基于递归模糊神经网络的机器人鲁棒H_∞跟踪控制

利用递归模糊神经网络来逼近机器人系统中的非线性函数,提出了一种具有自适应能力的H∞控制策略.该控制策略能够减弱机器人系统的外扰,并把模糊神经网络的重构误差对系统的影响控制在指定的范围内.同时又能保证闭环系统的所有信号都是有界的.为了验证基于递归模糊神经网络的H∞控制策略的有效性,将其与计算力矩控制方法进行比较,仿真结果表明,在存在外扰的情况下,所提出的控制策略具有比计算力矩控制方法更好的跟踪性能.     

基于对偶四元数的卫星主从式编队姿轨跟踪的优化控制

在对偶四元数的框架下研究了主从式编队卫星相对姿态和相对位置跟踪控制的优化问题.首先,给出了用对偶四元数描述的编队卫星六自由度的相对运动模型.接着,把系统模型拆分为标称系统和扰动系统,对于标称系统,使用李雅普诺夫优化控制技术和轨迹跟踪优化的方法来得到非线性系统的次优解,而对于扰动系统,利用滑模控制来确保闭环系统的鲁棒性,为此把最优控制和滑模控制结合起来提出了一种优化的积分滑模控制器,并通过李雅普诺夫方法严格地证明了整个闭环系统的全局渐近稳定性.最后,通过数学仿真来验证设计方法的有效性和可行性,结果表明本文的方法能够实现编队卫星姿轨跟踪的精确控制,收敛速度较快,得到的性能指标更小,且对模型参数不确定性和外部有界干扰具有较强鲁棒性.