无人水面艇复合自适应轨迹跟踪控制

针对存在模型参数不确定性和极易受到风、浪、流等时变干扰的欠驱动无人水面艇的轨迹跟踪控制问题,根据扰动观测器能对不确定项和外界干扰进行估计和补偿且具有鲁棒性特点,提出一种基于复合扰动观测器的自适应轨迹跟踪控制。该复合自适应观测器利用跟踪误差和估计误差共同调节自适应参数,在不激励高频未建模动态的情况下,该复合自适应闭环控制系统可得到更快的收敛速度和更高的跟踪精度。理论分析和仿真实验证明了所提出的无人水面艇复合自适应控制的有效性。     

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.     

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.     

考虑状态约束与执行器饱和的水下机器人轨迹跟踪控制

针对执行器饱和、模型参数不确定以及海流干扰等因素影响下的水下机器人,提出一种考虑状态约束以及执行器饱和的轨迹跟踪控制器.首先,构建水下机器人水平面轨迹跟踪误差方程;然后,对载体模型参数不确定性产生的模型误差以及海流干扰,设计一个非线性观测器进行估计并用于对控制器进行扰动补偿;接着,引入执行器饱和补偿系统、二阶滤波器以及滤波器误差补偿系统,设计命令滤波反步滑模控制器来控制水下机器人的水平面轨迹跟踪;最后,严格验证命令滤波反步滑模控制器的稳定性并进行数值仿真,验证所提出控制器的有效性.     

多关节机械臂轨迹跟踪自适应神经网络滑模控制

针对不确定干扰和建模误差对多关节机械臂轨迹跟踪控制系统造成的不良影响,对基于滑模控制的自适应神经网络滑模控制算法进行了研究。通过神经网络,对多关节机械臂轨迹跟踪控制系统的不确定干扰和建模误差进行逼近。添加自适应项,补偿神经网络滑模控制中神经网络模型对系统中的不确定干扰和建模误差的逼近误差。设计了具有指数趋近律的滑模面,以提升多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度。使用李雅普诺夫稳定性理论,证明了多关节机械臂轨迹跟踪控制系统的半全局稳定性,并通过MATLAB对理论结果进行了仿真验证。仿真结果表明,对具有不确定干扰和建模误差的多关节机械臂轨迹跟踪控制系统,采用该算法进行轨迹跟踪时,具有较好的稳定性与鲁棒性。该控制算法能合理应用到此类轨迹跟踪控制系统中。     

基于积分LOS的多无人艇协同路径跟踪

该文针对欠驱动无人艇的编队跟踪控制问题,考虑模型参数不确定和外界风浪流干扰的影响,设计了基于LOS的算法。首先,为了使三艘无人艇保持协同,设计了协同一致性控制算法,并且所有的跟随者之间的通信网络是无向的,保证每艘无人艇之间都能互相通信。其次,基于LOS算法,设计了偏航控制器和艏摇控制器,使得无人艇可以在洋流干扰下实现路径跟踪。针对控制器中的未知参数,设计了基于自适应算法的观测器,对未知参数进行估计。仿真结果验证了所提出的控制方法的有效性。     

六旋翼飞行器姿态控制系统优化设计

六旋翼飞行器的控制系统具有欠驱动、强耦合、非线性等特点,针对控制系统中的姿态控制易受系统内部参数变化和外部未知条件干扰的问题,提出了一种基于指数收敛的干扰观测器的控制方法。为了提高系统的响应速度和鲁棒性,在干扰观测器的基础上和自适应滑模控制器相结合,并采用边界层法,降低控制系统的抖振。通过Lyapunov稳定性定理证明了飞行器控制系统是稳定且指数收敛的。仿真结果表明:和传统的干扰观测器相比,所设计控制器对六旋翼无人飞行器的姿态控制具有更快的响应速度,提高了干扰抑制能力和系统稳定性。     

四旋翼无人机抗干扰轨迹跟踪控制

针对四旋翼无人机轨迹跟踪过程中存在的参数不确定与外界干扰问题,设计一种双闭环自适应控制策略.为了降低控制器设计复杂度,根据四旋翼无人机系统的欠驱动特性将系统分成姿态内环和位置外环.在扰动观测器的基础上,利用积分型反步控制算法完成无人机位置信息在外界干扰下的稳定跟踪控制.在扰动观测器的基础上,利用自适应滑模控制算法完成无...     

无人水面艇航迹跟踪控制仿真

针对模型参数不确定、存在外界风浪流干扰的欠驱动无人水面艇的航迹跟踪问题,为提高无人水面艇自主航行能力,减小航迹跟踪过程中的轨迹偏差与跟踪迟滞,提出了一种分层控制结构的方法;由外至内采取航迹、航向、舵角三层控制,外环航迹控制层使用过渡目标点策略,根据无人水面艇的偏航距确定实时目标点,中环航向控制层使用最小转角策略,根据无人水面艇艏向角与目标方向角之差确定偏转打角,内环舵角控制层使用模糊自适应整定PID控制器,对模型参数的动态变化进行补偿;基于MATLAB GUI进行无人水面艇航迹跟踪控制仿真试验,结果表明,模糊自适应整定PID控制器提高了舵角的控制响应速度,无人水面艇在航行过程中的直线行驶、连续折线行驶均能得到较好的航迹跟踪控制。     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

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。     

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.      

Adaptive NN state error PCH trajectory tracking control for unmanned surface vessel with uncertainties and input saturation

A novel robust state error port controlled Hamiltonian (PCH) trajectory tracking controller of an unmanned surface vessel (USV) subject to time-varying disturbances, dynamic uncertainties and control input saturation is presented. The proposed control scheme combines the advantages of the high robustness and energy minimization of the state error PCH approach and the approximation capability of adaptive radial basis function neural networks (RBFNNs). Adaptive RBFNNs are used to the time-varying disturbances of the environment and unknown dynamics uncertainties of the USV model. The state error PCH control approach is designed such that the system can optimize energy consumption, and the state error PCH technique makes the designed trajectory tracking controller be easy to implement in practice. To handle the effect of the control input saturation, a Gaussian error function model is employed. It has been demonstrated that the proposed approach can maintain the USV's trajectory at the desired trajectory, while the closed-loop control system can guarantee the uniformly ultimate boundedness. The energy consumption model of the USV is constructed to reveal to the energy consumption. Simulation results demonstrate the effectiveness of the proposed controller.     

基于混合阈值事件触发机制的船舶自适应神经滑模控制

针对存在时变干扰和通信受限的船舶艏向保持控制问题, 本文设计了一种基于混合阈值事件触发机制的船舶自适应神经滑模控制算法. 首先, 采用径向基函数神经网络(RBF-NNs)对控制系统的模型不确定部分进行在线逼近. 其次, 构造了一种比例积分滑模面和基于混合阈值参数的事件触发规则来降低时变干扰引起的系统抖振和减少传输信道的通信资源占用. 并且在理论上分析了事件触发技术能够增强闭环控制系统对低频扰动的抗扰性. 最后, 通过Lyapunov理论证明了所提控制算法能够保证所有误差信号满足半全局一致最终有界稳定(SGUUB). 在时变干扰条件下进行数值仿真, 并且与现有控制技术进行对比, 仿真结果表明, 所提控制算法能够明显减少系统抖振和控制输入频率.     

基于扰动观测器的机器人自适应神经网络跟踪控制研究

为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络（Neural network,NN）跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数（Radial basis function,RBF）神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界（Semi-globally uniformly bounded,SGUB）,并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证.     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

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。     

输入输出受限船舶的轨迹跟踪自适应递归滑模控制

针对输入输出受限, 模型部分不确定和受到未知海洋干扰的全驱动船舶的轨迹跟踪问题, 提出一种基于时 变非对称障碍李雅普诺夫函数的最小参数自适应递归滑模控制策略. 该策略首先设计障碍李雅普诺夫函数约束船 舶轨迹在有限区域内, 利用最小参数法神经网络逼近模型不确定项, 降低系统的计算复杂度, 然后采用指令滤波器 对输入信号进行幅值约束, 同时避免对因反步法导致的微分爆炸问题, 综合考虑船舶位置以及速度误差间的关系设 计递归滑模控制律, 提高系统的鲁棒性, 采用双曲正切函数和Nussbaum函数补偿由输入饱和引起的非线性项, 提高 系统稳定性. 最后通过Lyapunov理论分析证明了全驱动船舶闭环系统中所有信号是一致最终有界的. 仿真结果表 明, 本文所设计的船舶轨迹跟踪控制方案能有效处理船舶模型不确定部分以及未知外界干扰的问题, 能够实现船舶 在输入受限的情况下在有限区域内航行并准确的跟踪期望轨迹, 具有较强的鲁棒性.