CN111856944A - 一种基于事件触发的高超声速飞行器模糊控制方法 - Google Patents
一种基于事件触发的高超声速飞行器模糊控制方法 Download PDFInfo
- Publication number
- CN111856944A CN111856944A CN202010780040.8A CN202010780040A CN111856944A CN 111856944 A CN111856944 A CN 111856944A CN 202010780040 A CN202010780040 A CN 202010780040A CN 111856944 A CN111856944 A CN 111856944A
- Authority
- CN
- China
- Prior art keywords
- value
- fuzzy
- model
- hypersonic aircraft
- follows
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于高超声速飞行器控制技术领域,具体涉及一种基于事件触发的高超声速飞行器模糊控制方法,包括如下步骤:确定高超声速飞行器纵向平面运动模型;选择输出V、h为前件变量,每个前件变量至少为三个水平,并设定模糊规则;根据以上模糊规则,构建高超声速飞行器的T‑S模糊模型;维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型;根据事件触发策略构建基于事件触发的高超声速飞行器T‑S模糊模型;事件触发模糊控制器设计。本发明采用事件触发机制实现对高超声速飞行器的模糊控制,有效提升系统稳定运行,并抑制了系统时变时的滞特性,减轻了通信负担,节省了带宽资源。
Description
技术领域
本发明属于高超声速飞行器模糊控制技术领域,具体涉及一种基于事件触发的高超声速飞行器模糊控制方法。
背景技术
航行速度大于马赫数5的飞行器为高超声速飞行器,高超声速飞行器在民用和军用等方面有十分宽广的前景,所以是当今航空领域研究的热点。然而由于高超声速飞行器航行环境范围变化较大,它的动力学特性会呈现不确定性及非线性,所以创建精准地数学模型是很困难的,并且传统的控制方法对飞行器的速度和高度很难进行准确控制,需要用其它方法进行建模与控制。
现有技术中,对高超声速飞行系统的控制研究大都是将高超声速飞行系统在平衡点进行泰勒展开,从而得到线性化的模型,但该方法对于存在时变时延、数据碰撞丢失等情况时并不适用。在实际高超声速飞行系统中,传感器、执行机构和所设计的控制器都是作为节点与控制系统相连,并通过网络进行数据交换,由于网络延时以及通信带宽的影响,可能造成控制系统不稳定。
发明内容
本发明的目的是提供一种基于事件触发的高超声速飞行器模糊控制方法,采用事件触发机制实现对高超声速飞行器的模糊控制,有效提升系统稳定性。
为实现上述技术目的,本发明采用的技术方案如下:
一种基于事件触发的高超声速飞行器模糊控制方法,包括如下步骤:
S1、确定高超声速飞行器纵向平面运动模型;
S2、选择输出V、h为前件变量,每个前件变量至少为三个水平,并设定模糊规则;
S3、根据以上模糊规则,构建高超声速飞行器的T-S模糊模型;
S4、维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型;
S5、根据事件触发策略构建基于事件触发的高超声速飞行器T-S模糊模型;
S6、事件触发模糊控制器设计。
步骤S1纵向平面运动模型,利用拉格朗日力学建立运动方程,如下:
各力与力矩表示如下:
L=0.5ρV2SCL
D=0.5ρV2SCD
M=zTT+0.5ρV2Sc[CM(α)+CM(δ)]
在平衡点附件拟合的空气动力与力矩系数表达式及相关方程,如下:
ρ=ρ0exp(-(h-h0)/hs)
其中:h为高度,V为速度,α为攻角,Q为旋转角速度,η1和η2为广义坐标;ρ0为平衡点大气密度,h0为平衡点海拔,hs为密度梯度,为升力系数, 为阻力系数,ce为力矩系数,β1、β2、β3、β4、β5、β6、β7、β8为推力系数;
将上述模型变形为:
其中,
f(x,t)=[f1(x,t) f2(x,t) f3(x,t) f4(x,t) f5(x,t) f6(x,t) f7(x,t) f8(x,t)f9(x,t)]
f1(x,t)=Vsin(θ-α)
f4(x,t)=Q
S2、选择输出V、h为前件变量,每个前件变量至少为三个水平,上界(B),平衡点(M),下界(S),并设定模糊规则,如下:
如果V的值为小(S)且h的值为小(S):
y(t)=Cx(t)
如果V的值为小(S)且h的值为中(M):
y(t)=Cx(t)
如果V的值为小(S)且h的值为大(B):
y(t)=Cx(t)
如果V的值为中(M)且h的值为小(S):
y(t)=Cx(t)
如果V的值为中(M)且h的值为中(M):
y(t)=Cx(t)
如果V的值为中(M)且h的值为大(B):
y(t)=Cx(t)
如果V的值为大(B)且h的值为小(S):
y(t)=Cx(t)
如果V的值为大(B)且h的值为中(M):
y(t)=Cx(t)
如果V的值为大(B)且h的值为大(B):
y(t)=Cx(t)
h、V的隶属函数采用高斯隶属函数:
S3、根据以上模糊规则,构建高超声速飞行器的T-S模糊模型,如下:
其中,
μ1(t)=μS(t)μS(t)
μ2(t)=μS(t)μM(t)
μ3(t)=μS(t)μB(t)
μ4(t)=μM(t)μS(t)
μ5(t)=μM(t)μM(t)
μ6(t)=μM(t)μB(t)
μ7(t)=μB(t)μS(t)
μ8(t)=μB(t)μM(t)
μ9(t)=μB(t)μB(t);
S4、维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型,如下:
其中,
系统干扰优化后为:
S5、根据事件触发策略构建基于事件触发的高超声速飞行器T-S模糊模型,如下:
事件触发策略如下:
[ξ((k+j)h)-ξ(kh)]TΩ[ξ((k+j)h)-ξ(kh)]≤σξT((k+j)h)Ωξ((k+j)h)
其中Ω是对称正定矩阵,并且σ∈[0,1);
根据以下情况进行优化:
τ(t)=t-tk h,t∈[tkh+τk,tk+1h+τk+1)
得到
定义以下符号:
其中i=1,2,...dM-1
定义函数:
得到
在情况1下:t∈[tkh+τk,tk+1h+τk+1),ek(t)=0
在情况2下,定义
考虑到延时状态,最终模型如下:
其中t∈[tkh+τk,tk+1h+τk+1).;
S6、事件触发模糊控制器设计,如下:
1)给定γ,σ,δ和Kj(j=1,2…9),如果存在P>0,Q>0,R>0,Ω>0并且N,M具有合适尺寸(l=1,2),使得下面不等式成立,则闭环系统在H∞性能指标γ下是渐近稳定;
Θii<0,i=1,2,...9.
其中,
Γ=[N M-N -M 0];
2)将上述转换为有限的线性矩阵不等式,利用标准的工具箱进行求解:
其中,
本发明有益效果如下:
1、本发明采用事件触发机制实现对高超声速飞行器的模糊控制,即使在传感器、执行机构、所设计的控制器与控制系统进行信息数据交换发生碰撞,而产生诱导时延时,依然能够通过事件触发模糊控制器的控制下保持系统的性能以及稳定性;
2、本发明能对高超声速飞行器进行模糊控制,可有效减少不必要的信息传输,节约带宽资源。
附图说明
图1为本发明吸气式高超声速飞行器模型示意图。
具体实施方式
为了使本领域的技术人员可以更好地理解本发明,下面以实施例对本发明技术方案进一步说明。
如图1所示,一种基于事件触发的高超声速飞行器模糊控制方法,包括如下步骤:
一种基于事件触发的高超声速飞行器模糊控制方法,包括如下步骤:
S1、确定高超声速飞行器纵向平面运动模型;
S2、选择输出V、h为前件变量,每个前件变量至少为三个水平,并设定模糊规则;
S3、根据以上模糊规则,构建高超声速飞行器的T-S模糊模型;
S4、维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型;
S5、根据事件触发策略构建基于事件触发的高超声速飞行器T-S模糊模型;
S6、事件触发模糊控制器设计。
步骤S1纵向平面运动模型,利用拉格朗日力学建立运动方程,如下:
各力与力矩表示如下:
L=0.5ρV2SCL
D=0.5ρV2SCD
在平衡点附件拟合的空气动力与力矩系数表达式及相关方程,如下:
ρ=ρ0exp(-(h-h0)/hs)
其中:h为高度,V为速度,α为攻角,Q为旋转角速度,η1和η2为广义坐标;ρ0为平衡点大气密度,h0为平衡点海拔,hs为密度梯度,为升力系数, 为阻力系数,ce为力矩系数,β1、β2、β3、β4、β5、β6、β7、β8为推力系数;
将上述模型变形为:
其中,
f(x,t)=[f1(x,t) f2(x,t) f3(x,t) f4(x,t) f5(x,t) f6(x,t) f7(x,t) f8(x,t)f9(x,t)]
f1(x,t)=Vsin(θ-α)
f4(x,t)=Q
S2、选择输出V、h为前件变量,每个前件变量至少为三个水平,上界(B),平衡点(M),下界(S),并设定模糊规则,如下:
如果V的值为小(S)且h的值为小(S):
y(t)=Cx(t)
如果V的值为小(S)且h的值为中(M):
y(t)=Cx(t)
如果V的值为小(S)且h的值为大(B):
y(t)=Cx(t)
如果V的值为中(M)且h的值为小(S):
y(t)=Cx(t)
如果V的值为中(M)且h的值为中(M):
y(t)=Cx(t)
如果V的值为中(M)且h的值为大(B):
y(t)=Cx(t)
如果V的值为大(B)且h的值为小(S):
y(t)=Cx(t)
如果V的值为大(B)且h的值为中(M):
y(t)=Cx(t)
如果V的值为大(B)且h的值为大(B):
y(t)=Cx(t)
h、V的隶属函数采用高斯隶属函数:
S3、根据以上模糊规则,构建高超声速飞行器的T-S模糊模型,如下:
其中,
μ1(t)=μS(t)μS(t)
μ2(t)=μS(t)μM(t)
μ3(t)=μS(t)μB(t)
μ4(t)=μM(t)μS(t)
μ5(t)=μM(t)μM(t)
μ6(t)=μM(t)μB(t)
μ7(t)=μB(t)μS(t)
μ8(t)=μB(t)μM(t)
μ9(t)=μB(t)μB(t);
S4、维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型,如下:
其中,
系统干扰优化后为:
S5、根据事件触发策略构建基于事件触发的高超声速飞行器T-S模糊模型,如下:
事件触发策略如下:
[ξ((k+j)h)-ξ(kh)]TΩ[ξ((k+j)h)-ξ(kh)]≤σξT((k+j)h)Ωξ((k+j)h)
其中Ω是对称正定矩阵,并且σ∈[0,1);
根据以下情况进行优化:
τ(t)=t-tk h,t∈[tkh+τk,tk+1h+τk+1)
得到
定义以下符号:
其中i=1,2,...dM-1
定义函数:
得到
在情况1下:t∈[tkh+τk,tk+1h+τk+1),ek(t)=0
在情况2下,定义
考虑到延时状态,最终模型如下:
其中t∈[tkh+τk,tk+1h+τk+1).;
S6、事件触发模糊控制器设计,如下:
1)给定γ,σ,δ和Kj(j=1,2…9),如果存在P>0,Q>0,R>0,Ω>0并且N,M具有合适尺寸(l=1,2),使得下面不等式成立,则闭环系统在H∞性能指标γ下是渐近稳定;
Θii<0,i=1,2,...9.
其中,
Γ=[N M-N -M 0];
2)将上述转换为有限的线性矩阵不等式,利用标准的工具箱进行求解:
其中,
以上对本发明提供的具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (1)
1.一种基于事件触发的高超声速飞行器模糊控制方法,其特征在于,包括如下步骤:
S1、确定高超声速飞行器纵向平面运动模型,所述纵向平面运动模型,利用拉格朗日力学建立运动方程,如下:
各力与力矩表示如下:
L=0.5ρV2SCL
D=0.5ρV2SCD
在平衡点附件拟合的空气动力与力矩系数表达式及相关方程,如下:
ρ=ρ0exp(-(h-h0)/hs)
其中:h为高度,V为速度,α为攻角,Q为旋转角速度,η1和η2为广义坐标;ρ0为平衡点大气密度,h0为平衡点海拔,hs为密度梯度,为升力系数, 为阻力系数,ce为力矩系数,β1、β2、β3、β4、β5、β6、β7、β8为推力系数;
将上述模型变形为:
其中,
f(x,t)=[f1(x,t) f2(x,t) f3(x,t) f4(x,t) f5(x,t)f6(x,t) f7(x,t) f8(x,t) f9(x,t)]
f1(x,t)=Vsin(θ-α)
f4(x,t)=Q
S2、选择输出V、h为前件变量,每个前件变量至少为三个水平,上界(B),平衡点(M),下界(S),并设定模糊规则,如下:
如果V的值为小(S)且h的值为小(S):
y(t)=Cx(t)
如果V的值为小(S)且h的值为中(M):
y(t)=Cx(t)
如果V的值为小(S)且h的值为大(B):
y(t)=Cx(t)
如果V的值为中(M)且h的值为小(S):
y(t)=Cx(t)
如果V的值为中(M)且h的值为中(M):
y(t)=Cx(t)
如果V的值为中(M)且h的值为大(B):
y(t)=Cx(t)
如果V的值为大(B)且h的值为小(S):
y(t)=Cx(t)
如果V的值为大(B)且h的值为中(M):
y(t)=Cx(t)
如果V的值为大(B)且h的值为大(B):
y(t)=Cx(t)
h、V的隶属函数采用高斯隶属函数:
S3、根据以上模糊规则,构建高超声速飞行器的T-S模糊模型,如下:
其中,
μ1(t)=μS(t)μS(t)
μ2(t)=μS(t)μM(t)
μ3(t)=μS(t)μB(t)
μ4(t)=μM(t)μS(t)
μ5(t)=μM(t)μM(t)
μ6(t)=μM(t)μB(t)
μ7(t)=μB(t)μS(t)
μ8(t)=μB(t)μM(t)
μ9(t)=μB(t)μB(t);
S4、维持高声速飞行器的输出能够实时跟踪一个给定的指令信号ycom=[V,h]T,建立增广系统模型,如下:
其中,
系统干扰优化后为:
S5、根据事件触发策略构建基于事件触发的高超声速飞行器T-S模糊模型,如下:
事件触发策略如下:
[ξ((k+j)h)-ξ(kh)]TΩ[ξ((k+j)h)-ξ(kh)]≤σξT((k+j)h)Ωξ((k+j)h)
其中Ω是对称正定矩阵,并且σ∈[0,1);
根据以下情况进行优化:
τ(t)=t-tk h,t∈[tkh+τk,tk+1h+τk+1)
得到
定义以下符号:
其中i=1,2,...dM-1
定义函数:
得到
在情况1下:t∈[tkh+τk,tk+1h+τk+1),ek(t)=0
在情况2下,定义
考虑到延时状态,最终模型如下:
其中t∈[tkh+τk,tk+1h+τk+1).;
S6、事件触发模糊控制器设计,如下:
1)给定γ,σ,δ和Kj(j=1,2…9),如果存在P>0,Q>0,R>0,Ω>0并且N,M具有合适尺寸(l=1,2),使得下面不等式成立,则闭环系统在H∞性能指标γ下是渐近稳定;
Θii<0,i=1,2,...9.
其中,
Γ=[N M-N -M 0];
2)将上述转换为有限的线性矩阵不等式,利用标准的工具箱进行求解:
其中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010780040.8A CN111856944B (zh) | 2020-08-05 | 2020-08-05 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010780040.8A CN111856944B (zh) | 2020-08-05 | 2020-08-05 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111856944A true CN111856944A (zh) | 2020-10-30 |
CN111856944B CN111856944B (zh) | 2022-01-28 |
Family
ID=72972162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010780040.8A Active CN111856944B (zh) | 2020-08-05 | 2020-08-05 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111856944B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378408A (zh) * | 2020-11-26 | 2021-02-19 | 重庆大学 | 一种实现轮式移动机器人实时避障的路径规划方法 |
CN113093757A (zh) * | 2021-04-07 | 2021-07-09 | 哈尔滨工程大学 | 一种基于事件预测的气垫船登滩节能控制方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112335A1 (en) * | 2005-10-04 | 2009-04-30 | Fisher-Rosemount Systems, Inc. | Method and apparatus for intelligent control and monitoring in a process control system |
US20120036095A1 (en) * | 2010-08-05 | 2012-02-09 | King Fahd University Of Petroleum And Minerals | Method of generating an integrated fuzzy-based guidance law using tabu search |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
US20140228979A1 (en) * | 2005-10-04 | 2014-08-14 | Fisher-Rosemount Systems, Inc. | Process model indentification in a process control system |
CN104483835A (zh) * | 2014-11-06 | 2015-04-01 | 中国运载火箭技术研究院 | 一种基于t-s模糊模型的柔性航天器多目标综合控制方法 |
CN104573182A (zh) * | 2014-12-09 | 2015-04-29 | 南京航空航天大学 | 一种用于飞行器多模态控制系统的设计方法 |
CN105159307A (zh) * | 2015-08-27 | 2015-12-16 | 北京天航华创科技股份有限公司 | 一种带有执行器饱和问题的运动体姿态事件触发控制方法 |
CN105847438A (zh) * | 2016-05-26 | 2016-08-10 | 重庆大学 | 基于事件触发的多智能体一致性控制方法 |
CN106444813A (zh) * | 2016-10-26 | 2017-02-22 | 成都市优艾维机器人科技有限公司 | 一种基于t‑s模糊模型的四旋翼姿态控制方法 |
CN106708082A (zh) * | 2017-03-21 | 2017-05-24 | 中国人民解放军海军航空工程学院 | 基于模糊控制的飞行器俯仰通道姿态指令快速跟踪方法 |
US20170331895A1 (en) * | 2016-05-13 | 2017-11-16 | Honeywell International Inc. | Aircraft data interface function implementation using aircraft condition monitoring function and data gathering application architecture |
EP3321917A1 (en) * | 2016-11-10 | 2018-05-16 | Honeywell International Inc. | Efficient event-triggered reporting system |
CN108717264A (zh) * | 2018-05-29 | 2018-10-30 | 重庆大学 | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 |
KR20180128619A (ko) * | 2017-05-24 | 2018-12-04 | 한서대학교 산학협력단 | 퍼지 pid 제어기를 이용한 유도 방법 |
CN109062041A (zh) * | 2018-07-31 | 2018-12-21 | 湖州师范学院 | 基于事件触发的t-s模糊网络系统的控制方法 |
CN109828464A (zh) * | 2019-02-28 | 2019-05-31 | 北京控制工程研究所 | 一种航天器自主姿态控制方法 |
CN109885075A (zh) * | 2019-03-06 | 2019-06-14 | 扬州大学 | 一种基于t-s模糊建模的卫星姿态抗干扰容错控制方法 |
CN110456821A (zh) * | 2019-08-22 | 2019-11-15 | 安徽大学 | 基于动态触发机制的飞行器轨迹最优控制方法和系统 |
CN110673611A (zh) * | 2019-10-21 | 2020-01-10 | 武汉理工大学 | 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法 |
CN111024143A (zh) * | 2019-12-11 | 2020-04-17 | 南京航空航天大学 | 一种高超声速飞行器传感器连锁故障诊断与容错控制方法 |
CN111103795A (zh) * | 2019-11-21 | 2020-05-05 | 浙江大学 | 基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器 |
CN111309029A (zh) * | 2020-03-24 | 2020-06-19 | 山东科技大学 | 基于事件触发的无人艇路径跟踪方法、无人艇控制平台 |
CN111487866A (zh) * | 2020-04-09 | 2020-08-04 | 中北大学 | 一种基于混合事件触发机制的高超声速飞行器神经抗干扰控制方法 |
-
2020
- 2020-08-05 CN CN202010780040.8A patent/CN111856944B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112335A1 (en) * | 2005-10-04 | 2009-04-30 | Fisher-Rosemount Systems, Inc. | Method and apparatus for intelligent control and monitoring in a process control system |
US20140228979A1 (en) * | 2005-10-04 | 2014-08-14 | Fisher-Rosemount Systems, Inc. | Process model indentification in a process control system |
US20120036095A1 (en) * | 2010-08-05 | 2012-02-09 | King Fahd University Of Petroleum And Minerals | Method of generating an integrated fuzzy-based guidance law using tabu search |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN104483835A (zh) * | 2014-11-06 | 2015-04-01 | 中国运载火箭技术研究院 | 一种基于t-s模糊模型的柔性航天器多目标综合控制方法 |
CN104573182A (zh) * | 2014-12-09 | 2015-04-29 | 南京航空航天大学 | 一种用于飞行器多模态控制系统的设计方法 |
CN105159307A (zh) * | 2015-08-27 | 2015-12-16 | 北京天航华创科技股份有限公司 | 一种带有执行器饱和问题的运动体姿态事件触发控制方法 |
US20170331895A1 (en) * | 2016-05-13 | 2017-11-16 | Honeywell International Inc. | Aircraft data interface function implementation using aircraft condition monitoring function and data gathering application architecture |
CN105847438A (zh) * | 2016-05-26 | 2016-08-10 | 重庆大学 | 基于事件触发的多智能体一致性控制方法 |
CN106444813A (zh) * | 2016-10-26 | 2017-02-22 | 成都市优艾维机器人科技有限公司 | 一种基于t‑s模糊模型的四旋翼姿态控制方法 |
EP3321917A1 (en) * | 2016-11-10 | 2018-05-16 | Honeywell International Inc. | Efficient event-triggered reporting system |
CN106708082A (zh) * | 2017-03-21 | 2017-05-24 | 中国人民解放军海军航空工程学院 | 基于模糊控制的飞行器俯仰通道姿态指令快速跟踪方法 |
KR20180128619A (ko) * | 2017-05-24 | 2018-12-04 | 한서대학교 산학협력단 | 퍼지 pid 제어기를 이용한 유도 방법 |
CN108717264A (zh) * | 2018-05-29 | 2018-10-30 | 重庆大学 | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 |
CN109062041A (zh) * | 2018-07-31 | 2018-12-21 | 湖州师范学院 | 基于事件触发的t-s模糊网络系统的控制方法 |
CN109828464A (zh) * | 2019-02-28 | 2019-05-31 | 北京控制工程研究所 | 一种航天器自主姿态控制方法 |
CN109885075A (zh) * | 2019-03-06 | 2019-06-14 | 扬州大学 | 一种基于t-s模糊建模的卫星姿态抗干扰容错控制方法 |
CN110456821A (zh) * | 2019-08-22 | 2019-11-15 | 安徽大学 | 基于动态触发机制的飞行器轨迹最优控制方法和系统 |
CN110673611A (zh) * | 2019-10-21 | 2020-01-10 | 武汉理工大学 | 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法 |
CN111103795A (zh) * | 2019-11-21 | 2020-05-05 | 浙江大学 | 基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器 |
CN111024143A (zh) * | 2019-12-11 | 2020-04-17 | 南京航空航天大学 | 一种高超声速飞行器传感器连锁故障诊断与容错控制方法 |
CN111309029A (zh) * | 2020-03-24 | 2020-06-19 | 山东科技大学 | 基于事件触发的无人艇路径跟踪方法、无人艇控制平台 |
CN111487866A (zh) * | 2020-04-09 | 2020-08-04 | 中北大学 | 一种基于混合事件触发机制的高超声速飞行器神经抗干扰控制方法 |
Non-Patent Citations (5)
Title |
---|
FENGQIN XIA,等: "Event-Triggered Fault Detector and Controller Coordinated Design of Discrete-time Nonlinear Systems in T-S Fuzzy Model", 《2017 11TH ASIAN CONTROL CONFERENCE》 * |
SHEN YAN,等: "A Distributed Delay Method for Event-Triggered Control of T–S Fuzzy Networked Systems With Transmission Delay", 《IEEE TRANSACTIONS ON FUZZY SYSTEMS》 * |
夏凤琴: "离散模糊系统的事件触发控制器设计及分析", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
张进,等: "基于事件触发的网络化T-S模糊系统容错控制", 《信息与控制》 * |
苏晓杰: "离散T-S模糊时滞系统的模型降阶", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378408A (zh) * | 2020-11-26 | 2021-02-19 | 重庆大学 | 一种实现轮式移动机器人实时避障的路径规划方法 |
CN113093757A (zh) * | 2021-04-07 | 2021-07-09 | 哈尔滨工程大学 | 一种基于事件预测的气垫船登滩节能控制方法 |
CN113093757B (zh) * | 2021-04-07 | 2023-01-03 | 哈尔滨工程大学 | 一种基于事件预测的气垫船登滩节能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111856944B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842926B (zh) | 一种基于正实b样条的飞行器轨迹优化方法 | |
CN109270947B (zh) | 倾转旋翼无人机飞行控制系统 | |
CN107544262B (zh) | 一种运载火箭自适应精确回收控制方法 | |
CN112114521B (zh) | 航天器智能预测控制进入制导方法 | |
CN111856944B (zh) | 一种基于事件触发的高超声速飞行器模糊控制方法 | |
CN102880052A (zh) | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 | |
Williams | Three-dimensional aircraft terrain-following via real-time optimal control | |
CN111813146A (zh) | 基于bp神经网络预测航程的再入预测-校正制导方法 | |
CN116300992A (zh) | 一种基于l1自适应动态逆的变体飞行器控制方法 | |
CN112068594A (zh) | 一种基于jaya算法优化的小型无人直升机航向控制方法 | |
CN108958278B (zh) | 一种空天飞行器巡航段快速抗干扰制导方法 | |
McLean | Gust-alleviation control systems for aircraft | |
Cai et al. | Design of linear parameter‐varying controller for morphing aircraft using inexact scheduling parameters | |
Menon et al. | Nonlinear robustness analysis of flight control laws for highly augmented aircraft | |
CN105759630B (zh) | 基于模糊pid控制的飞机4d航迹仿真系统及仿真方法 | |
CN114489125B (zh) | 一种滑翔飞行器高精度临近最优减速控制方法 | |
Piprek et al. | Robust Trajectory Optimization of VTOL Transition Maneuver Using Bi-Level Optimal Control | |
CN113885549B (zh) | 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法 | |
CN114003052B (zh) | 一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法 | |
Zhang et al. | Longitudinal attitude controller design for aircraft landing with disturbance using ADRC/LQR | |
Hamissi et al. | A new nonlinear control design strategy for fixed wing aircrafts piloting | |
Cheng et al. | Cross-cycle iterative unmanned aerial vehicle reentry guidance based on reinforcement learning | |
Wasim et al. | Estimation of airship aerodynamic forces and torques using extended Kalman filter | |
Liu et al. | Ascent trajectory optimization for air-breathing hypersonic vehicles based on IGS-MPSP | |
Harada et al. | Optimal Feedback control for an aircraft approach flight in microburst |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |