基于干扰特性指标与推力分配的载人潜水器容错控制

载人潜水器在深海复杂恶劣的环境中运行, 容易受到外部环境干扰和推进器故障的困扰, 本文将干扰特性指标与基于推力分配的主动容错控制方法相结合, 提出了一种新的主动容错控制方法. 首先, 建立了载人潜水器系统的数学模型; 其次, 设计非线性干扰观测器估计系统所受的集总干扰, 并设计无推进器故障时的控制器; 然后, 针对推进器故障问题, 引入权重矩阵进行推力分配以保护故障推进器, 并设计了干扰特性指标表示干扰的性质对跟踪误差和推力损失的影响; 在此基础上, 给出了一种基于干扰特性指标与推力分配的新型容错控制方法, 李雅普诺夫方法保证了该控制算法的理论稳定性; 最后, 通过数值仿真, 验证所设计的控制方法的优越性. 其优越性主要体现在: 能够利用可用干扰与补偿有害干扰, 并将可用的干扰能量用于补偿故障推进器的推力缺失.     

复合干扰下载人潜水器的全阶滑模控制

针对蛟龙号载人潜水器(JIAOLONG)在运行过程中受到深海洋流、模型不确定性和未建模动态等因素影响,本文设计了一种基于干扰观测器的新型全阶滑模控制(disturbance-observer based full-order sliding mode control,DOB–FOSMC)方法.首先,建立载人潜水器系统的动力学模型;然后,设计扩展非线性干扰观测器估计系统的复合扰动;其次,设计能够描述潜水器完整动态特性的全阶滑模面,从而得到滑模控制律,并给出闭环控制系统的稳定性分析;最后,通过数值仿真验证控制方法的有效性和优越性.基于干扰观测器的全阶滑模控制方法的优越性主要体现在:能够描绘载人潜水器的全阶动态特性,并且有效抑制抖振现象.     

载人潜水器的干扰特性分析与自适应滑模控制

针对在实际运行中会受到未知外部环境干扰和模型不确定性等因素影响的蛟龙号载人潜水器系统,本文设计了一种基于干扰特性指标的新型自适应滑模控制方法,实现对有益干扰的利用和有害干扰的补偿.首先,文章给出载人潜水器系统的运动学和动力学模型;然后,本文设计非线性干扰观测器估计系统所受的集总扰动,并提出一种扇形区域干扰特性指标,用于判断干扰对系统的影响;其次,文章设计一种基于干扰特性指标的自适应滑模控制方法,并且根据李雅普诺夫理论进行严格的稳定性分析;最后,通过数值仿真,验证所设计的滑模控制方法的优越性.其优越性主要体现在:不仅能够有效缓解抖振现象,并且避免控制增益高估的问题.     

7000米载人潜水器推进器故障容错控制分配研究

介绍了7000米载人潜水器推进系统的组成和推进器布置,描述了潜水器控制分配问题,对推进器推力和期望控制量进行了归一化处理．根据载人潜水器的推进器布置,建立了系统的控制分配模型,设计了推进器故障容错处理策略,研究了基于推力最小二范数的载人潜水器控制分配求解方法．采用基于伪逆矩阵与定点分配的混合控制分配求解算法,在半物理仿真平台上实验验证了控制分配求解算法的正确性和有效性．     

基于SQP算法的7000m载人潜水器有约束非线性控制分配研究

以7000m载人潜水器为研究对象，分析了潜水器的推进系统，并给出了6自由度推力转换模型，重点讨论了载人潜水器控制分配的优化问题．结合7000m载人潜水器的推进器布置和推进器特点，设计了优化准则代价函数，采用序列二次规划（sequential quadratic programming，SQP）算法求解了载人潜水器的非线性控制分配问题，通过半物理仿真平台实验验证了本文提出的控制分配算法的正确性和有效性．     

基于神经网络干扰观测器的动态逆飞行控制

对新一代歼击机提出了基于神经网络干扰观测器的动态逆飞行控制器设计方案.首先采用RBF神经网络设计干扰观测器,使其输出能够逼近动态逆误差;然后基于干扰观测器的输出设计动态逆飞行控制系统,该系统能克服动态逆误差对飞行控制带来的不利影响;最后将所设计的飞行控制系统用于新一代歼击机的机动飞行仿真,仿真结果表明该飞行控制系统是有效的.     

一类随机系统基于干扰观测器的抗干扰控制

针对一类带有多源干扰的随机系统,研究其抗干扰控制问题.针对可以由未知参数的外源系统产生,代表频率、振幅和初相都未知的干扰,构建随机自适应干扰观测器对其进行估计.基于此,结合自适应控制和随机控制的方法,提出基于干扰观测器的抗干扰控制策略,保证复合系统的所有信号均为均方渐近有界.仿真结果验证了所提出方法的正确性和有效性.     

基于自抗扰控制的载人潜水器动力定位仿真研究

针对载人潜水器(MSV)在不确定海洋环境中的动力定位问题,提出了一种线性扩张状态观测器与离散二阶系统最速反馈控制律相结合的线性自抗扰控制(LADRC)方案;先根据动力学原理,建立了带海流干扰的载人潜水器六自由度运动模型,然后再引入虚拟控制量,对模型进行了部分解耦,最后运用MATLAB软件,针对某载人潜水器进行了四自由度动力定位系统仿真实验,结果表明,使用该方法能快速且有效地抵御强海流干扰,满足了载人潜水器高精度悬停定位的要求。     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H_∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰、内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.     

推力矢量飞行器的自抗扰控制设计及控制分配

推力矢量飞行器往往需要在大功角等具有大不确定性和强非线性的区域高质量地完成飞行动作,因此,如何应对大范围不确定性是推力矢量飞行器控制设计的关键问题.另一方面,推力矢量飞行器包含多种控制输入并且不同控制输入具有不同物理特性.因此,控制输入分配也是推力矢量飞行器控制设计的关键问题.为了对付大范围的不确定性,本文引入虚拟控制量的概念,采用自抗扰控制技术实现对飞行过程中的总扰动的实时估计和补偿.进一步,考虑控制输入的物理约束条件,提出了保证虚拟控制量达到设计值并使得发动机能耗最小的控制输入分配方案.通过建立对应的优化问题,严格分析其最优解的性质并提出了有限步求解最优控制分配输入量的算法.在仿真环境下,提出的控制算法有效实现了推力矢量飞行器大功角区域的机动动作,并能应对大范围的气动参数不确定性.     

Adaptive neural network control based on neural observer for quadrotor unmanned aerial vehicle

This paper proposes an adaptive neural network control with neural state’s observer for quadrotor. The adaptive approach is used to solve the dynamics uncertainty problem of the controller. To perform the control, a Single Hidden Layer Neural Network (SHLNN) is used. Based on the structure of Sliding Mode Observer (SMO), a new neural observer is proposed to estimate the states. The aim of this work is to propose an observer insensitive to the measurement noise. The stability proof of global system is made by Lyapunov direct method. The adaptation laws of both artificial neural networks (ANNs) are derived from Lyapunov theory. The proposed controller is validated by simulation on the quadrotor under measurement noise conditions. A comparative study with SMO is made to highlight the performances of the proposed neural observer.     

基于神经网络补偿的高超声速飞行器滑模控制

针对吸气式高超声速飞行器的轨迹控制问题,提出了一种基于自适应径向基函数(RBF)神经网络的滑模控制方法.建立了高超声速飞行器的纵向动态模型;设计了滑模控制器,利用自适应RBF神经网络对系统不确定项进行在线逼近,对滑模控制器进行补偿;基于李雅普诺夫的稳定性分析证明了闭环系统的稳定性.仿真结果表明:控制系统能够实现对于高超声速飞行器给定指令的有效跟踪.     

基于NNAC算法的电能质量暂态扰动检测

针对当前电能质量检测分析的难点和重点问题,在分析了目前使用最多的方法小波变换优缺点的基础上,提出了基于神经网络自适应控制（NNAC）的电能质量暂态扰动检测算法。给出了电能质量暂态扰动检测的自适应控制结构,采用Hebb学习规则进行权值学习,并对电压暂降、电压瞬升、电压中断和暂态振荡等暂态扰动进行了仿真测试,结果表明所提算法可以很好地检测电网中的暂态扰动信号的类型,确定扰动发生的起始时刻和持续时间,且分析计算简单,速度快,计算所得数据量少,在电能质量扰动检测中更加具有实时性。     

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.     

Optimal disturbance rejection control approach based on a compound neural network prediction method

A new optimal disturbance rejection control method is proposed for the system with disturbances via a compound neural network prediction approach in this paper. The disturbances caused by external disturbances and model mismatches can be estimated by a disturbance observer, and the estimation of disturbances is introduced into the neural network predictive model to make the predictive output more accurate. Then based on the new compound neural network predictive model, a controller, which ensures both optimal performance by the receding horizon optimization and strong disturbance rejection ability, is obtained. The proposed scheme is applied to control the temperature of a simplified jacketed stirred tank heater (JSTH). Simulation results demonstrate the effectiveness of the proposed control method.     

基于自结构动态递归模糊神经网络的无人机姿态控制*

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明：该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

基于干扰观测器的高超音速飞行器鲁棒反步控制

针对高超音速飞行器严格反馈不确定非线性MIMO系统,提出一种基于干扰观测器的鲁棒反步控制方法。该方法采用超扭曲算法设计干扰观测器以估计系统复合干扰,观测误差有限时间收敛。设计非线性反步控制律,引入鲁棒项使得系统满足干扰到性能输出的L2增益不超过设定的正实数,满足耗散不等式,使闭环系统跟踪误差一致最终有界稳定。仿真结果表明,所设计的控制律可以有效抑制系统复合干扰的影响,设计方法可行。