自适应和预测控制在航空航天中的应用

随着技术的兴趣和进步进展航天活动,解决控制问题与轨迹跟踪和过渡策略,目标跟踪,避免碰撞,最优和自主着陆,自主交会对接、多代理(空间车辆)的形成和协调控制,导弹目标接触,卫星姿态控制和控制相关的问题行星际旅行的任务和他们的应用程序在不同的独立的多代理航空航天系统或获得的重要性。

现实世界的应用,特别是航空航天应用需要考虑的未知和timevarying动力学、参数不确定性和外部扰动的控制设计。最近进步在自适应控制理论和各种自适应控制方法在文献中出现,这些方法的适用性为航空航天应用应该调查和进一步的理论贡献也欢迎的上下文中完全基于模型的自适应控制,规定上优于自适应控制和数据驱动的自适应控制,包括性能和限定时间收敛下担保以及自适应控制输入约束和输入带宽限制。

对于许多航空航天控制轨迹规划等任务,避障,能源优化、多主体的形成,和协调的问题,为了获得更好的稳定性和性能,能够轻松地将输入和状态约束,具有更好的抗干扰能力,模型预测控制器也越来越关注。在文献中,对各种控制问题,许多种类的MPC控制方法提出了除了经典线性MPC,非线性MPC,健壮的MPC,货币政策委员会和自适应方法如多模型MPC、多级MPC,多速率MPC,事件驱动的MPC,切换MPC,分布式MPC,分散的MPC,层次MPC,概率MPC,学习使MPC,数据驱动的MPC,及它们的组合。对这些方法的适用性对于航空航天应用领域也是可观的。

另一个有趣的研究领域在航天系统可以被视为适用性的机器学习和人工智能(AI)的控制器进行在线指导和控制和创建决策系统与自主独立的多智能体航空或车辆。

MPC的组合最优控制和自适应控制和可能使用的人工智能技术结合货币政策委员会是有趣的研究对象。尤其是MPC的使用和自适应控制器与智能控制器路径规划相结合,同时轨迹跟踪,和空中操纵、避碰和控制无人机与动态障碍,协调,和控制等多代理航空飞行器部署、形成和重新配置的欢迎。

这个集合的研究领域包括利用最近的MPC和自适应技术和组合以及将它们与人工智能和提高这些技术考虑效率,复杂性,和下面的航空航天控制鲁棒性问题,但不限于:
•飞行稳定,
•轨迹跟踪和过渡策略,
•目标跟踪,
路径规划,
•避免碰撞(常数或动态),
•优化和自主着陆,
•自动交会对接,
•多智能体的形成和协调控制,
•导弹目标接触,
卫星控制,
•空间和星际旅行任务。

关键字:自适应控制在航空航天,预测控制在航空,飞行稳定控制、航空航天、多代理控制在航空航天数据驱动控制,基于预测控制在航空航天,基于ai在爱尔兰自适应控制

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。