歼击机结构故障的模糊鲁棒容错控制与可视化仿真
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·容错技术 | 第13-16页 |
| ·问题的提出 | 第13页 |
| ·容错控制的概念 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·容错控制存在的问题及方展方向 | 第15-16页 |
| ·故障检测与诊断技术 | 第16-18页 |
| ·故障诊断的定义 | 第16-17页 |
| ·故障诊断的发展阶段 | 第17页 |
| ·神经网络故障诊断技术 | 第17-18页 |
| ·故障诊断与容错控制的关系 | 第18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第二章 理论基础 | 第20-29页 |
| ·径向基神经网络 | 第20-21页 |
| ·径向基函数网络模型 | 第20-21页 |
| ·RBF 神经网络的优点 | 第21页 |
| ·RBF 神经网络的学习过程 | 第21页 |
| ·遗传算法 | 第21-25页 |
| ·遗传算法的基本操作 | 第22-23页 |
| ·遗传算法的优点 | 第23-24页 |
| ·遗传算法的改进 | 第24页 |
| ·共享机制小生境遗传算法 | 第24-25页 |
| ·线性矩阵不等式 | 第25-27页 |
| ·LMI 工具箱 | 第25-26页 |
| ·Schur 补定理 | 第26-27页 |
| ·H_∞控制 | 第27-28页 |
| ·区域极点配置 | 第28-29页 |
| 第三章 H_∞鲁棒被动容错控制器设计 | 第29-48页 |
| ·引言 | 第29页 |
| ·基于T-S 模型的H_∞鲁棒容错跟踪控制 | 第29-33页 |
| ·系统的T-S 模糊模型 | 第29-30页 |
| ·系统的T-S 增广模糊模型 | 第30-31页 |
| ·H_∞鲁棒容错跟踪控制器设计 | 第31-33页 |
| ·歼击机数学模型 | 第33-41页 |
| ·飞机方程描述 | 第33-36页 |
| ·气动数据插值处理 | 第36页 |
| ·故障气动数据处理 | 第36-37页 |
| ·故障飞机模型建模 | 第37-41页 |
| ·歼击机分通道设计跟踪控制律 | 第41-43页 |
| ·歼击机容错仿真结果 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 具有最大鲁棒度的歼击机容错控制 | 第48-74页 |
| ·引言 | 第48-49页 |
| ·具有最大鲁棒度的控制器设计 | 第49-56页 |
| ·控制器设计步骤 | 第49-52页 |
| ·自适应RBF 神经网络消除建模误差 | 第52-54页 |
| ·歼击机神经网络作用仿真 | 第54-56页 |
| ·歼击机容错控制仿真 | 第56-70页 |
| ·0506 状态仿真 | 第56-57页 |
| ·0508 状态仿真 | 第57-70页 |
| ·飞行性能指标验证 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 遗传自适应RBFN 的歼击机故障认定 | 第74-82页 |
| ·引言 | 第74-75页 |
| ·自适应RBF 神经网络在线学习算法 | 第75-77页 |
| ·自适应RBF 在线学习算法 | 第75-76页 |
| ·遗传自适应RBF 神经网络 | 第76-77页 |
| ·仿真实例 | 第77-81页 |
| ·故障类型诊断 | 第77-80页 |
| ·故障度诊断 | 第80-81页 |
| ·结束语 | 第81-82页 |
| 第六章 飞行实时仿真平台与可视化仿真 | 第82-90页 |
| ·分布式飞控系统实时仿真平台 | 第82-84页 |
| ·飞行实时仿真 | 第84-90页 |
| ·仿真平台中各个子模块的作用 | 第85页 |
| ·歼击机实时仿真图 | 第85-90页 |
| 第七章 总结与展望 | 第90-92页 |
| ·结论 | 第90-91页 |
| ·未来的研究方向 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 致谢 | 第95-96页 |
| 在学期间的研究成果 | 第96-97页 |
| 附录Ⅰ飞机运动坐标系 | 第97-99页 |
| 附录Ⅱ飞机运动参数 | 第99-100页 |
