L1_AC 在这个项目中，使用MATLAB / Simulink I从非线性飞机模型开始设计并测试了基于L1自适应控制的自适应飞行控制。 包含的描述在simulink MATLAB / Function内部 飞机参数（NOMINAL）由INIT.m设置。在某些给定条件下，按照TAS和姿态（仅是平稳状态飞行）修剪飞机。TRIM.m脚本返回使飞机保持在一定高度所需的输入。给定的飞行条件。 L1AC以线性系统表示形式工作，因此系统在调整后的条件附近线性化。 动态和控制矩阵A和B通过“ estrai.m”提取 然后，POLE_PLACEMENT.m使用A和B矩阵计算横向和纵向动力学的反馈矩阵K 控制律参数的设计是脚本TEST_NAVION和TEST_NAVION_LAT的工作 PLOTTING.m在单个图中绘制主要状态变量PLOTTING2.m在子图中绘制主要状态变量PLOTTING3.m在子

无模型非建模自适应控制器与PID调节器的性能比较分析与仿真研究

线性功率放大器是CDMA直放站的核心模块。本文设计的带自适应控制的线性功放,其功率增益G为48±0.8dB,1db压缩点输出功率≥37dBm,带内波动≤0.8dB,互调失真IMD3≤－15dBm,IMD5≤－25dBm,输入输出端口驻波比VSWR≤1.3,增益步进衰减ATT范围为31dB,自动电平控制ALC范围为20dB,符合直放站的应用要求.

这是一本关于系统辨识、自适应控制的好书，介绍了各种模型和算法，书已绝版,此扫描版字迹清晰，欢迎大家下载。且为pdf版，方便大家阅读和打印。

针对压水堆核动力装置蒸汽发生器的水位控制提出一种分层模糊自适应控制方案。 该方案中2 个模糊控制器分层连接, 每个模糊控制器均采用典型模糊控制单元, 使得模糊规则个数和可调参数个数 大大减少, 便于在线学习和实时控制。给出了分层模糊控制器的解析表达式及可调参数的在线学习方 法。在快速加负荷和突然甩负荷的仿真实验中, 该方案的控制效果明显优于已有的变参数 P I D 控制, 验 证了该方案的有效性。

北航研究生课程自适应控制 ppt

针对车辆高速紧急工况下的主动避撞问题，提出一种基于工况辨识的自适应避撞控制策略。以实时交通环境信息与车辆状态信息为基础构建一种紧急工况避撞模式分类方法，该方法把紧急工况避撞模式分为制动避撞、转向避撞、协调避撞三种模式。对于制动避撞模式，设计一种考虑路面附着条件和驾乘人员舒适度的纵向制动避撞策略；对于转向操纵避撞模式，构建基于多项式路径规划的避撞策略；对于制动和转向协调避撞模式，设计一种基于数据驱动的自学习协调控制策略。不同控制策略的期望输出通过比例积分微分(Proportional integral differentiation, PID)下层控制器对期望值进行跟踪来完成避撞。在Matlab/Simulink 环境中搭建 Simulink-Carsim 汽车紧急避撞控制联合仿真平台，基于该平台进行多种工况的虚拟试验来验证控制系统的实时性和有效性。结果表明，控制系统能自动有效识别当前紧急工况该采取何种避撞操纵，在完成避撞的同时也能保证车辆的稳定性。

介绍自适应控制系统的工程控制理论，设计方法和应用实例。包括基础理论和各种自适应方法的介绍共两部分。

系统辨识课程的很好入门教材，提供matlab例程及源程序。

首先，对超声波车位识别技术和不规则车位规则化处理进行研究。通过分 析超声波传感器在进行车位识别时存在测距误差，提出了水平车位检测补偿处 理的方法；针对现有车位识别检测系统在进行复杂泊车位检测时存在的问题， 本文设计了一种车位规则化处理模型，将两种车位不规则的情况进行处理，使 之满足自动泊车的需求，并在 Simulink 软件中设计了相应的程序模型。 其次，提出了自适应拟合双圆弧泊车轨迹的规划方法。简化车辆的转向系 统，建立了车辆运动学模型，以车辆后轴中点坐标为输入量，得到车辆轮廓点 信息，利用泊车过程的可逆性，确定了最小车位尺寸和泊车可行初始位置；通 过分析泊车过程可能存在的碰撞以及车辆运动的合理性，确定了平行泊车的约 束信息；提出了自适应泊车轨迹的规划方法，通过利用反正切函数对双圆弧泊 车轨迹进行了拟合，满足了泊车路径曲率连续的要求。 再次，研究了平行泊车路径跟踪控制方法，建立了自适应控制策略的跟踪 控制模型。在对汽车动力学模型分析的基础上，得到了泊车过程路径跟踪的控 制目标，提出了相应的跟踪控制方案，并且设计了自适应跟踪算法。同时对算 法进行了优化，提出了目标车身角补偿的自适应跟踪方法，搭建了自动泊车系 统的补偿自适应路径跟踪模型。 最后，进行了基于自适应算法的平行泊车的实验验证。利用 CarSim 和 Simulink 软件对设计的自适应平行泊车系统进行联合运动仿真，分别对车位识 别处理系统、泊车轨迹规划系统和路径跟踪系统的有效性进行验证，并结合实 验智能车进行实际泊车模拟，相关结果验证了本文所提出方法的正确性。