摘要 | 第4-5页 |
Abstract | 第5-6页 |
注释表 | 第11-13页 |
缩略词 | 第13-14页 |
第一章 绪论 | 第14-25页 |
1.1 课题研究背景及意义 | 第14-16页 |
1.2 控制分配技术研究现状 | 第16-23页 |
1.2.1 理论研究现状 | 第16-22页 |
1.2.2 应用研究现状 | 第22-23页 |
1.3 本文主要研究内容 | 第23-25页 |
第二章 近空间飞行器的建模与分析 | 第25-35页 |
2.1 引言 | 第25页 |
2.2 含控制分配器的飞行控制系统 | 第25-28页 |
2.3 基本假设和坐标定义 | 第28-29页 |
2.3.1 基本假设 | 第28页 |
2.3.2 坐标系定义 | 第28-29页 |
2.4 近空间飞行器数学模型 | 第29-31页 |
2.5 近空间飞行器驱动器动态 | 第31-34页 |
2.6 小结 | 第34-35页 |
第三章 基于混合优化鱼群算法的受限控制分配 | 第35-45页 |
3.1 引言 | 第35-36页 |
3.2 问题描述 | 第36页 |
3.3 基于混合优化鱼群算法的受限控制分配 | 第36-41页 |
3.3.1 差分进化 | 第36-37页 |
3.3.2 遗传算法 | 第37-38页 |
3.3.3 基于混合优化鱼群算法的受限控制分配 | 第38-41页 |
3.4 仿真算例 | 第41-44页 |
3.5 小结 | 第44-45页 |
第四章 基于滑模干扰观测器的有限时间控制分配 | 第45-54页 |
4.1 引言 | 第45页 |
4.2 问题描述 | 第45-47页 |
4.3 针对区间不确定情形的RLSCA | 第47-48页 |
4.4 控制器的设计 | 第48-51页 |
4.4.1 滑模干扰观测器设计 | 第49-50页 |
4.4.2 有限时间收敛的终端滑模控制器设计 | 第50-51页 |
4.5 仿真研究 | 第51-53页 |
4.6 小结 | 第53-54页 |
第五章 基于混合优化算法的分步非线性受限控制分配 | 第54-67页 |
5.1 引言 | 第54-55页 |
5.2 非线性控制分配问题 | 第55-58页 |
5.2.1 分段线性化 | 第55-57页 |
5.2.2 基于分段线性化的控制分配表示 | 第57-58页 |
5.3 基于遗传算法和鸽群启发算法的混合优化受限控制分配方法 | 第58-63页 |
5.3.1 鸽群启发算法 | 第59-60页 |
5.3.2 混合优化受限控制分配方法 | 第60-63页 |
5.4 仿真研究 | 第63-66页 |
5.5 小结 | 第66-67页 |
第六章 基于RBF神经网络的动态控制分配 | 第67-79页 |
6.1 引言 | 第67-68页 |
6.2 问题描述 | 第68-69页 |
6.3 RBF神经网络 | 第69-74页 |
6.3.1 RBF神经网络训练 | 第70-72页 |
6.3.2 基于自适应差分进化的动态控制分配 | 第72-74页 |
6.4 实例仿真 | 第74-78页 |
6.5 小结 | 第78-79页 |
第七章 总结与展望 | 第79-81页 |
7.1 本文的主要工作 | 第79-80页 |
7.2 本文的不足及进一步展望 | 第80-81页 |
参考文献 | 第81-90页 |
致谢 | 第90-91页 |
在学期间的研究成果及发表的学术论文 | 第91-92页 |
附录A坐标转化矩阵 | 第92-93页 |