本,提高交易效率。然而,没有中间商运营的去中心化交易模式,存在安全性低的缺点。鉴于此,本文基于纳什均衡理论提出了一种适用于并网型微电网电力市场的交易策略。然后引入联盟区块链技术,保证交易过程的安全性和透明性。从而构建基于纳什均衡和联盟区块链技术的并网型微电网交易市场,打破传统的微电网市场交易模式,在提高电力交易效率,降低运营成本的同时,确保交易过程安全。最后,本文在并网型微电网交易市场研究的基础上,对并网型微电网市场交易下电力调度优化策略进行了研究。微电网系统经济性运行的基础是能量调度优化控制策略。通常,交易市场与调度机构是相对独立的,这样,可能会导致资源的优化配置效率较低,出现能量损失和浪费的情况,同时也会导致整体微电网的运行效率较低。将微电网电力交易市场与调度运行系统耦合,以电力市场来指导调度系统运行,可以提高微电网整体的灵活性,减少对电网的冲击,提高运行效率,节约微电网运营成本。因此,基于微电网电力市场交易信息,提出以交易市场指导调度系统的运行方案,使用松鼠优化算法对微电网系统的构建调度优化模型,对提高能量调度策略的自适应性具有重要的理论与应用价值。故本文在准确获取微电网新能源出力信息及负荷的基础上,依据微电网市场交易信息,制定合理的优化调度方案。并根据上述研究结果,对并网型微电网源荷预测及优化运营管理提出建议。本文对并网型微电网运营优化管理模式的研究,有助于有效落实国家节能减排工作、提升我国微电网发展整体技术水平,有助于微电网合理调配电网电量,优化资源配置。同时,充分利用新能源电力,对推进微电网并网建设和环境保护方面有重要意义。此外,本文研究的并网型微电网优化运营管理模式对新能源电力企业管理理论的发展也具有一定的学术价值。
陈健楠[5]（2020）在《暂稳态性能约束下不确定四旋翼飞行器的控制器设计》文中进行了进一步梳理四旋翼飞行器是一种性能卓越的新型无人飞行器,它不仅轻巧易携带,而且噪音小、隐蔽性强,目前被广泛应用于军事侦察、地图测绘、航空摄影和包裹投递等领域。然而,四旋翼系统一方面由于特殊的物理结构导致其具有欠驱动特性;另一方面其系统模型不仅具有非线性特性,且易受到内部参数不确定性和外部扰动的影响。此外,日益复杂的工作环境和性能需求,对四旋翼的控制系统设计提出了越来越高的要求。故本文针对四旋翼系统,研究其在遭受到外界扰动、惯性参数不确定、时变负载以及执行器饱和等情形下的暂稳态性能受限控制器设计问题。论文主要研究内容如下:（1）针对不确定四旋翼系统,考虑跟踪误差暂稳态受限问题。首先,基于牛顿定律,构建了四旋翼系统在时变负载和阵风扰动下的机理模型。其次,采用自适应方法和不等式缩放技巧,对控制增益和惯性参数不确定性进行处理。最后,基于递归反步设计方法,构造了自适应预定性能跟踪控制方案,使得闭环系统是一致最终有界稳定的,并确保四旋翼位置跟踪误差暂稳态过程满足预先设定的约束。（2）针对不确定四旋翼系统,研究部分状态变量暂稳态受限问题。基于障碍李雅普诺夫函数和递归反步设计方法,构造多状态变量受限控制策略,使得状态变量分别满足预先设定的常值约束和时变非对称约束。并通过数值仿真和实验验证了所提控制策略的有效性。（3）针对四旋翼系统,研究在非对称时变全状态约束和非对称时变饱和输入约束下的跟踪控制问题。首先,通过变换函数构造了非对称时变饱和输入的数学模型,并结合一阶辅助系统,将具有饱和输入的原始系统转化为等效的不饱和系统。然后,基于此等效增广系统,通过新颖的障碍李雅普诺夫函数和Nussbaum增益技术,构造全状态受限饱和控制方案,保证了闭环系统的稳定性,并使四旋翼系统全部状态变量和输入信号满足预先设定的约束。（4）鉴于单个四旋翼的局限性,针对不确定多四旋翼系统,研究其围捕误差暂稳态受限问题,并基于障碍李雅普诺夫函数和动态面技术,提出了分布式自适应围捕协作控制协议。其中通过引入一阶低通滤波器对虚拟控制器的导数进行估计,避免传统反步法中“计算爆炸”问题。另外,为了避免控制输入超过约束范围,构造了辅助系统对饱和约束进行补偿。最后,通过障碍李雅普诺夫稳定性理论证明了闭环系统的稳定性,并确保了围捕误差满足在超调量、收敛精度和收敛速度等多方面的要求。
高嵩[6]（2020）在《多机器人协同目标追踪控制方法研究》文中认为多机器人系统具有良好的空间分布性与信息互补性,以及成本低、性能高等特点,可以代替单个机器人完成繁杂任务,实现复杂作业任务分流,改善单一机器人能力,更具灵活性、鲁棒性和社会性。多机器人的协同目标追踪控制在军事、空间探索、环境监控等领域有着广泛应用,具有重要的实际应用价值。特别是将机器人的非完整约束、非线性等固有特性作为约束条件与分布式协同运动控制相结合,多机器人的协同目标追踪控制具有更重要的理论研究意义。结合现实应用和分析现有研究成果,多机器人的协同目标追踪控制仍存在几方面的问题亟待解决:（1）常采用相对简单的机器人模型和算法。所采用的简单模型对于实际系统动态特性的描述不完整,因而很难适应环境的动态变化;设计基于线性系统的协同控制算法,一旦将上述理论应用于实际机器人模型,就难以获得理想的控制效果。（2）设计的机器人应用环境过于简单。常未考虑外部干扰、障碍、通信范围以及机器人的交互能力等现实问题,忽视这些问题将给实际应用带来局限性。（3）常忽视机器人的“不确定性”问题。机器人本身的高度非线性和复杂性会导致存在建模偏差及未建模动态,这些问题一旦忽略,多机器人协同控制的精度将受到影响。（4）常忽略机器人个体可能出现的问题,例如机器人个体故障、执行器的输出有限等,如果忽略这些问题就会降低系统性能,造成系统不稳定。综上所述,本文结合现实应用中存在的难点以及以往研究的不足,考虑满足非完整约束的地面移动机器人和满足完整约束的水下机器人和空间机器人,基于多非完整约束模型和多欧拉—拉格朗日模型,以协同控制相关理论和非线性控制理论作为理论研究基础,分别就完成协同目标环绕追踪和协同目标跟随追踪两种编队展开研究,主要包括以下几方面内容:（1）针对目标和地面移动机器人之间局部通信带来的信息缺失情况,在全局坐标系下提出仅利用局部信息来估计目标位置的分布式估计策略;针对信号直接微分带来的噪声干扰,采用具有滤波功能的跟踪微分器估计目标速度;在此基础上,提出基于图论和反步法的分布式控制律,实现多非完整型机器人对目标协同环绕追踪控制;理论证明了系统的稳定性,仿真实验验证了所提方法的有效性。（2）针对地面移动机器人感知交互能力有限及机器人容错控制问题,在局部坐标系下仅利用机器人与目标,以及相邻机器人之间的距离和方位角信息,基于向量场法设计与机器人个数无关的分布式控制律;该控制律具有便于扩展、删减、增加系统内机器人数量的特点,从而实现多非完整型机器人协同目标环绕追踪的容错控制;通过李雅普诺夫定理和Barbalat引理证明系统稳定性,仿真实验验证控制律的有效性。（3）针对水下机器人和空间机器人建模不精确性以及环境中干扰和障碍等对控制效果的影响,基于多欧拉—拉格朗日模型,设计鲁棒的多机器人内外环协同控制器。外环采用零空间行为控制（Null-space-based Behavioral Control,NSB Control）,通过任务优先逆运动学对不同的任务描述和映射,实现带有避障功能的协同目标跟随追踪。对于机器人“慢变线性化不确定性”问题,在内环设计自适应比例微分—滑模控制方法（Adaptive Proportion Differentiation-Sliding Mode Control,APD-SMC）,利用比例微分（Proportion Differentiation,PD）部分代替传统滑模的等效部分实现无模型控制,确保不确定参数对控制效果无影响;利用滑模部分的鲁棒项实现系统的强抗干扰能力;利用自适应部分对可线性化的参数进行估计,避免过大的控制增益,并补偿干扰,增强系统的鲁棒性,实现与模型无关且强鲁棒性的控制系统;理论证明内外环控制器的稳定性,并通过与NSB+SMC、NSB+ASMC以及NSB+PD的对比实验,验证所提控制器优越的控制性能。针对机器人“快变非线性不确定性”问题,在内环设计了径向基神经网络比例微分—滑模控制方法（Radical Basis Function Neural Networks Proportion Differentiation-Sliding Mode Control,RPD-SMC）,实现学习能力强、简单、无模型的强鲁棒控制系统。（4）针对实际应用中输入约束问题,利用有界反正切函数改进了 RPD-SMC方法,提出有界径向基神经网络比例微分—滑模控制方法（Bounded Radical Basis Function Neural Networks Proportion Differentiation-Sliding Mode Control,BRPD-SMC）,既保证输入有界,又保留RPD-SMC的优点,实现有界无模型的鲁棒控制系统;最后对系统的稳定性进行了严格的理论分析,并通过与NSB+ASMC及NSB+PD的对比实验,验证所提控制器具有良好的控制性能。
陆宇[7]（2020）在《面向多船协同的自适应编队控制方法研究》文中提出随着水上无人技术的快速发展,无人船凭借其成本低、机动性好和无人员伤亡的优点,已成为执行海洋环境监测、水上搜救等各类任务的重要工具。为了扩大无人船的作业范围、提高无人船作业时的容错能力和资源利用率,多船协同这种作业方式得到了越来越多的青睐。无人船编队控制方法是实现多船协同作业的关键,其设计不仅要依据多船编队的任务场景,还必须得考虑无人船的自身特性和编队过程中的多种约束。现有关于无人船编队控制的理论研究尚存在以下几个方面的问题:首先,复杂的多船编队任务场景要求无人船集群既能完成队形保持和编队平移等常规任务,又能拥有根据临时任务实现期望编队机动的能力,目前很多文献仍集中于研究固定编队布局下的无人船编队问题,针对可变编队布局下多船编队机动控制的工作相对较少;其次,无人船本身具有高度非线性、变量强耦合和不确定性等特性,在实际作业时也会受到风、浪、流等外界环境扰动的影响,现有的诸如基于神经网络的或自适应编队控制方法虽然使无人船编队系统具备了一定的鲁棒性,但它们的保守性和计算量还有待进一步研究;再者,一些多船编队任务场景对无人船编队跟踪误差的暂态和稳定性能提出了要求,无人船执行器能力受限或发生故障也会对多船编队跟踪性能产生影响,当前的无人船编队控制方法在使用过程中如果遇到这些编队跟踪性能约束或执行器约束,其编队控制性能会大打折扣。概括地说,多船协同运动时可变的编队布局设置、各船的不确定动力学和所受的外界扰动以及各种编队约束给无人船编队控制理论发展带来了很大的挑战。为了深入理解多船编队的运动特性、提高无人船编队控制方法的鲁棒性、容错性和实时性以及在不同编队约束条件下的适用性,本文从协同模型、信息交互和编队布局三个方面去解释多船编队运动机理,利用图论、方位刚性理论、反步法和自适应控制等理论工具,对面向多船协同的自适应编队控制方法开展了进一步的研究。文中充分考虑了无人船模型不确定性、外界扰动影响和各种编队约束,在无人船间无信息交互或存在局部信息交互情况下,分别讨论了固定和可变编队布局时的多船编队控制问题,实现了无人船编队队形保持、平移运动、曲线机动和缩放机动的控制任务,为多船协同应用提供了理论支撑。本文的主要研究贡献如下:1)针对基于领随双自主体协同模型的欠驱动无人船编队系统,提出了一种基于跟随船视距和视线角的自适应输出反馈编队控制方法,能够在船间无信息交互时解决固定编队布局下的多船编队队形保持和平移运动控制问题。每艘船的编队控制器在抑制不确定动力学和外界扰动时只需在线调节两个学习参数,计算量小,在保证多船编队系统鲁棒性的同时提高了编队的容错性和实时性。在此基础上,提出了一种基于虚拟船自适应规划的无人船鲁棒自适应编队控制方法,能够在船间仅有艏摇角信息交互时解决可变编队布局下的多船编队曲线机动控制问题。每艘船只需利用模型中的惯性系数便可有效估计外界扰动,所采用的扰动观测器和编队控制器可共享一组神经网络,均只需在线调节两个参数,减少了计算量,提高了无人船集群曲线机动时的编队轨迹跟踪精度。2)针对基于多自主体协同模型的无人船编队系统,提出了一种仅交互位置向量的无人船分布式鲁棒自适应编队控制方法,能够在船间具有局部信息交互时解决固定编队布局下的多船协同编队队形保持和平移运动控制问题。所提方法无需邻居船间交互三通道速度信息,局部信息交互量小,每艘船基于神经网络的编队控制器三通道共只有一个在线学习参数,既能抑制模型不确定性和外界扰动,又确保了算法的实时性。在此基础上,提出了一种基于位移的无人船分布式自适应容错编队控制方法,能够在无人船具有编队跟踪误差性能约束和部分执行器发生故障时解决多船协同编队控制问题。如果无人船间的交互拓扑图是连通的,采用该方法可获得期望的固定编队布局,编队中各船邻间编队跟踪误差的超调量、收敛速率和稳态精度也能满足预设的性能要求。3)针对基于多自主体协同模型的无人船编队系统,提出了一种基于方位的多船分布式鲁棒自适应编队缩放控制方法,能够在输入饱和约束和不确定条件下解决无人船集群编队缩放机动控制问题。该方法将‘‘领导船引导目标编队轨迹、跟随船编队跟踪’’作为多船编队缩放控制的核心思路,每艘船的控制器中都引入了参数压缩机制和辅助系统设计,在处理不确定性时简化了权值更新过程,并减少了执行器能力受限的负面影响。如果增广编队是无穷小方位刚性的,采用该方法既可保持预设的无人船编队队形,又能实现期望的编队缩放机动效果。所提方法只要规划领导船便可主动缩放调节整个无人船集群的编队尺寸,在此过程中无需重新设计跟随船的控制输入,各船的艏摇角也能保持一致。
何涛[8]（2020）在《四旋翼飞行器鲁棒位置姿态控制及自主跟踪研究》文中研究说明四旋翼飞行器诞生之初,由于当时条件的限制导致其存在体积庞大,飞行品质差等缺陷。近年来,随着微电子系统、传感器技术、控制理论等学科的发展,四旋翼飞行器得以小型化并被应用于各个领域,但是在实际应用当中依然存在各种各样的问题,因此对四旋翼飞行器的进一步研究是非常有必要的,这也是本课题研究的意义所在。在本论文中我们主要专注于基于自适应和神经网络技术的单个四旋翼飞行器新型抗扰动控制方案,以及多飞行器的自主协同控制方案,以实现飞行器的位置和姿态轨迹跟踪目标。这项工作的主要内容包括以下几点:（1）阐述四旋翼飞行器的抗扰动控制问题,以及多飞行器的自主协同控制问题的研究意义,总结当前国内外解决这些问题的控制策略及研究现状,并分析其发展前景。（2）给出具有一般性的四旋翼飞行器模型,并基于李雅普诺夫稳定性理论,及自适应和神经网络技术提出新型抗扰动控制策略,以获得单个四旋翼飞行器系统的鲁棒跟踪效果。利用所提出的控制策略及MATLAB软件给出四旋翼飞行器在存在内部不确定性和外部扰动情况下的仿真结果,以验证所提出控制算法的有效性。（3）在（2）的基础上采用带状态相关和时变扰动的自适应调节方法,研究多飞行器编队的自主协同控制问题。并提出一种新的广义同步误差模型,以统一现有的强同步误差模型。设计用于估计未知状态相关因子和恒定边界的自适应方案。利用设计的自适应方案及MATLAB软件给出多飞行器在持续状态相关扰动的影响下的仿真结果,以验证所提出控制算法的有效性。
何伟[9]（2020）在《复合式共轴高速直升机贴地飞行控制技术研究》文中研究表明复合式高速直升机具有高速、高机动飞行能力,在众多领域中具有十分重要的实用价值。本文以复合式高速直升机为研究对象,开展复合式高速直升机贴地飞行控制技术研究,设计了全包线飞贴地飞行控制律,为后续研究奠定基础。首先,描述了复合式共轴高速直升机的基本构型,考虑交叉耦合特性,采用分模块化建立了高速直升机全量非线性数学模型,在利用小扰动线性化的方法对非线性被控对象进行线性化基础上,分析其在贴地气流扰动中的响应特性。其次,对贴地航迹规划算法的进行了研究。基于高速直升机机动性能约束,在三维规划空间的基础上,将改进后的进化算法和A*算法结合应用在贴地航迹规划中,并进行了系统的实时仿真,实验结果表明了贴地航迹规划算法的可行性与实用性。再次,针对高速直升机各个贴地飞行模态的特点设计相应的控制器。在低速直升机模式下,采用H?回路成形技术进行贴地飞行控制律设计;在高速飞机模式下,采用自适应神经网络进行贴地飞行控制律设计;在过渡模式,采用多模态自适应切换策略进行控制律切换,仿真结果表明了所设计的控制器使系统具有优良的鲁棒稳定性。最后,建立了高速直升机贴地飞行半实物仿真系统,由可视化图形界面对飞行控制平台、模型仿真平台和视景仿真平台进行综合控制,贴地飞行实验验证了贴地航迹规划算法的可行性、贴地飞行控制技术的有效性以及仿真系统的实用性。
方一帆[10]（2020）在《基于自适应技术的高超音速飞行器容错控制研究》文中研究说明高超音速飞行器具有高速飞行、机动性强、飞行包线宽等诸多优点,具有巨大的军用和民用价值。飞行控制系统必须具备高可靠性以确保高超音速飞行器的飞行安全。本文研究高超声速飞行器巡航阶段的容错控制,采用卡尔曼滤波技术对高超声速飞行器进行故障检测,采用自适应技术设计飞行器纵向通道的容错控制器。本文中还考虑了外界扰动等不确定性、随机噪声、执行器故障等不利因素进行研究,具有一定的实用价值。首先,介绍了高超音速飞行器的发展背景及本文的研究意义,说明了国内外高超音速飞行器故障诊断与容错控制的研究现状。此外,给出了锥形体通用高超音速飞行器模型以及执行器故障模型。然后,针对具有执行器故障,干扰和随机噪声的高超音速飞行器,提出了一种基于未知输入卡尔曼滤波器和总可测故障信息残差（Total Measurable Fault Information Residual,To MFIR）的闭环故障检测方案。设计了一个未知输入卡尔曼滤波器来同时估计闭环高超音速飞行器系统的状态和干扰,并且通过To MFIR方法生成适用于闭环系统的残差。基于To MFIR残差采用假设检验的方法来确定故障检测的阈值,并给出相应的检测率以及故障可检测的条件。仿真结果验证了所提出的故障检测方法的有效性。接着,分别针对具有执行器失效故障、执行器偏移故障的高超音速飞行器,提出了外部风场扰动下的自适应容错控制方案。对具有执行器失效故障与扰动的高超音速飞行器采用鲁棒自适应观测器,对具有执行器偏移故障与扰动的高超音速飞行器采用自适应滑模观测器分别对故障信息进行在线估计;然后通过使用估计出的故障信息分别构造主动容错控制器,并通过Lyapunov稳定性分析给出设计条件。仿真结果表明了这两种容错控制方法的可行性。随后,针对一类具有执行器失效故障的非线性高超音速飞行器,提出了一种基于自适应滑模技术的反步容错控制方案。通过模型预处理,将原非线性系统解耦为两个单输入单输出子系统,针对速度子系统和高度子系统分别进行控制器设计。速度子系统使用动态逆控制器,高度子系统使用反步控制器。对系统动态中的升降舵失效故障进行在线自适应估计,并在反步控制器的基础上设计了自适应容错控制器。为了解决反步控制器设计过程中的虚拟控制量求导困难的问题,引入二阶滑模滤波器来近似反步法中虚拟控制量的导数。证明了输出跟踪误差的收敛性和闭环系统的稳定性,并且通过仿真进一步验证了该容错控制方法的有效性。最后,搭建了高超音速飞行器分布式半物理仿真平台,介绍了平台的主要构成和应用。针对提出的基于鲁棒自适应观测器的高超音速飞行器升降舵失效故障的容错控制算法进行半物理仿真验证,实验结果既说明了高超音速飞行器分布式半物理仿真平台构建的合理性,也验证了所设计算法的有效性与实用性。
二、基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究（论文提纲范文）
（1）基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究（论文提纲范文）
| 承诺书 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景与现状 |
| 1.2.1 神经网络鲁棒自适应控制的发展和现状 |
| 1.2.2 分布式虚拟现实技术的发展和现状 |
| 1.3 本文的研究思路与研究内容 |
| 第二章 基于神经网络非线性时滞系统的鲁棒可靠控制器设计 |
| 2.1 引言 |
| 2.2 基于神经网络的LDI描述 |
| 2.3 鲁棒性能分析及控制器设计 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第三章 不确定非线性系统的神经网络自适应H∞跟踪控制 |
| 3.1 引言 |
| 3.2 基于神经网络的LDI描述及H∞线性跟踪控制律设计 |
| 3.3 H∞线性跟踪控制系统参考模型的建立 |
| 3.4 自适应H∞跟踪控制系统的设计 |
| 3.5 仿真示例 |
| 3.6 本章小结 |
| 第四章 多输入多输出非线性鲁棒自适应跟踪控制 |
| 4.1 引言 |
| 4.2 问题引出 |
| 4.3 鲁棒自适应神经网络控制律设计 |
| 4.4 仿真算例 |
| 4.5 本章小结 |
| 第五章 鲁棒自适应飞行跟踪控制系统设计 |
| 5.1 引言 |
| 5.2 控制律设计方法 |
| 5.3 仿真算例 |
| 5.4 本章小结 |
| 第六章 分布交互式实时三维飞行仿真平台的综合设计 |
| 6.1 引言 |
| 6.2 仿真任务及软件功能分解 |
| 6.2.1 仿真任务的定义 |
| 6.2.2 仿真软件的功能分解 |
| 6.2.3 仿真软件开发方法的选择 |
| 6.3 飞机模型、飞控系统及大气紊流和侧风扰动模块 |
| 6.3.1 大气紊流和侧风扰动模块 |
| 6.3.2 飞行控制律模块 |
| 6.3.3 飞机非线性数学模型模块 |
| 6.4 分布式系统中的仪表、电子地图及状态显示 |
| 6.5 三维虚拟现实仿真模块 |
| 6.5.1 OpenGL软件开发技术概论 |
| 6.5.2 三维飞机模型的创建 |
| 6.5.3 三维仿真界面的创建 |
| 6.6 分布式系统的网络通讯软件和硬件结构 |
| 6.6.1 网络通讯软件的构成 |
| 6.6.2 分布式系统的硬件构成 |
| 6.7 分布式三维飞行仿真平台的任务实现 |
| 6.7.1 实时仿真示例1-基于增益表的正常飞行控制系统实现 |
| 6.7.2 实时仿真示例2-基于神经网络的某型歼击机自修复飞行控制律重构 |
| 6.7.3 实时仿真示例3-鲁棒自适应飞行跟踪控制系统设计 |
| 6.7.4 实时仿真示例4-粗糙集神经网络故障模式分类器 |
| 6.8 本章小结 |
| 第七章 总结和展望 |
| 7.1 本文的主要工作和贡献 |
| 7.2 后续研究工作展望 |
| 攻读博士学位期间发表的主要论文和工程项目参加情况 |
| 致谢 |
| 附录A |
| 参考文献 |
（2）武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制研究（论文提纲范文）
| 第一章 概述 |
| §1.1 武装直升机在现代战争中的地位及未来发展趋势 |
| 1.1.1 武装直升机在现代战争中的作用 |
| 1.1.2 武装直升机未来的发展趋势 |
| §1.2 基于神经网络的飞控系统概述 |
| 1.2.1 非线性系统神经网络控制概述 |
| 1.2.2 线性系统控制方法和神经网络的结合 |
| 1.2.3 非线性系统神经网络控制方法 |
| §1.3 武装直升机飞控系统研究问题的提出 |
| 1.3.1 研究背景 |
| 1.3.2 课题的任务 |
| 1.3.3 课题研究中的难点 |
| §1.4 本文研究思路与内容组织 |
| 1.4.1 研究思路 |
| 1.4.2 主要研究内容 |
| 第二章 神经网络模型辨识方法研究 |
| §2.1 引言 |
| §2.2 数学基础 |
| 2.2.1 线性逼近的几个基本术语 |
| 2.2.2 非线性逼近的基本理论 |
| 2.2.3 非线性函数神经网络逼近的基本理论 |
| §2.3 神经网络逼近能力研究 |
| 2.3.1 非线性函数的神经网络逼近 |
| 2.3.2 模糊神经网络 |
| 2.3.3 回归神经网络结构 |
| 2.3.4 模糊回归神经网络 |
| 2.3.5 局部反馈回归神经网络 |
| §2.4 自适应回归神经网络模型 |
| 2.4.1 自适应回归神经网络模型结构 |
| 2.4.2 连续时间学习律 |
| 2.4.3 连续时间σ—修正梯度学习律 |
| §2.5 神经网络非线性逼近实例 |
| 2.5.1 模糊控制器的学习 |
| 2.5.2 直升机参数辨识 |
| §2.6 模糊神经网络自适应控制 |
| 2.6.1 模糊神经网络权值参数在线学习算法 |
| 2.6.2 仿真实例 |
| §2.7 本章小结 |
| 第三章 非线性SISO系统的神经网络控制研究 |
| §3.1 引言 |
| §3.2 非线性系统控制基础理论 |
| 3.2.1 时变系统的稳定性理论 |
| 3.2.2 正实函数和相关定理 |
| 3.2.3 微分几何基本概念 |
| 3.2.4 SISO系统的反馈线性化 |
| §3.3 基于神经网络的鲁棒自适应控制方法研究 |
| 3.3.1 滑模变结构控制方法 |
| 3.3.2 模型的鲁棒线性化 |
| 3.3.3 采用模糊神经网络实现的鲁棒反馈线性化方法 |
| 3.3.4 神经网络在线辨识 |
| 3.3.5 基于径向基网络的自适应鲁棒自适应控制器的实现 |
| 3.3.6 仿真结果 |
| §3.4 非线性自适应输出反馈控制 |
| 3.4.1 跟踪误差信号分析 |
| 3.4.2 参数线性神经网络的逼近 |
| 3.4.3 严格正实函数的构造 |
| 3.4.4 参数线性神经网络的自适应规则 |
| 3.4.5 武装直升机总距控制通道应用实例 |
| §3.5 本章小结 |
| 第四章 非线性MIMO系统的神经网络控制研究 |
| §4.1 引言 |
| §4.2 非线性系统控制基础理论 |
| 4.2.1 微分几何学中一些基本概念 |
| 4.2.2 MIMO系统的反馈线性化 |
| §4.3 基于神经网络的分散自适应控制方法研究 |
| 4.3.1 分散神经网络鲁棒自适应控制方法研究 |
| 4.3.2 针对直升机姿态角通道的设计仿真 |
| §4.4 非线性动态逆控制方法研究 |
| 4.4.1 动态逆方法 |
| 4.4.2 武装直升机动态逆研究 |
| 4.4.3 神经网络逆控制研究 |
| 4.4.4 实例分析 |
| §4.5 本章小结 |
| 第五章 武装直升机机动飞行仿真 |
| §5.1 引言 |
| §5.2 武装直升机轨迹跟踪控制系统设计 |
| §5.3 垂直平面机动飞行仿真 |
| 5.3.1 急跃升/急跃降机动 |
| 5.3.2 鱼跃机动 |
| §5.4 水平平面机动飞行仿真 |
| 5.4.1 蛇行机动 |
| 5.4.2 椭圆转弯机动 |
| §5.5 本章小结 |
| 第六章 分布式可视化武装直升机实时飞行仿真系统 |
| §6.1 引言 |
| §6.2 可视化武装直升机飞行仿真系统总体框架 |
| §6.3 飞行控制平台 |
| 6.3.1 飞行控制平台组成 |
| 6.3.2 主控计算机 |
| 6.3.3 神经网络协处理器 |
| §6.4 三维动画仿真平台 |
| 6.4.1 OpenGL技术基础 |
| 6.4.2 三维地形的构造 |
| 6.4.3 武装直升机的三维构形 |
| 6.4.4 机动飞行的三维动画显示 |
| §6.5 平台间的通讯 |
| 6.5.1 平台间传输的数据内容 |
| 6.5.2 平台间数据传递程序的实现 |
| §6.6 进一步的展望 |
| 6.6.1 神经网络的硬件实现方式 |
| 6.6.2 三维动画实现方式 |
| 6.6.3 模块实现方式 |
| §6.7 本章小结 |
| 第七章 总结与展望 |
| §7.1 课题研究内容总结 |
| 7.1.1 控制方法的研究 |
| 7.1.2 武装直升机机动飞行三维动画仿真系统的设计 |
| §7.2 课题研究中的不足及改进 |
| 附录A 武装直升机非线性方程 |
| 附录B 直升机飞行仿真系统软件包简介 |
| 参考文献 |
| 作者在攻读博士学位期间的学术论文 |
| 致谢 |
（3）柔性系统的建模与神经网络控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性机械臂建模与控制技术 |
| 1.2.2 柔性建筑系统振动控制技术 |
| 1.2.3 仿生扑翼飞行器建模与控制技术 |
| 1.3 主要贡献与结构安排 |
| 2 预备知识 |
| 2.1 哈密顿(Hamilton)原理 |
| 2.2 离散化建模方法 |
| 2.2.1 假设模态法 |
| 2.2.2 有限刚体元法 |
| 2.3 拉格朗日(Lagrange)方程方法 |
| 2.4 神经网络(Neural Network)方法 |
| 2.5 李雅普诺夫(Lyapunov)直接法 |
| 2.6 本章小结 |
| 3 柔性机械臂系统的建模与神经网络控制 |
| 3.1 单连杆柔性机械臂的模糊神经网络控制 |
| 3.1.1 基于假设模态法的动力学建模 |
| 3.1.2 基于模糊逻辑的神经网络控制 |
| 3.1.3 仿真结果及分析 |
| 3.1.4 实验结果及分析 |
| 3.2 双连杆柔性机械臂的输出反馈神经网络控制 |
| 3.2.1 基于假设模态法的动力学建模 |
| 3.2.2 基于高增益观测器的神经网络控制 |
| 3.2.3 仿真结果及分析 |
| 3.2.4 实验结果及分析 |
| 3.3 本章小结 |
| 4 柔性建筑结构系统的建模与强化学习控制 |
| 4.1 带有偏心负载柔性建筑的输出约束神经网络控制 |
| 4.1.1 基于假设模态法的动力学建模 |
| 4.1.2 基于障碍李雅普诺夫函数的神经网络控制 |
| 4.1.3 仿真结果及分析 |
| 4.1.4 实验结果及分析 |
| 4.2 带有主动质量阻尼器柔性建筑的强化学习控制 |
| 4.2.1 基于假设模态法的动力学建模 |
| 4.2.2 基于Actor-Critic算法的强化学习控制 |
| 4.2.3 仿真及实验验证 |
| 4.3 本章小结 |
| 5 仿生柔性扑翼飞行机器人的建模与智能控制 |
| 5.1 带有分布时变扰动的柔性梁系统的神经网络控制 |
| 5.1.1 基于假设模态法的动力学建模 |
| 5.1.2 基于扰动观测器的神经网络控制 |
| 5.1.3 仿真验证 |
| 5.2 带有执行器故障的柔性扑翼系统的学习控制 |
| 5.2.1 基于有限刚体元法的动力学建模 |
| 5.2.2 基于非奇异快速终端滑模方法的智能控制 |
| 5.2.3 联合仿真验证 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）并网型微电网源荷预测及优化运营管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 并网型微电网经济运行优化管理研究现状 |
| 1.2.2 微电网市场交易 |
| 1.2.3 微电网分布式能源出力及负荷预测研究现状 |
| 1.2.4 文献评述 |
| 1.3 主要研究内容和创新点 |
| 1.3.1 研究内容 |
| 1.3.2 论文研究创新点 |
| 1.4 技术路线 |
| 第2章 并网型微电网源荷预测及优化运营研究的理论分析框架 |
| 2.1 相关理论基础 |
| 2.1.1 系统管理理论 |
| 2.1.2 预测理论 |
| 2.1.3 交易费用理论 |
| 2.1.4 最优化理论 |
| 2.1.5 协同理论 |
| 2.1.6 现代运营管理理论 |
| 2.2 微电网系统概述 |
| 2.2.1 微电网基本概念 |
| 2.2.2 并网型微电网基本构架 |
| 2.3 微电网并网运行管理的发展现状分析 |
| 2.3.1 微电网并网运行总则 |
| 2.3.2 并网型微电网建设发展概况 |
| 2.3.3 微电网并网运营发展现状 |
| 2.4 并网型微电网优化运营的管理内容 |
| 2.4.1 并网型微电网发电侧新能源发电预测与优化运营管理研究 |
| 2.4.2 并网型微电网需求侧用户负荷预测与优化运营管理 |
| 2.4.3 微电网电力市场与微电网调度运行机构 |
| 2.5 并网型微电网优化运营管理模式框架 |
| 2.6 本章小结 |
| 第3章 并网型微电网发电侧光伏和风力发电功率预测 |
| 3.1 光伏发电系统短期功率预测模型及影响因素 |
| 3.1.1 光伏发电系统短期功率预测模型 |
| 3.1.2 光伏发电输出功率预测的影响因素 |
| 3.2 风电系统短期功率预测模型及影响因素 |
| 3.2.1 风力发电原理概述 |
| 3.2.2 风电输出功率的影响因素 |
| 3.3 微电网发电侧光伏及风力发电预测的主要研究方法 |
| 3.3.1 K-means聚类算法 |
| 3.3.2 改进粒子群算法 |
| 3.3.3 改进K-means聚类算法 |
| 3.3.4 随机森林算法 |
| 3.3.5 相关性分析方法 |
| 3.3.6 预测评价标准 |
| 3.4 并网型微电网发电侧光伏发电功率预测模型 |
| 3.4.1 构建基于随机森林模型的短期光伏发电功率预测模型 |
| 3.4.2 并网型微电网发电侧短期光伏发电功率预测实例仿真 |
| 3.5 并网型微电网发电侧短期风电功率预测模型 |
| 3.5.1 构建基于随机森林的短期风电功率预测模型 |
| 3.5.2 并网型微电网发电侧短期风电功率预测实例仿真 |
| 3.6 本章小结 |
| 第4章 并网型微电网需求侧用户负荷预测 |
| 4.1 并网型微电网需求侧用户负荷预测研究方法 |
| 4.1.1 滚动灰色模型 |
| 4.1.2 自回归求积移动平均模型 |
| 4.1.3 支持向量回归机 |
| 4.2 基于标准差法的组合预测模型 |
| 4.2.1 标准差法确定组合权重 |
| 4.2.2 RGM-SVR组合模型 |
| 4.2.3 ARIMA-SVR组合模型 |
| 4.3 自适应权重组合预测模型 |
| 4.4 并网型微电网需求侧用户负荷预测实例仿真 |
| 4.4.1 数据处理 |
| 4.4.2 基于自适应权重组合预测模型的短期用户负荷预测流程 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 第5章 并网型微电网电力交易市场运营管理 |
| 5.1 研究方法 |
| 5.1.1 区块链基本概念 |
| 5.1.2 联盟区块链技术 |
| 5.1.3 定价策略中的博弈模型 |
| 5.2 并网型微电网市场交易模型 |
| 5.2.1 微电网交易市场整体构架 |
| 5.2.2 并网型微电网运营主体利益博弈与均衡分析 |
| 5.2.3 智能合约的部署 |
| 5.3 并网型微电网市场交易模型实例仿真 |
| 5.3.1 数据来源 |
| 5.3.2 仿真结果 |
| 5.4 本章小结 |
| 第6章 基于并网型微电网市场交易的电力经济调度优化管理 |
| 6.1 微电网系统经济运行优化分析 |
| 6.1.1 并网型微电网结构及系统运行主体概述 |
| 6.1.2 微电网能量调度策略与优化模型 |
| 6.2 并网型微电网能量优化求解方案 |
| 6.2.1 松鼠觅食算法 |
| 6.2.2 基于松鼠觅食算法的并网型微电网能量优化求解 |
| 6.3 并网型微电网能量优化模型实例仿真 |
| 6.3.1 基础数据 |
| 6.3.2 仿真结果 |
| 6.4 本章小结 |
| 第7章 并网型微电网源荷预测及优化运营管理对策建议 |
| 7.1 并网型微电网一体化运营管理发展方案及建议 |
| 7.1.1 推动能量调度机构与微电网交易市场协同发展 |
| 7.1.2 整合微电网主体机构 |
| 7.2 并网型微电网优化运营管理的配套政策法规体系建设建议 |
| 7.2.1 动态调整微电网定价机制 |
| 7.2.2 建设灵活的市场模式 |
| 7.2.3 推进激励政策实施 |
| 7.3 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（5）暂稳态性能约束下不确定四旋翼飞行器的控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 符号 |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 研究现状与分析 |
| 1.2.1 单四旋翼系统的研究现状 |
| 1.2.2 多四旋翼系统的研究现状 |
| 1.2.3 暂稳态性能约束控制研究现状 |
| 1.3 本文的主要研究内容 |
| 1.3.1 研究框架 |
| 1.3.2 具体内容 |
| 第2章 跟踪误差受限下不确定四旋翼系统预定性能控制 |
| 2.1 引言 |
| 2.2 系统模型与问题描述 |
| 2.2.1 时变负载对四旋翼的影响 |
| 2.2.2 阵风扰动对四旋翼的影响 |
| 2.2.3 四旋翼系统动力学模型 |
| 2.2.4 暂稳态性能约束描述 |
| 2.3 平移子系统自适应预定性能控制器设计 |
| 2.4 旋转子系统自适应鲁棒跟踪控制器设计 |
| 2.5 仿真验证 |
| 2.6 本章小结 |
| 第3章 位置变量受限下不确定四旋翼系统的分数阶滑模控制 |
| 3.1 引言 |
| 3.2 系统模型与问题描述 |
| 3.2.1 分数阶微积分 |
| 3.2.2 四旋翼系统动力学模型 |
| 3.3 平移子系统鲁棒受限控制器设计 |
| 3.4 旋转子系统分数阶滑模跟踪控制器设计 |
| 3.5 仿真和实验验证 |
| 3.6 本章小结 |
| 第4章 多状态受限下不确定四旋翼系统动态面控制 |
| 4.1 引言 |
| 4.2 系统模型与问题描述 |
| 4.3 平移子系统鲁棒多状态受限控制器设计 |
| 4.4 旋转子系统鲁棒动态面跟踪控制器设计 |
| 4.5 仿真和实验验证 |
| 4.6 本章小结 |
| 第5章 全状态受限下四旋翼系统抗饱和跟踪控制 |
| 5.1 引言 |
| 5.2 系统模型与问题描述 |
| 5.3 平移子系统全状态受限控制器设计 |
| 5.4 旋转子系统全状态受限跟踪控制器设计 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第6章 围捕误差受限下多四旋翼系统抗饱和协作控制 |
| 6.1 引言 |
| 6.2 系统模型与问题描述 |
| 6.2.1 图论 |
| 6.2.2 四旋翼系统动力学模型 |
| 6.3 主要结果 |
| 6.3.1 平移子系统受限自适应协作控制器设计 |
| 6.3.2 旋转子系统受限自适应跟踪控制器设计 |
| 6.4 仿真验证 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（6）多机器人协同目标追踪控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 论文选题背景与研究意义 |
| 1.2 多机器人协同目标追踪控制研究现状 |
| 1.3 模型不确定的机器人控制方法研究现状 |
| 1.4 现存问题分析 |
| 1.5 论文主要内容及章节安排 |
| 第二章 基于估计器的多机器人分布式协同控制 |
| 2.1 引言 |
| 2.2 图论知识 |
| 2.3 基于分布式估计的协同控制器设计 |
| 2.3.1 分布式估计器设计 |
| 2.3.2 协同控制器设计 |
| 2.3.3 稳定性分析 |
| 2.4 仿真实验及分析 |
| 2.5 本章小结 |
| 第三章 基于局部信息的多机器人分布式协同容错控制 |
| 3.1 引言 |
| 3.2 协同容错控制器设计 |
| 3.3 稳定性分析 |
| 3.4 仿真实验及分析 |
| 3.5 本章小结 |
| 第四章 模型线性不确定性下的多机器人分布式协同控制 |
| 4.1 引言 |
| 4.2 多欧拉—拉格朗日模型建立 |
| 4.3 内外环NSB+APD-SMC控制器设计 |
| 4.3.1 外环NSB控制器设计 |
| 4.3.2 内环APD-SMC控制器设计 |
| 4.4 稳定性分析 |
| 4.5 仿真实验及分析 |
| 4.6 本章小结 |
| 第五章 输入约束及模型非线性不确定性下的多机器人分布式协同控制 |
| 5.1 引言 |
| 5.2 RPD-SMC控制器设计 |
| 5.3 内环BRPD-SMC控制器设计及稳定性分析 |
| 5.3.1 内环BRPD-SMC控制器设计 |
| 5.3.2 内环稳定性分析 |
| 5.4 仿真实验及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
（7）面向多船协同的自适应编队控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多船协同问题的研究现状 |
| 1.2.2 无人船编队控制的研究现状 |
| 1.2.3 其它领域编队控制的研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文结构安排 |
| 第二章 基础知识 |
| 2.1 图论 |
| 2.1.1 基本概念 |
| 2.1.2 无向图 |
| 2.1.3 有向图 |
| 2.2 方位刚性理论 |
| 2.2.1 布局、编队和方位 |
| 2.2.2 方位刚性 |
| 2.2.3 无穷小方位刚性 |
| 2.3 稳定性理论 |
| 2.3.1 比较函数 |
| 2.3.2 稳定性定义 |
| 2.3.3 李雅普诺夫直接法 |
| 2.4 反步设计方法 |
| 2.4.1 原理和特征 |
| 2.4.2 自适应反步设计 |
| 2.5 其它理论 |
| 2.5.1 神经网络函数近似理论 |
| 2.5.2 高增益观测器 |
| 2.5.3 无源有界性 |
| 2.5.4 常用不等式引理 |
| 第三章 基于跟随船视距和视线角的自适应输出反馈编队控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 编队控制方案 |
| 3.4 主要结果 |
| 3.5 仿真验证 |
| 3.5.1 闭环性能 |
| 3.5.2 对比结果 |
| 3.6 本章小结 |
| 第四章 基于虚拟船自适应规划的无人船鲁棒自适应编队控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 虚拟船的自适应规划 |
| 4.4 扰动观测器的构建 |
| 4.5 编队控制器的设计 |
| 4.6 仿真验证 |
| 4.6.1 闭环性能 |
| 4.6.2 对比结果 |
| 4.7 本章小结 |
| 第五章 仅交互位置向量的无人船分布式鲁棒自适应编队控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 编队控制设计 |
| 5.4 主要结果 |
| 5.5 仿真验证 |
| 5.5.1 闭环性能 |
| 5.5.2 对比结果 |
| 5.6 本章小结 |
| 第六章 预设性能约束下的无人船分布式自适应容错编队控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 编队控制设计 |
| 6.3.1 考虑预设性能约束的虚拟控制律设计 |
| 6.3.2 自适应容错编队控制律设计 |
| 6.4 主要结果 |
| 6.5 仿真验证 |
| 6.6 本章小结 |
| 第七章 考虑输入饱和的多船分布式鲁棒自适应编队缩放控制 |
| 7.1 引言 |
| 7.2 问题描述 |
| 7.3 领导船选取及其轨迹规划 |
| 7.4 跟随船编队缩放控制器设计 |
| 7.5 仿真验证 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文总结 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间申请的专利 |
（8）四旋翼飞行器鲁棒位置姿态控制及自主跟踪研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文相关控制方法概述 |
| 1.3.1 自适应控制概述 |
| 1.3.2 鲁棒自适应神经网络补偿控制 |
| 1.3.3 带状态相关和时变扰动的自适应控制 |
| 1.4 本文研究内容和结构安排 |
| 第二章 四旋翼飞行器的飞行原理及动力学模型的建立 |
| 2.1 引言 |
| 2.2 四旋翼飞行器的飞行原理 |
| 2.3 坐标系的选取与变换 |
| 2.4 动力学模型的建立 |
| 2.5 四旋翼飞行器的特性分析 |
| 本章小结 |
| 第三章 四旋翼飞行器的鲁棒自适应神经网络补偿控制 |
| 3.1 引言 |
| 3.2 问题陈述和准备 |
| 3.2.1 扰动下四旋翼飞行器动力学模型 |
| 3.2.2 神经网络公式 |
| 3.2.3 控制目标 |
| 3.3 基于神经网络的位置子系统鲁棒自适应控制器设计 |
| 3.4 基于鲁棒神经网络的自适应姿态控制器设计 |
| 3.5 仿真实例 |
| 3.6 本章小结 |
| 第四章 多飞行器编队的自主协同控制 |
| 4.1 引言 |
| 4.2 多智能体系统分布式控制概述 |
| 4.3 多无人机编队研究现状 |
| 4.4 准备工作和问题描述 |
| 4.5 具有状态相关扰动的自适应编队控制 |
| 4.6 仿真实例 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（9）复合式共轴高速直升机贴地飞行控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景意义 |
| 1.2 高速直升机国内外研究现状 |
| 1.3 贴地航迹规划技术研究现状 |
| 1.4 飞行控制技术研究现状 |
| 1.5 研究内容及章节安排 |
| 第二章 高速直升机动力学建模及干扰流场分析 |
| 2.1 高速直升机基本构型与操纵 |
| 2.2 高速直升机动力学模型 |
| 2.2.1 坐标系定义 |
| 2.2.2 动力学模型 |
| 2.3 高速直升机配平与线性化模型 |
| 2.3.1 配平分析 |
| 2.3.2 模型线性化 |
| 2.4 贴地飞行的气流扰动分析 |
| 2.4.1 风切变对高速直升机飞行特性的影响 |
| 2.4.2 紊流对高速直升机飞行特性的影响 |
| 2.4.3 离散突风对高速直升机飞行特性的影响 |
| 2.5 本章小结 |
| 第三章 高速直升机贴地航迹规划研究 |
| 3.1 高速直升机机动性能约束 |
| 3.2 基于进化算法的航迹规划 |
| 3.2.1 进化算法的基本原理 |
| 3.2.2 改进的进化算法设计 |
| 3.2.3 航迹仿真实验 |
| 3.3 基于DSAS算法的航迹重规划 |
| 3.3.1 传统A*算法原理 |
| 3.3.2 DSAS航迹重规划算法设计 |
| 3.3.3 航迹重规划流程 |
| 3.3.4 仿真验证 |
| 3.4 本章小结 |
| 第四章 高速直升机贴地飞行控制器设计 |
| 4.1 基于H_∞回路成形的低速贴地飞行控制器设计 |
| 4.1.1 H_∞回路成形理论 |
| 4.1.2 基于H_∞回路成形的控制器设计 |
| 4.1.3 仿真验证 |
| 4.2 基于自适应神经网络的高速贴地飞行控制器设计 |
| 4.2.1 自适应神经网络模型结构 |
| 4.2.2 自适应神经网络控制器设计 |
| 4.2.3 仿真验证 |
| 4.3 过渡模式多模态控制器设计 |
| 4.4 航迹跟踪控制器设计 |
| 4.4.1 水平引导算法设计 |
| 4.4.2 垂直引导算法设计 |
| 4.4.3 仿真验证 |
| 4.5 本章小结 |
| 第五章 高速直升机贴地飞行仿真系统设计 |
| 5.1 高速直升机贴地飞行仿真系统总体框架 |
| 5.2 飞行控制平台 |
| 5.2.1 飞控计算机硬件设计 |
| 5.2.2 飞行控制软件设计 |
| 5.2.3 地面站主控软件设计 |
| 5.3 视景仿真平台 |
| 5.3.1 视景仿真平台概述 |
| 5.3.2 高速直升机的三维构型和动画显示 |
| 5.4 平台间的通讯 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）基于自适应技术的高超音速飞行器容错控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 高超音速飞行器发展现状 |
| 1.3 高超音速飞行器故障诊断与容错控制研究现状 |
| 1.3.1 高超音速飞行器故障诊断 |
| 1.3.2 高超音速飞行器容错控制 |
| 1.4 主要研究内容与章节安排 |
| 第二章 高超音速飞行器动态建模 |
| 2.1 引言 |
| 2.2 高超音速飞行器模型描述 |
| 2.3 执行器故障模型描述 |
| 2.4 本章小结 |
| 第三章 基于未知输入卡尔曼滤波器的高超音速飞行器故障检测 |
| 3.1 引言 |
| 3.2 系统描述 |
| 3.3 卡尔曼滤波器简述 |
| 3.4 基于未知输入卡尔曼滤波器的To MFIR残差生成 |
| 3.5 基于ToMFIR残差的故障检测 |
| 3.6 故障可检测条件 |
| 3.7 仿真验证 |
| 3.7.1 健康情况 |
| 3.7.2 故障情况 |
| 3.8 本章小结 |
| 第四章 基于自适应观测器的高超音速飞行器容错控制 |
| 4.1 引言 |
| 4.2 基于鲁棒自适应观测器的执行器失效故障容错控制 |
| 4.2.1 系统描述 |
| 4.2.2 鲁棒自适应观测器设计 |
| 4.2.3 基于鲁棒自适应观测器的主动容错控制器设计 |
| 4.2.4 仿真结果 |
| 4.3 基于自适应滑模观测器的执行器偏移故障容错控制 |
| 4.3.1 系统描述 |
| 4.3.2 自适应滑模观测器设计 |
| 4.3.3 基于自适应滑模观测器的主动容错控制器设计 |
| 4.3.4 仿真结果 |
| 4.4 本章小结 |
| 第五章 基于自适应滑模技术的非线性高超音速飞行器反步容错控制 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 反步控制简述 |
| 5.4 基于自适应滑模技术的反步容错控制器设计 |
| 5.4.1 健康情况下的反步控制器设计 |
| 5.4.2 自适应反步容错控制器设计 |
| 5.4.3 二阶滑模滤波器 |
| 5.4.4 稳定性分析 |
| 5.5 仿真结果 |
| 5.6 本章小结 |
| 第六章 基于高超音速飞行器分布式半实物仿真平台的仿真验证 |
| 6.1 引言 |
| 6.2 半实物仿真平台简介 |
| 6.2.1 平台硬件介绍 |
| 6.2.2 平台软件介绍 |
| 6.3 半实物仿真验证 |
| 6.3.1 实验过程 |
| 6.3.2 实验结果 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 |
四、基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究（论文参考文献）
- [1]基于神经网络的鲁棒自适应控制与分布式三维飞行仿真平台构建的研究[D]. 潘晓宁. 南京航空航天大学, 2004(03)
- [2]武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制研究[D]. 张锐. 南京航空航天大学, 2002(02)
- [3]柔性系统的建模与神经网络控制研究[D]. 高赫佳. 北京科技大学, 2021
- [4]并网型微电网源荷预测及优化运营管理研究[D]. 赵文婷. 太原理工大学, 2021(01)
- [5]暂稳态性能约束下不确定四旋翼飞行器的控制器设计[D]. 陈健楠. 燕山大学, 2020(07)
- [6]多机器人协同目标追踪控制方法研究[D]. 高嵩. 山东大学, 2020
- [7]面向多船协同的自适应编队控制方法研究[D]. 陆宇. 上海交通大学, 2020(01)
- [8]四旋翼飞行器鲁棒位置姿态控制及自主跟踪研究[D]. 何涛. 合肥工业大学, 2020(02)
- [9]复合式共轴高速直升机贴地飞行控制技术研究[D]. 何伟. 南京航空航天大学, 2020(07)
- [10]基于自适应技术的高超音速飞行器容错控制研究[D]. 方一帆. 南京航空航天大学, 2020