基于神经网络干扰观测器的导弹飞行控制器设计

利用RBF神经网络的自学习能力，并结合非线性动态逆原理，设计了一种基于RBF神经网络干扰观测器的导弹动态逆控制器。根据时标分离的原则，可将导弹系统分解为快慢不同的四个回路，本文主要对快、慢两个回路分别设计动态逆控制器，并且在慢回路利用RBF神经网络干扰观测器估计导弹所受的扰动，同时，用于在线估计动态逆误差，降低了控制器对干扰和模型精确度的要求，增强了控制器的适应性。仿真结果表明，该控制器具有有效性和鲁棒性。     

基于L1动态逆的自主空中加油对接控制

为实现无人受油机与加油机的自主安全对接,提出基于L1自适应动态逆的无人机自主空中加油对接跟踪控制方法.根据时标分离的原则,将无人受油机的姿态控制分为快、慢回路,采用动态逆方法设计姿态回路控制器,设计L1自适应系统补偿外界气流干扰和系统模型误差,并采用自主空中加油对接段仿真系统对所设计控制系统进行验证.仿真结果表明:该对接跟踪控制系统具有很高的抗干扰能力和鲁棒性,能满足自主空中加油的控制精度要求.     

基于动态逆的无人机飞行控制律设计

针对无人机机动飞行时系统呈现为非线性和高耦合的特点,提出一种采用动态逆控制无人机内回路的设计方法。通过数学解析的方法直接解算出逆模型,消除系统的非线性因素和实现各通道解耦,并结合无人机飞行控制时频域控制需求,给出了样例无人机过载和滚转角控制外回路设计结果。样例无人机非线性环境中的仿真结果表明:基于动态逆的滚转角和过载控制器的时频域品质能满足无人机的飞行控制需求。     

基于干扰观测器的空天无人飞行器鲁棒飞行逆控制器设计

文中介绍了在高超音速条件下,基于干扰观测器和非线性动态逆控制的方法,对飞行器姿态控制系统的稳定性的研究.首先,根据时标分离的原则,采用动态逆方法设计快回路和慢回路控制器;然后,给出了具有鲁棒稳定性能的干扰观测器控制方案,以克服模型本身的不确定性和外干扰等对系统稳定性的影响.     

基于反步法和非线性动态逆的无人机三维航路跟踪制导控制

为实现无人机在大范围内稳定、精确地跟踪三维参考航路,基于制导与控制回路独立设计的思路,提出了一种无人机三维航路跟踪制导控制方法。在制导外环,引入沿参考航路飞行的虚拟无人机作为向导并利用反步法设计三维航路跟踪的非线性制导律;在控制内环,以非线性动态逆理论和奇异摄动理论为基础,设计由机动指令生成器、角度转换器、慢回路姿态控制器和快回路角速度控制器所组成的飞行控制模块,对制导外环给出的制导指令进行快速精确地跟踪。基于Lyapunov稳定性理论证明了无人机航路跟踪制导控制方法的稳定性。通过对比分析无人机6自由度模型下的三维航路跟踪仿真,说明所提出的制导控制方法能够使得无人机精确地跟踪参考航路,从而验证了该方法的有效性、合理性。     

基于神经网络动态逆的巡逻导弹自动驾驶仪设计

针对巡逻导弹,讨论一种将神经网络与非线性动态逆相结合的自动驾驶仪设计方法。基于双时标假设,将弹体动力学分为慢变子系统和快变子系统,并分别进行动态逆设计。为克服模型不精确和参数摄动引起的逆误差对动态逆控制的不利影响,引入神经网络对逆误差进行在线补偿。推导了神经网络权值调整规律,并证明系统的闭环稳定性。通过仿真验证,采用神经网络能弥补动态逆控制的不足,提高控制系统的鲁棒性,是一种有效的非线性设计方法。     

BTT无人机非线性控制系统设计

基于动态逆和变结构控制理论设计了BTT无人机控制系统。首先详细推导了适合BTT无人机控制的精度较高的数学模型，然后应用时间尺度分离的方法把整个BTT控制系统分为快变量控制和慢变量控制两个子系统，再对每个子系统应用动态逆和变结构控制理论进行控制律设计，应用变结构控制克服了单纯应用动态逆鲁棒性较差的缺点。最后通过数字仿真分析得出：应用动态逆和变结构控制的非线性控制方法设计BTT无人机控制系统是有效的。     

一种基于自适应模糊系统的导弹自动驾驶仪设计方法

针对导弹非线性不确定系统,提出了基于动态逆方法及模糊自适应理论的导弹自动驾驶仪设计方法.基于导弹的非线性模型设计了快、较慢回路的动态逆控制器以实现其非线性解耦,将系统不确定性和外界干扰引入到较慢回路中.根据系统跟踪误差在线调整模糊系统权值,使其一致逼近导弹较慢回路的非线性函数.设计了在模糊系统的最小逼近误差上界未知情况...     

基于自适应逆的无人机着陆控制

给定动态系统的控制主要解决三个问题：动态系统的稳定性、控制目标以及干扰控制。传统的控制方法使用反馈同时解决这三个问题,需要折中获得较好的效果。本文提供一种分开解决这三个问题的方法。这种方法适用于单输入单输出和多输入多输出的线性系统以及非线性系统。通过在输出端获取干扰信号,经过滤波,反馈到输入端来完成干扰的最优控制,且反馈回路并不影响系统的动态响应。以被控对象的逆作为控制器,可以准确跟踪系统的输入。最后把自适应逆控制器用于无人机的着陆以验证该控制器的有效性。     

鲁棒动态逆控制在无人机姿态控制中的应用研究

针对无人机姿态控制提出了一种新的解决方案，设计了鲁棒动态逆控制器．利用非线性动态逆方法的精确线性化功能，将整个系统等效为一个已经解耦但存在不确定性的线性对象，再采用H∞回路成形方法进行设计．从而保证整个系统的鲁棒性。仿真结果表明，系统具有良好的动态性能、跟踪性能、解耦性能和鲁棒性能。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.     

基于WNN-ADRC 的高炮交流伺服系统控制

为解决高炮交流伺服系统控制中外界扰动及非线性特性的问题,提出一种基于小波神经网络的改进型自 抗扰控制器(WNN-ADRC)。利用LM(levenberg-marquardt)算法优化小波神经网络,采用优化后的小波神经网络对 扩张状态观测器的误差校正增益系数进行在线整定,设计基于小波神经网络的自抗扰控制器,以实现对非线性特性 的准确估计并予以补偿,并通过仿真实验进行验证。仿真结果证明：该控制策略使系统具有较好的稳态性能,抗干 扰能力强。     

无人机编队保持反步容错控制

针对领导-跟随无人机编队中的执行器故障、不确定气动参数和外界扰动等问题,设计了无人机编队保持反步容错控制。建立了编队纵向、编队横向和编队高度三维误差模型,并将无人机本体方程分为快慢两个回路,建立包含外界扰动、不确定气动参数及执行器故障的无人机运动模型;设计内环容错控制系统,对编队外环控制器产生的指令信号进行跟踪。内环容错控制系统主要由3个部分组成：一是基于滑模观测器的故障检测和辨识,实现对故障执行器的定位和故障参数的辨识;二是将故障参数及干扰观测器与反步容错控制相结合,实现包容外界扰动、不确定气动参数和执行器故障的容错控制;三是内环容错控制系统稳定性分析。仿真结果表明,所提容错控制方法能够有效地实现无人机编队的飞行容错控制。     

风扰动下的飞翼无人机静态投影控制

根据飞翼无人机特殊外形布局、气动性能及控制品质要求,在风扰动存在情况下,针对系统纵向俯仰通道和横侧向滚转通道,设计了基于鲁棒最优理论的静态投影控制器。分析了投影控制方法的一般原理,建立了飞行控制系统的鲁棒伺服模型,应用最优线性二次型调节器（LQR）方法构成鲁棒伺服LQR控制,并以闭环系统为参考系统,通过静态投影法则以输出反馈重构参考系统主体特征结构,避免了LQR方法中部分反馈变量无法精确测量的问题。仿真过程中对比验证了风扰动下常规PID姿态驾驶仪和静态投影方法的控制效果。仿真结果表明,所设计的静态投影控制系统响应速度快,且具有较强的稳定性和抗风扰动能力。     

基于滑模的空中加油受油机会合制导与控制

为实现空中加油过程中受油机与加油机自主会合,建立满足会合要求的滑模控制面,设计相应制导律.根据受油机与加油机相对位置与速度得出受油机前向加速度指令.基于六自由度受油机动力学模型,采用时标分离将受油机的角运动系统分为快慢回路,采用动态逆方法分别进行系统设计和设计满足追踪会合要求的速度控制律,并以无人机自主跟踪加油机实现会合为例进行仿真.结果表明:该系统能引导受油机实现与加油机的会合,具有良好的动态性能.     

基于滑模变结构的无人直升机着舰控制研究

针对无人直升机着舰的特殊性,克服系统摄动、未建模动态及大气紊流的影响,提高舰载无人直升机着 舰的安全性和精度,基于滑模控制的方法分别设计了着舰控制系统的轨迹跟踪控制律和姿态控制律。采用基于输出 有界的twisting 控制器,通过轨迹跟踪算法保证生成有界的期望姿态角和总距;姿态部分采用小扰动线性化后的姿 态回路控制方程,设计了模型参考自适应滑模控制器,通过自适应项抵消外界干扰造成的误差,利用Lyapunov 稳定 性理论证明了系统的稳定性和跟踪误差收敛;通过仿真进行了实验验证。验证结果表明：所设计的控制器能够满足 无人直升机抗扰动和模型参数摄动的要求,并且设计方法简单,鲁棒性强,易于工程实现。     

基于光流的无人机自主着陆控制策略

为解决无人机自主导航过程中自主着陆时难以满足特征识别条件的问题,提出一种基于光流的高度估计及自主着陆控制策略.依据无人机高度和垂直速度的关系,建立状态空间模型,通过模拟着陆,采用小扰动线性化系统模型,分析在恒定光流散度着陆过程中自激振荡的发生.仿真结果表明:控制增益给定的情况下,控制回路的稳定性仅取决于对地高度,当接近地面时,控制回路出现自激振荡,此时机载设备可以检测到震荡,并计算出高度.     

基于反馈线性化的无人机盘旋控制器设计

针对经典 PD 算法无法保证闭环系统在大范围内的稳定性的问题,提出一种基于反馈线性化的无人机盘旋控制器设计方法。在考虑滚转角响应特性的条件下建立了无人机盘旋飞行的非线性动力学模型,在此基础上基于反馈线性化方法设计了非线性盘旋控制器,以保证闭环系统的全局渐进稳定,并通过Matlab/Simulink中将盘旋控制器加入模型进行仿真。仿真结果证明：相比于线性盘旋控制器,非线性盘旋控制器可得到更好的动态响应特性,其抵抗风干扰的能力也明显优于线性盘旋控制器。     

微型四旋翼无人机模糊PID 控制

为解决微型四旋翼无人机控制系统存在的鲁棒性差和控制精度低的问题,提出一种模糊PID控制方法。建立微型四旋翼无人机系统动力学数学模型和电机模型,在系统模型的基础上设计模糊PID控制器。通过Matlab/Simulink仿真和飞行试验对所设计的模糊PID控制器的有效性进行验证。仿真实验表明,该算法能提高系统的抗干扰性能和控制精度。飞行试验结果表明,模糊PID控制器可以有效地控制微型四旋翼无人机。