机械臂自适应非奇异快速终端滑模控制

针对刚性机械臂有限时间鲁棒控制问题,提出了一种新的自适应非奇异快速终端滑模控制方法.该方法将非奇异快速终端滑模控制与自适应律相结合,使用非奇异快速终端滑模面加快机械臂轨迹跟踪误差的收敛速度,解决了终端滑模中的奇异问题;通过双曲正切函数代替符号函数减小控制输入的抖振;利用自适应律对未知的外部扰动和系统的不确定性进行估计,...     

干扰观测器补偿的四旋翼飞行器自适应离散终端滑模控制

传统的离散线性滑模应用于四旋翼飞行器控制具有跟踪误差大、响应速度慢、不能有限时间收敛等问题,针对具有外干扰、系统不确定和建模误差的四旋翼飞行器,提出了干扰观测器补偿的自适应离散终端滑模控制。首先,对一类包括四旋翼飞行器模型的离散化方程推导了终端滑模控制律,引入自适应律因子减小抖振,构造了以状态变量的平方作为干扰误差收敛速度的改进型离散干扰观测器,且证明了它的稳定性,再利用改进的离散干扰观测器获取未知干扰、不确定和建模误差的高精度估计,并用于控制器设计补偿项,提高鲁棒性和减小稳态误差,再对整个系统的稳定性做了严格的证明。最后将提出方法用于四旋翼飞行器控制,Matlab仿真分析表明,干扰观测器补偿的自适应离散终端滑模控制比离散终端滑模等其他控制方法具有响应时间更快、跟踪效果更理想、鲁棒性更强等特点,实现了在不确定干扰的情况下飞行器姿态的稳定控制。     

四旋翼飞行器的容错姿态稳定控制

在近十年间, 飞行系统的可靠性问题得到了飞行控制领域越来越多的重视。以一种全新的垂直起降飞行器——四旋翼飞行器作为研究对象, 设计具有高可靠性的姿态稳定控制系统, 为了补偿执行机构发生故障给飞行控制品质带来的影响, 一种主动容错技术将被应用于姿态控制系统的设计中, 主要设计了一个基于状态观测器技术的鲁棒故障检测环节与一个可容错重构的姿态控制器, 在设计控制系统的同时, 还对于故障检测的鲁棒性与快速性、重构控制系统的稳定性进行了理论分析。最后通过数值仿真, 对容错控制系统中各个环节的效果进行了验证。     

四旋翼飞行器双环条件积分滑模控制

针对存在阵风干扰及未建模特性下的四旋翼飞行器轨迹跟踪控制,基于非线性滑模控制技术,结合条件积分思想及Lyapunov稳定性理论设计了一种位姿双环条件积分滑模控制器.在获得四旋翼非线性动力学模型后对其进行线性化,简化被控对象数学模型,提高控制器设计效率.利用条件积分滑模控制律设计了位置环和姿态环的轨迹跟踪控制器,实现了控...     

四旋翼飞行器姿态与位置的DIC-PID控制

针对四旋翼飞行器姿态与位置的解耦控制,提出了一种动态逆控制与PID结合的混合控制策略。首先,将四旋翼当作单刚体,通过牛顿-欧拉方程获得其非线性动力学模型。其次,用动态逆控制设计内回路控制器,用PID控制设计外回路控制器,实现姿态与位置通道的解耦控制。最后,在仿真环境下,通过阶跃响应和跟踪上升螺旋线检验了所提控制算法的稳定性与有效性。同时,将控制算法写入飞行控制器,通过飞行实验验证了所提控制算法的实用性。结果表明,所提控制算法对外界扰动与未建模动态有较好的抑制能力,能够满足四旋翼飞行器姿态控制与位置控制的需求。     

基于滑模控制的四旋翼飞行器控制器设计

基于四旋翼飞行器的结构和飞行原理,本文建立了其飞行动力学数学模型,并采用反馈线性化原理对该模型进行精确线性化;同时,本文采用基于趋近律的滑模变结构控制方法,进行飞行控制器设计,并用simulink对设计的控制器进行仿真,实现了四旋翼飞行器的定高悬停控制,提高了其飞行性能和鲁棒性。     

四旋翼飞行器的RBF网络自适应滑模控制

针对带有不确定性的四旋翼飞行器系统,提出一种滑模控制和神经网络自适应相结合的混合控制方法。该方法在滑模控制的基础上,考虑到实际系统中通常存在建模不精确、参数未知等不确定性,构造RBF神经网络在线逼近系统模型的未知函数,采用Lyapunov方法设计自适应律在线估计神经网络权值和模型未知参数,并通过Lyapunov定理验证了系统的稳定性。仿真结果表明,该方法相对于RBF神经网络的自适应PID控制,具有更短的调节时间、更小的超调量和更好的抗干扰能力,同时在模型参数发生变化的情况下,该控制器的鲁棒性能更强。     

四旋翼飞行器姿态估计方法

针对四旋翼飞行器姿态估计中传感器由于旋翼振动带来的测量误差,通过卡尔曼滤波方法融合加速度计和陀螺仪的测量数据来提高姿态估计精度,减少因载体振动带来的噪声并解决陀螺漂移问题。先分析了惯性器件误差类型,然后建立了三自由度的系统模型并用Matlab进行仿真分析,再利用带有螺旋桨的实验台验证方法的可行性。实验结果表明,姿态估计误差在2°以内且没有随时间的增长而增大,基本满足四旋翼飞行器姿态估计的实时性、廉价性、高精度等要求,该方法可以成功应用于四旋翼飞行器的姿态控制,抑制噪声干扰,为稳定的自主飞行创造条件。     

四旋翼飞行器姿态的显式模型预测控制

针对四旋翼飞行系统的多变量、强耦合和带约束等复杂特性,提出了基于显式模型预测的控制方法。首先根据四旋翼飞行系统的动力学特点,建立了九状态空间模型,并解耦成2个子系统。然后,采用多参数二次规划法,离线计算了四旋翼飞行系统的显式最优控制律,在线查找当前状态对应的控制量。数值仿真和实验结果表明,该方法在满足约束条件同时,调节时间较短,超调量较小且具有一定的抗扰动能力,成功实现了四旋翼飞行器的姿态稳定控制。     

基于离散滑模控制的四旋翼飞行器轨迹跟踪

针对离散时间域的四旋翼飞行器的大角度轨迹跟踪问题进行研究.首先,采用牛顿-欧拉法建立了基于三维旋转群SO(3)的动力学模型,并采用前向欧拉法将其转换为离散模型.接着,提出了基于内外环的控制结构,并将离散滑模变结构控制应用于内外环控制器的设计,通过李雅普诺夫函数证明了所设计控制器的稳定性.最后,通过Matlab/Simu...     

TCP网络的自适应非奇异终端滑模控制

针对TCP网络的拥塞控制问题,采用非奇异终端滑模控制理论提出了一种新的主动队列管理算法。采用非奇异终端滑模面以克服传统终端滑模控制的奇异问题,同时确保系统能在有限时间内收敛至平衡点。考虑到UDP流干扰的情况,用Lyapunov稳定性方法给出了一个自适应律来消除UDP流干扰对系统的影响。仿真结果表明,该算法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,优于传统的滑模控制。     

基于QEKF的四旋翼飞行器姿态估计

提出了一种基于四元数扩展卡尔曼滤波(QEKF)数据融合算法,应用于四旋翼飞行器的姿态估计。首先,用四元数表示航向姿态参考系统(AHRS)中的坐标旋转关系,获取飞行器的姿态信息;然后,结合扩展卡尔曼滤波算法,融合低成本的MPU9250中陀螺仪、加速度计、磁力计传感器的9轴原始输出数据,对飞行器的真实姿态进行跟踪估计;最后,通过MATLAB实验仿真,与互补滤波(CF)和梯度下降法(GD)算法进行比较,实验证明QEKF对姿态的估计更加精准。     

四旋翼飞行器建模及姿态稳定性分析

主要讨论了四旋翼飞行器的姿态稳定性。经过适当假设和部分简化建立了悬停姿态动力学模型,对悬停姿态模型进行了仿真分析,在开环控制的前提下分析了结构增稳和橡筋阻尼方法对飞行器平台姿态稳定性的影响,并提出了一种开环控制下实现稳定悬停的策略。     

六旋翼无人机编队快速终端滑模鲁棒控制

为了实现在复合干扰下六旋翼无人机编队的稳定飞行,提出了一种快速终端滑模鲁棒控制方法。首先,描述了领导-跟随编队拓扑结构并建立了六旋翼无人机的6自由度运动模型,然后,设计了编队外环控制律将编队指令转换为姿态指令,并通过设计编队内环控制律解算得到旋翼转速指令,最后,引入自适应律来估计复合干扰,实现了六旋翼无人机编队的稳定飞行。仿真实验结果表明：所提方法与滑模控制方法相比能够更加快速地实现六旋翼无人机的编队稳定飞行,最大轨迹误差仅为0.2 m,复合干扰最大估计误差仅为0.1 m/s²,表现出了更优的控制效果。     

基于观测器的四旋翼飞行器自适应滑模姿态控制

针对存在建模不确定性和外部干扰时四旋翼飞行器的姿态控制问题,提出一种基于观测器的自适应滑模控制算法。在建立四旋翼飞行器姿态误差动力学模型的基础上,通过全局渐近收敛观测器获取系统的未知状态反馈量,利用自适应滑模控制抑制系统的不确定性和干扰,构建一种基于观测器的自适应滑模姿态控制器。基于Lyapunov的稳定性分析表明,该方法的跟踪误差是一致最终有界的。数值仿真实验结果表明,与现有滑模控制方法相比,所提方法具有更好的姿态跟踪性能和较高的抗干扰鲁棒性,能有效保证飞行器的姿态跟踪控制性能。     

用于压电陶瓷轨迹跟踪的非奇异终端滑模控制

针对压电陶瓷在实现微纳运动中普遍存在的不确定非线性因素,提出了一种新型的非线性鲁棒控制器。该控制器利用非奇异终端滑模控制实现了控制器的鲁棒性,采用时延估计技术实现了对未知项的实时补偿和无模型控制,有利于工程应用,并用鲁棒精密微分器实现对全状态的估计。运用Lyapunov稳定性理论证明了系统的闭环稳定性。半物理仿真实验表明,该控制器能够控制压电陶瓷实现亚微米精度的运动控制。理论分析和实践证明,提出的控制策略具有无模型、高精度和鲁棒性强的控制效果,工程应用性强,能有效应用于压电陶瓷驱动的微纳操作系统中。     

四旋翼飞行器姿态解算算法试验研究

四旋翼飞行器姿态信息的准确性直接影响飞行器的飞行控制效果。介绍了四旋翼飞行器姿态解算常用的梯度下降与互补滤波融合算法和自适应互补滤波算法的原理,并基于自主研发的IMU系统对两种算法的静态与动态解算效果进行了实际测量和对比分析。实验结果表明,自适应互补滤波算法在两种情况下的滤波效果均优于梯度下降与互补滤波融合算法。