具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

饱和输入下四旋翼无人机滑模轨迹跟踪控制

为解决四旋翼无人机在饱和输入下的轨迹跟踪控制问题,同时兼顾系统存在的参数不确定性和外部风力扰动影响,设计了一种改进的抗干扰自适应鲁棒滑模控制方法;基于六自由度架构,设计四旋翼无人机简化的系统模型,进而降低控制器设计的复杂程度;引入带有误差信号的滑模函数,设计带有误差信号的饱和补偿自适应控制律,同时增加鲁棒控制项,降低由于饱和输入问题带来的抖振影响,并减小参数不确定和外部风力扰动对系统稳定性的影响;系统模型与抗干扰自适应控制律相结合,形成了改进的抗干扰自适应鲁棒滑模控制策略,实现四旋翼无人机的位置轨迹和姿态轨迹的稳定跟踪;最后通过数值仿真与传统PD控制算法进行仿真比较,验证控制方法的有效性和优越性。     

输入受限的非仿射无人帆船航向系统自适应动态面控制

针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.     

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.     

基于鲁棒自适应的无人直升机悬停控制

小型无人直升机凭借良好的机动特性,在军事和民用方面有着广泛的用途。针对小型无人直升机悬停模型,考虑模型参数不确定对无人机控制的影响,提出一种鲁棒自适应控制律,实现无人机控制系统对不确定扰动的抑制。首先,基于无人直升机线性化悬停模型设计滑模面,并结合标称系统控制的反馈增益,获得滑模面的设计参数;在此基础上,利用传统滑模趋近律设计方法设计控制器;为改善系统控制性能,设计基于自适应增益的趋近律,实现系统鲁棒自适应控制。其次,利用Lyapunov稳定理论对所设计的鲁棒自适应控制策略的稳定性进行分析说明。最后,通过与基于指数趋近律以及变速趋近律的两种滑模控制方法仿真对比,验证了所设计的控制方法的有效性和优越性。     

静电悬浮的NARX网络自适应逆控制

静电悬浮控制系统中存在建模不准确及对象扰动,传统控制器只能在动态控制精度和扰动消除性能之间折衷;为了克服其对控制器精度的影响,研究了带扰动消除的自适应逆控制算法.以非线性自回归动态神经网络进行正模型、逆模型以及扰动消除控制器的实时辨识,利用基于遗传算法的改进粒子群算法进行神经网络的更新,以提高自适应收敛速度和精度.设计了基于DSP与PC的仿真环境,分别部署静电悬浮虚拟被控对象和自适应逆控制算法,实现对控制算法的实时验证.结果表明所设计的控制结构与算法可以实现对静电悬浮的稳定控制与扰动消除.利用PC和相应的I/O接口,以及所部署的实时控制算法可以实现快速控制原型,为控制器的工程实现提供基础.     

具有H_∞性能的机械手神经自适应跟踪控制

针对非线性不确定机械手系统的轨迹跟踪控制问题,提出一种具有H∞性能的神经自适应控制算法;该算法为机械手系统分别设计了主控制器和监督控制器;主控制器由神经网络控制为基础,基于滑模控制原理得到神经网络权值的自适应律;基于李亚普诺夫稳定性理论和鲁棒控制设计的监督控制器,补偿自适应神经网络对系统不确定项学习的误差,同时使系统具有H∞性能;通过二自由度机械手模型进行仿真实验,仿真结果验证了方法的有效性。     

含未知动态与扰动的非线性系统神经网络嵌入学习控制

针对带有不确定性与扰动的非线性系统的性能优化问题, 提出一种基于神经网络嵌入的学习控制方法. 对一类常见的 Lyapunov 函数导数形式, 将神经网络控制器集成到某种对系统稳定的基准控制器中, 其意义在于将原控制器改进为满足Lyapunov稳定的神经网络参数可调控制器, 从而能够利用先进的神经网络学习技术实现控制器的在线优化. 建立了跟踪误差的等效目标函数, 避免了对系统输入–输出的辨识问题. 建立了一种未知非线性与扰动等效值自适应方法, 并依此方法设计基准控制器. 以RBF (Radial basis function) 反步自适应控制、基于卷积神经网络的滑模控制和深度强化学习控制为对比方法, 对带有死区、饱和、三角函数等数值与物理非线性模型进行仿真分析以测试方法有效性, 并针对上肢康复机器人控制问题进行虚拟实验以验证该方法的实用性. 仿真与实验结果表明, 该方法能在Lyapunov 稳定条件下有效优化基础控制器性能, 对比结果证实了该方法的实用性与先进性.     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

Adaptive Sliding Mode Control for Re-entry Attitude of Near Space Hypersonic Vehicle Based on Backstepping Design

Combining sliding mode control method with radial basis function neural network (RBFNN), this paper proposes a robust adaptive control scheme based on backstepping design for re-entry attitude tracking control of near space hypersonic vehicle (NSHV) in the presence of parameter variations and external disturbances. In the attitude angle loop, a robust adaptive virtual control law is designed by using the adaptive method to estimate the unknown upper bound of the compound uncertainties. In the angular velocity loop, an adaptive sliding mode control law is designed to suppress the effect of parameter variations and external disturbances. The main benefit of the sliding mode control is robustness to parameter variations and external disturbances. To further improve the control performance, RBFNNs are introduced to approximate the compound uncertainties in the attitude angle loop and angular velocity loop, respectively. Based on Lyapunov stability theory, the tracking errors are shown to be asymptotically stable. Simulation results show that the proposed control system attains a satisfied control performance and is robust against parameter variations and external disturbances.      

考虑输入饱和的近空间飞行器姿态容错控制

针对近空间飞行器姿态控制中出现的执行器故障,输入饱和与外部干扰等问题,设计了一种基于二阶滑模干扰观测器和辅助系统的鲁棒容错跟踪控制方法.首先,将系统不确定,外部扰动和执行器故障作为复合干扰,设计super-twisting二阶滑模干扰观测器对其进行估计.然后为解决输入饱和问题构造了辅助分析系统,并借助backstepping方法,设计姿态容错跟踪控制器.利用Lyapunov方法,严格证明了所有闭环系统信号的收敛性.最后将所设计的控制方法应用于近空间飞行器姿态控制中,仿真结果验证了该控制方法的有效性.     

基于扩张状态观测器的UCAV自适应滑模控制

针对固定翼UCAV（Unmanned Combat Aerial Vehicle）系统中存在的不确定性和外部扰动，设计了一种基于扩张状态观测器的自适应超扭曲滑模控制器用来抑制系统扰动，从而提高对于UCAV的控制性能。建立固定翼UCAV的六自由度非线性模型，针对姿态控制和速度控制分别设计扩张状态观测器对模型中难以精确测量的状态量和外部扰动进行估计，依据奇异摄动原理分别对姿态和速度设计自适应超扭曲滑模控制器，实现对UCAV的姿态和速度的跟踪控制。采用某型固定翼UCAV非线性模型对所设计的控制器进行仿真验证，并且与传统的自抗扰滑模控制方法进行了对比，仿真结果表明，基于扩张状态观测器的自适应超扭曲滑模控制器具有更小的超调量和稳态误差。     

Robust neural network–based tracking control and stabilization of a wheeled mobile robot with input saturation

This paper presents a robust neural network–based control scheme to deal with the problem of tracking and stabilization simultaneously for a wheeled mobile robot subject to parametric uncertainties, external disturbances, and input saturation. At first, a new error‐state transformation scheme is designed by introducing some auxiliary variables as an additional virtual control signals to reduce the adverse effect caused by the underactuation. These variables can change their structures for different desired trajectories to be tracked. Then, a robust control law is proposed combining with a kinematic controller and a dynamic controller, while a three‐layer neural network system is applied to approximate model uncertainties. Stability analysis via the Lyapunov theory shows that the proposed controller can make tracking errors converge to bounded neighborhoods of the origin. Finally, some simulation results are illustrated to verify the effectiveness of the proposed control strategy.     

基于快速终端滑模面的两旋翼飞行器有限时间姿态控制

针对带有模型不确定和外部干扰的两旋翼飞行器,提出一种基于快速终端滑模面的有限时间自适应姿态控制方法,保证两旋翼飞行器对期望姿态角度的有限时间跟踪。构造快速终端滑模面,并设计分段连续函数避免滑模变量求导产生的奇异值问题。在此基础上,设计有限时间姿态控制器,并设计系统不确定上界的自适应更新律,抵消模型不确定性和外部干扰的影响。经李雅普诺夫方法证明滑模变量、姿态角误差、角速度误差等闭环信号最终一致有界,且有限时间收敛至平衡点邻域,收敛时间与系统状态变量初始值有关。最后,采用了矩形波和 曲线作为设定信号,设计相应的跟踪实验,并在两旋翼飞行器平台上验证所提控制方法的有效性,且分析双曲正切函数对系统控制输入影响,经实验测试其可减少系统颤振现象。     

基于线性化反馈的径向神经滑模控制器设计

针对非线性系统,采用径向神经网络逼近及自适应控制方法,利用线性化反馈技术,设计一种自适应神经滑模控制器。滑模变结构控制具有独特的鲁棒性能以及对匹配不确定性和外干扰的完全自适应等特点,但容易出现系统抖振问题,将神经网络应用于滑模变结构控制系统的设计中,系统抖振得到抑制。仿真结果也表明将神经网络与滑模控制相结合的方法是行之有效的。     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

Robust adaptive neural sliding mode control of MEMS triaxial gyroscope with angular velocity estimation

In this paper, a robust adaptive sliding mode control strategy of micro electro-mechanical system (MEMS) triaxial gyroscope using radial basis function (RBF) neural network is presented for the system identification of MEMS gyroscope. A key property of this scheme is that the prior knowledge of the upper bound of the system uncertainties is not required. An adaptive RBF neural network controller is used to learn the unknown upper bound of model uncertainties and external disturbances. The adaptive RBF neural network is incorporated into the adaptive sliding mode control in the Lyapunov sense, and the stability of the proposed adaptive neural sliding mode control can be established. The dynamics and angular velocities of gyroscope can be identified in real time. Numerical simulations are investigated to verify the effectiveness of the proposed adaptive neural sliding mode control scheme, showing that the designed control system has better robust performance in its insensitivity to system nonlinearities; moreover, system parameters including angular velocity can be consistently estimated and tracking errors converge to zero asymptotically.     

再入飞行器带有干扰观测器的有限时间控制

针对模型参数不确定及外界干扰影响下的再入飞行器的姿态控制问题,设计基于干扰观测器的有限时间控制策略.首先建立面向控制模型,并通过多时间尺度原理将面向控制模型分为内、外两环;其次,设计干扰观测器实时观测面向控制模型中的参数不确定及外界干扰,解决滑模控制因参数过大而导致的抖振问题,基于观测值,设计终端滑模控制器,在此基础上,基于Lyapunov理论对控制系统的稳定性进行分析;最后,基于六自由度再入模型,验证所设计的有限时间姿态控制策略的有效性.