基于模糊不确定观测器的四旋翼飞行器自适应动态面轨迹跟踪控制

针对具有未知外界扰动和系统不确定性的四旋翼飞行器,提出了一种基于模糊不确定观测器（Fuzzy uncertainty observer,FUO）的自适应动态面轨迹跟踪控制方法.通过将四旋翼飞行器系统分解为位置、姿态角和角速率三个动态子系统,使得各子系统虚拟控制器能够充分考虑欠驱动约束;采用一阶低通滤波器重构虚拟控制信号及其一阶导数,实现四旋翼跟踪控制设计的迭代解耦;设计了一种模糊不确定观测器,用以估计和补偿未知外界扰动与系统不确定性,从而确保闭环系统的稳定性和跟踪误差与其他系统信号的一致有界性.仿真研究验证了所提出的控制方法的有效性和优越性.     

输入受限四旋翼飞行器的模糊自适应动态面轨迹跟踪控制

针对输入受限条件下四旋翼飞行器的轨迹跟踪控制问题,考虑系统存在模型动态不确定和未知外界干扰的情况,提出一种模糊自适应动态面轨迹跟踪控制方法.该方法设计干扰观测器估计位置模型中复合扰动项,利用模糊系统逼近姿态模型中不确定项和外界干扰,并引入双曲正切函数和辅助系统处理输入受限问题,结合反演法和动态面技术设计轨迹跟踪控制器,以降低控制算法的复杂性,最后选取李雅普诺夫函数证明闭环系统所有信号一致最终有界.应用大疆M100飞行器模型进行仿真验证,结果表明所设计的控制器能够有效处理模型动态不确定和未知外界干扰问题,避免飞行器工作过程中因输入饱和导致执行器失效现象,精确地完成轨迹跟踪控制任务.     

基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制

针对速度不可测的三自由度欠驱动船舶轨迹跟踪控制问题,考虑船舶存在模型参数不确定项以及外界环境干扰未知情况,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制策略.该策略构造扩张观测器估计船舶速度向量,利用神经网络算法逼近模型参数不确定项,然后采用动态面控制技术避免对虚拟控制律直接求导,简化控制律计算过程,并引入低频增益学习技术消除外界扰动导致控制信号产生高频振荡,最后选取李雅普诺夫函数证明该控制律能够保证船舶跟踪闭环系统中所有误差信号一致最终有界.仿真结果表明,本文所设计控制器对船舶模型参数不确定项及外界环境干扰具有较强的鲁棒性,能够实现对船舶轨迹的有效跟踪.     

四旋翼飞行器的轨迹跟踪抗干扰控制

针对四旋翼飞行器轨迹跟踪问题中系统存在模型不确定和易受到外界扰动的情况,提出了基于切换函数的扩张状态观测器设计方法来对系统中的扰动进行估计,并将估计值与滑模控制器的设计相结合,实现了对系统中非匹配不确定性和匹配不确定性的抑制且实现了系统跟踪误差的一致最终有界.首先,根据变量间的耦合关系将飞行器系统模型分解为两个子系统模型,设计扩张状态观测器对子系统中的非匹配不确定性进行估计,并将估计值作为变量加入到切换函数的设计中;进而基于切换函数设计扩张状态观测器以估计经切换函数重构系统中的扰动,并在控制器中对扰动进行补偿.最后通过李雅普诺夫理论证明了控制系统的稳定性.通过仿真验证了本文提出的方法能够有效实现飞行器轨迹跟踪控制且能够抑止传统滑模控制的抖振现象.     

基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。     

基于预估器的一类多智能体系统神经动态面输出一致控制

本文针对一类含未知扰动与非对称输入饱和的非线性多智能体系统,提出基于预估器的神经动态面输出一致控制策略.在设计预估器的基础上构造预估误差,驱动神经网络更新权值估计系统未知动态,并将预估器与神经网络应用于非线性扰动观测器来补偿广义扰动.本文所提出的控制策略采用神经网络权值范数学习方法,减少学习参数数目.对于非对称的输入饱和,设计辅助系统,其生成的辅助变量与反步法相结合补偿输入限制.结合图论知识和Lyapunov函数等技术,证明多智能体系统的输出一致跟踪误差以及闭环系统中的所有信号最终有界.最后通过一组四旋翼飞行器和数值仿真验证提出控制策略的有效性.     

四旋翼无人飞行器的轨迹跟踪与滑模事件驱动控制

四旋翼飞行器作为一个典型的欠驱动的系统,具有强耦合、非线性等特性.针对飞行器外部干扰、和通信资源受限条件下的轨迹跟踪控制问题,进行滑模事件驱动控制方法的研究.首先,分析动力学特性,通过时间尺度分解方法将系统解耦成位置子系统和姿态子系统.其次,将位置子系统转化为严格反馈形式,设计反步滑模控制器,实现位置轨迹稳定跟踪;针对姿态子系统存在时变有界扰动及通信受限,设计滑模事件驱动控制律,在抑制干扰的同时实现对虚拟姿态跟踪指令的跟踪.根据Lyapunov分析方法证明了所设计控制器的稳定性,并通过理论分析证明闭环控制系统不会出现Zeno现象.最后,仿真结果验证了滑模事件驱动控制律在存在外部扰动和通信受限时四旋翼无人飞行器轨迹跟踪的鲁棒性.     

基于动态面的未知常数增益自适应间接控制

讨论具有未知常数虚拟控制增益及扰动的非线性系统的自适应动态面控制。针对一类具有外界扰动的常增益非线性系统,基于神经网络的逼近能力,结合动态面控制技术,引入一阶滤波器,提出间接自适应控制方案。该方案有效消除了后推设计中由于对虚拟控制反复求导而导致的复杂性问题。     

一类非匹配不确定非线性系统的鲁棒跟踪控制制

针对一类半严格反馈型不确定非线性系统,提出一种鲁棒反演滑模变结构控制方法.采用反演控制方法设计了使前n-1阶子系统稳定的虚拟控制律,抑制非匹配不确定性的影响;在第n步设计了一种连续可导的滑模变结构控制律,消除控制抖振,实现了对存在未知不确定性及扰动系统的鲁棒输出跟踪.通过Lyapunov定理证明了闭环系统所有信号最终有界.仿真结果验证了该方法的有效性.     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Robust adaptive trajectory tracking control of underactuated autonomous underwater vehicles with prescribed performance

In this paper, a novel robust adaptive trajectory tracking control scheme with prescribed performance is developed for underactuated autonomous underwater vehicles (AUVs) subject to unknown dynamic parameters and disturbances. A simple error mapping function is proposed in order to guarantee that the trajectory tracking error satisfies the prescribed performance. A novel additional control based on Nussbaum function is proposed to handle the underactuation of AUVs. The compounded uncertain item caused by the unknown dynamic parameters and disturbances is transformed into a linear parametric form with only single unknown parameter called virtual parameter. On the basis of the above, a novel robust adaptive trajectory tracking control law is developed using dynamic surface control technique, where the adaptive law online provides the estimation of the virtual parameter. Strict stability analysis indicates that the designed control law ensures uniform ultimate boundedness of the AUV trajectory tracking closed‐loop control system with prescribed tracking performance. Simulation results on an AUV in two different disturbance cases with dynamic parameter perturbation verify the effectiveness of our adaptive trajectory tracking control scheme.     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

Robust adaptive tracking control of MIMO nonlinear systems in the presence of actuator hysteresis

Adaptive tracking control of a class of MIMO nonlinear system preceded by unknown hysteresis is investigated. Based on dynamic surface control, an adaptive robust control law is developed and compensators are designed to mitigate the influences of both the unknown bounded external uncertainties and the unknown Prandtl–Islinskii hysteresis. By adopting the low-pass filters, the explosion of complexity caused by tedious computation of the time derivatives of the virtual control laws is overcome. With the proposed control scheme, the closed-loop system is proved to be semi-globally ultimately bounded by the Lyapunov stability theory, and the output of the controlled system can track the desired trajectories with an arbitrarily small error. Finally, numerical simulations are given to verify the effectiveness of the proposed approach.     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Fuzzy adaptive robust backstepping stabilization for SISO nonlinear systems with unknown virtual control direction

In this paper, a direct fuzzy adaptive robust control approach is proposed for a class of SISO nonlinear systems with completely unknown virtual control directions, unknown nonlinearities, unmodeled dynamics and dynamic disturbances. In the backstepping recursive design, fuzzy logic systems are employed to approximate the combined nonlinear uncertainties, a dynamic signal and Nussbaum gain technique are introduced into the control scheme to dominate the dynamic uncertainties and solve the unknown signs of virtual control directions, respectively. It is proved that the proposed robust fuzzy adaptive scheme can guarantee the all signals in the closed-loop system are semi-globally uniformly ultimately bounded. The effectiveness of the proposed approach is illustrated via three examples.     

Robust adaptive control of uncertain force/motion constrained nonholonomic mobile manipulators

In this paper, force/motion tracking control is investigated for nonholonomic mobile manipulators with unknown parameters and disturbances under uncertain holonomic constraints. The nonholonomic mobile manipulator is transformed into a reduced chained form, and then, robust adaptive force/motion control with hybrid variable signals is proposed to compensate for parametric uncertainties and suppress bounded disturbances. The control scheme guarantees that the outputs of the dynamic system track some bounded auxiliary signals, which subsequently drive the kinematic system to the desired trajectory/force. Simulation studies on the control of a wheeled mobile manipulator are used to show the effectiveness of the proposed scheme.