导读:本文包含了回馈递推论文开题报告文献综述及选题提纲参考文献，主要关键词:输电线路,巡检系统,四旋翼无人机,建模与控制
回馈递推论文文献综述
孙大陆,何丹东[1]（2016）在《超/特高压输电线路巡检四旋翼无人机的建模与回馈递推控制》一文中研究指出随着电网规模的迅速扩展,输电线路安全运行所正面临着巨大的挑战与风险。本文以当前智能电网发展与"叁集五大"电网运行模式改革为背景,以输电线路智能巡检系统的巡检载体四旋翼无人机为研究对象,建立其非线性数学模型,采用一种易于工程实现的反步法对其开展控制研究。试验结果表明,本文所提出的控制方法对四旋翼无人机的飞行稳定性能以及输电线路部件的悬停凝视能力具有较好的控制效能,为坚强大电网的输电线路智能巡检奠定物质基础。(本文来源于《自动化技术与应用》期刊2016年11期）
吴雨珊,江驹,甄子洋,顾臣风[2]（2016）在《基于回馈递推的可变翼高超声速飞行器智能非线性控制》一文中研究指出针对可变翼高超声速飞行器的外环稳定跟踪控制问题,考虑可变翼对建模的影响、模型参数不确定和外界未知干扰对跟踪控制性能的影响,提出基于回馈递推的智能非线性控制策略。本文首先利用巡航段气动参数的插值数据建立精确的纵向模型;然后采用输入-输出反馈线性化方法对飞行器纵向模型进行非线性映射,并根据状态变量特性将飞行器划分为叁个子系统,利用回馈递推依次求取控制信号,采用RBF神经网络对未知干扰进行逼近,保证鲁棒性能。针对回馈递推设计过程中微分膨胀的问题,加入动态面控制思想进行改进。通过仿真表明,该方法可以保证闭环系统的全局稳定,并且拥有良好的跟踪性能和鲁棒性能。(本文来源于《哈尔滨工程大学学报》期刊2016年07期）
杨成顺,杨忠,葛乐,黄宵宁,张强[3]（2014）在《基于RBFNN和回馈递推的新型多旋翼飞行器控制》一文中研究指出研究了新型多旋翼飞行器的建模与轨迹跟踪控制.建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略.首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令.采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器.该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量.仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.(本文来源于《应用科学学报》期刊2014年03期）
孙勇,章卫国,章萌[4]（2011）在《命令滤波回馈递推自适应大机动飞行控制》一文中研究指出针对飞机大机动飞行提出了一种命令滤波回馈递推自适应控制方法。基于回馈递推的思想适当选取Lya-punov函数递推得到控制律,同时设计相应的自适应律来调节未知参数,考虑到飞机内部状态变量和激励器的物理限制,命令滤波器被引入到递推设计过程中,并利用一种基于免疫克隆原理的改进粒子群算法优化固定参数改善动态性能。仿真结果表明,当激励器饱和时,设计的控制律仍能理想地跟踪飞机大机动指令飞行,同时具有快速的收敛性和良好的鲁棒性。(本文来源于《电光与控制》期刊2011年06期）
陈龙胜,王长坤,王进[5]（2009）在《基于神经网络的一类非线性系统自适应回馈递推控制》一文中研究指出文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法。首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性。基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的。仿真结果验证了所研究算法的有效性。(本文来源于《南昌航空大学学报(自然科学版)》期刊2009年03期）
周丽,姜长生,钱承山[6]（2008）在《一种基于神经网络的快速回馈递推自适应控制》一文中研究指出针对不确定严格反馈块控非线性系统,提出了一种快速回馈递推自适应控制方法。系统的不确定性及外界干扰由RBF神经网络在线逼近,利用动态面控制技术简化回馈递推方法的控制律,同时改进参数自适应律,使在线调整自适应参数显着减少,提高了控制算法的计算效率。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差指数收敛到有界紧集内。最后进行了空天飞行器飞行控制系统设计,并在高超声速的条件下对其进行了仿真验证,结果表明了该方法的有效性。(本文来源于《宇航学报》期刊2008年06期）
周丽[7]（2008）在《基于回馈递推方法的近空间飞行器鲁棒自适应控制》一文中研究指出近空间飞行器(Nearspace Vehicles NSVs)是各国正在大力发展的新型航空航天飞行器,具有极其重要的军事价值。它们在运行中表现出的多任务、多工作模式、大范围高速机动等特点使得控制系统设计成为一项极具挑战的研究课题。围绕这一基础科学问题,本文在近空间飞行器建模与分析、受扰动非线性系统控制两个方面开展了较为深入的研究,主要研究成果如下: 1、根据我们实验室已有的研究成果及国内外公开发表的文献资料建立起NSV高超声速飞行条件下6自由度数学模型。该模型包含完整的动力学方程和运动学方程,其中气动力系数和力矩系数是迎角、马赫数及气动舵面偏角的函数,发动机模型为吸气式超声速燃烧冲压发动机。然后对其开环性能进行分析,结果表明整个模型能够体现出NSV复杂的非线性以及快速时变性等特点,具有一定的代表性,可以满足未来NSV先进制导和控制等问题的理论研究和仿真验证需要。2、研究了NSV纵向控制,首先利用输入-输出反馈线性化方法将NSV纵向运动模型转化为仿射非线性模型,并根据飞行器的状态变量特性,进一步将其转化为严格反馈多输入多输出(Multi-Input/Multi-Output MIMO)非线性模型,并基于回馈递推方法设计了高超声速飞行的纵向控制系统,对其进行的纵向运动仿真结果表明了方法的有效性。针对NSV高超声速飞行时,气动参数变化剧烈且容易受到外界干扰的特点,提出了基于全调节径向基神经网络(Fully Tuned Radial Basis Function Neural Network FTRBFNN)的积分回馈递推方法,并基于Lyapunov定理给出稳定性的严格证明。FTRBFNN抗干扰能力强,而且控制律中增加的误差积分项可以有效消除系统的跟踪静差,因而控制精度高。最后对NSV进行的纵向运动仿真结果表明,在干扰变化较大的情况下,控制系统仍具有较好的鲁棒性。3、提出了基于动态面控制的变增益自适应回馈递推控制方法。首先利用动态面控制简化回馈递推控制器设计,然后在参数自适应律中引入S函数对径向基神经网络(Radial Basis Function Neural Network RBFNN)的学习率进行动态调节,消除系统在自适应初始阶段的抖振现象。基于Lyapunov定理证明了闭环系统稳定,跟踪误差指数收敛到任意小的有界紧集内。对NSV的纵向运动仿真结果表明,该方法在降低控制律复杂性的同时,仍具有良好的过渡过程动态特性。4、提出了基于模糊系统的快速自适应回馈递推方法。利用模糊系统对系统的复合干扰进行在线辨识,利用回馈递推方法进行了控制系统设计,该方法在线调整自适应参数仅为子系统的个数,减轻了系统的在线计算负担。基于Lyapunov定理和小增益定理证明了闭环系统稳定,系统的跟踪误差指数收敛到任意小的有界紧集内。对NSV进行的高超声速条件下6自由度协调转弯仿真结果表明该方法在简化的自适应律和控制律下仍具有良好的跟踪性能。5、结合干扰观测器技术,提出了基于模糊干扰观测器的自适应回馈递推方法。该方法充分利用被控系统的有用信息,参数自适应律根据系统的跟踪误差和观测器误差进行在线调整,从而实现了对NSV不确定更为有效的逼近,获得了更好的鲁棒性。设计了一种模糊神经干扰观测器(Fuzzy Neural Network Disturbance Observer FNNDO),提出了基于FNNDO的自适应回馈递推方法。由于FNNDO可以在线调整模糊规则,因而对未知非线性不确定的辨识精度更高,从而可以达到更高的跟踪精度。最后用该方法设计了NSV姿态控制系统,并在高超声速的条件下进行了6自由度姿态控制仿真,结果表明了方法的有效性。(本文来源于《南京航空航天大学》期刊2008-11-01）
曹邦武,姜长生[8]（2005）在《一类不确定非线性系统的回馈递推滑模鲁棒控制器设计》一文中研究指出针对一类多输入多输出不确定非线性系统,用一个RBF神经网络获得未建模动态和外来扰动的估计值,将回馈递推思想与滑模控制相结合,逐步回馈递推,设计了鲁棒控制器。将这种方案用于某型侧滑转弯导弹的飞行控制系统设计。其中,为克服导弹作动器的位置饱和、速率饱和问题,改进了滑动面的符号函数,并采用模糊逻辑对滑动面的斜率进行实时调整。仿真表明了该控制方法的有效性。(本文来源于《宇航学报》期刊2005年06期）
曹邦武,姜长生[9]（2005）在《基于回馈递推方法的导弹鲁棒飞行控制系统设计》一文中研究指出首先将一种侧滑转弯导弹的非线性运动方程变换为适用于回馈递推方法的形式,其次利用回馈递推方法设计了导弹飞行控制器,系统的收敛性通过李亚普诺夫稳定性理论得到了严格的数学证明,然后针对作动器的位置、速率饱和对于系统性能的影响,采用非线性优化方法,避免了用通常回馈递推方法继续回推分析作动器动态过程的复杂性,得出了一种折衷考虑作动器动态特性、导弹飞行性能和鲁棒性的控制器。仿真表明了本方案的有效性。(本文来源于《宇航学报》期刊2005年02期）
回馈递推论文开题报告
（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：
针对可变翼高超声速飞行器的外环稳定跟踪控制问题,考虑可变翼对建模的影响、模型参数不确定和外界未知干扰对跟踪控制性能的影响,提出基于回馈递推的智能非线性控制策略。本文首先利用巡航段气动参数的插值数据建立精确的纵向模型;然后采用输入-输出反馈线性化方法对飞行器纵向模型进行非线性映射,并根据状态变量特性将飞行器划分为叁个子系统,利用回馈递推依次求取控制信号,采用RBF神经网络对未知干扰进行逼近,保证鲁棒性能。针对回馈递推设计过程中微分膨胀的问题,加入动态面控制思想进行改进。通过仿真表明,该方法可以保证闭环系统的全局稳定,并且拥有良好的跟踪性能和鲁棒性能。
（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。
回馈递推论文参考文献
[1].孙大陆,何丹东.超/特高压输电线路巡检四旋翼无人机的建模与回馈递推控制[J].自动化技术与应用.2016
[2].吴雨珊,江驹,甄子洋,顾臣风.基于回馈递推的可变翼高超声速飞行器智能非线性控制[J].哈尔滨工程大学学报.2016
[3].杨成顺,杨忠,葛乐,黄宵宁,张强.基于RBFNN和回馈递推的新型多旋翼飞行器控制[J].应用科学学报.2014
[4].孙勇,章卫国,章萌.命令滤波回馈递推自适应大机动飞行控制[J].电光与控制.2011
[5].陈龙胜,王长坤,王进.基于神经网络的一类非线性系统自适应回馈递推控制[J].南昌航空大学学报(自然科学版).2009
[6].周丽,姜长生,钱承山.一种基于神经网络的快速回馈递推自适应控制[J].宇航学报.2008
[7].周丽.基于回馈递推方法的近空间飞行器鲁棒自适应控制[D].南京航空航天大学.2008
[8].曹邦武,姜长生.一类不确定非线性系统的回馈递推滑模鲁棒控制器设计[J].宇航学报.2005
[9].曹邦武,姜长生.基于回馈递推方法的导弹鲁棒飞行控制系统设计[J].宇航学报.2005