基于在线神经网络的无人机着陆飞行自适应逆控制器设计

基于在线神经网络设计了无人机着陆飞行自适应逆控制器。根据时标分离的原则,将无人机系统分解为快慢不同的四个回路,采用动态逆的方法设计快回路、慢回路和非常慢回路控制器,并且在慢回路和非常慢回路用基于在线神经网络的干扰观测器逼近无人机所受的扰动和动态逆误差,降低了控制器对干扰和模型精确度的要求,增强了控制器的鲁棒性。仿真结果说明所设计的无人机着陆控制器是非常有效的。     

基于干扰观测器的空天无人飞行器鲁棒飞行逆控制器设计

文中介绍了在高超音速条件下,基于干扰观测器和非线性动态逆控制的方法,对飞行器姿态控制系统的稳定性的研究.首先,根据时标分离的原则,采用动态逆方法设计快回路和慢回路控制器;然后,给出了具有鲁棒稳定性能的干扰观测器控制方案,以克服模型本身的不确定性和外干扰等对系统稳定性的影响.     

带落角约束的导弹制导与控制一体化设计

对带有落角约束的导弹制导与控制一体化设计进行了研究。首先建立了俯仰通道的制导与控制一体化模型,利用自适应RBF神经网络对干扰进行在线估计,运用反演递推方法和滑模控制的方法设计了控制器,并且分析了闭环系统的稳定性。数字仿真表明所设计的控制器满足导弹打击精度和落角限制要求。     

基于非线性动态逆的UAV航迹鲁棒跟踪控制研究

针对UAV执行复杂任务产生的航迹规划制定困难的问题,利用PH(Pythagorean Hodograph)曲线曲率精确可知及其为参数化曲线的特点,建立了UAV航迹跟踪控制的运动学模型,给出了一种基于非线性动态逆的鲁棒自适应跟踪控制器设计方法。根据非线性动态逆跟踪控制方法,设计了UAV航迹的跟踪控制律;考虑风等干扰因素的影响,采用RBF神经网络对干扰进行在线估计并补偿,引入鲁棒自适应控制项,克服干扰误差。根据PH曲线航迹规划特点设计控制器,降低了控制器设计的复杂程度,提高了计算和跟踪效率。仿真结果表明,设计的鲁棒自适应跟踪控制器具有较高的跟踪精度及很强的鲁棒性。     

一种基于自适应模糊系统的导弹自动驾驶仪设计方法

针对导弹非线性不确定系统,提出了基于动态逆方法及模糊自适应理论的导弹自动驾驶仪设计方法.基于导弹的非线性模型设计了快、较慢回路的动态逆控制器以实现其非线性解耦,将系统不确定性和外界干扰引入到较慢回路中.根据系统跟踪误差在线调整模糊系统权值,使其一致逼近导弹较慢回路的非线性函数.设计了在模糊系统的最小逼近误差上界未知情况...     

基于小波动态神经网络的非线性系统鲁棒故障检测

针对一类满足Lipschitz条件的非线性系统,采用小波动态神经网络设计非线性观测器,以实现系统的实时鲁棒故障检测。通过小波网络逼近非线性项提高状态估计的精度,并在动态网络中加入鲁棒项增强了对不确定干扰的鲁棒性。同时采用RBF神经网络(RBFNN)对残差序列进行实时预测,实现了故障预报功能。文中证明了观测器设计的稳定性和鲁棒性,仿真示例验证了该方法的有效性。     

基于动态逆非线性干扰观测器的BTT导弹自动驾驶仪设计

在时间尺度分离法的基础上,建立了BTT导弹分层控制模型。针对导弹气动参数的不确定性及外界干扰对导弹控制性能的影响,利用非线性干扰观测器对干扰的逼近特性,结合动态逆控制设计了非线性导弹自动驾驶仪,并基于Lyapunov方法,给出了整个系统的稳定性证明。仿真结果表明,设计的控制方案增强了系统的抗干扰能力,保证系统具有良好的鲁棒性。     

基于干扰观测器的弹丸协调器电液伺服系统自适应滑模控制

针对弹丸协调器电液伺服系统中存在非匹配不确定性和参数不确定性问题,提出一种基于干扰观测器的自适应滑模控制策略。采用干扰观测器估计系统中的非匹配不确定性,通过Lyapunov稳定性理论证明干扰观测器的稳定性,并将其引入新型积分滑模切换函数的设计中,使控制器能够对非匹配不确定性提供有效补偿,提高控制精度。为了降低系统参数不确定性的影响,在滑模控制器设计中引入自适应律以保证控制器的动态性能,并对控制器的全局稳定性进行了证明。实验结果表明：采用的干扰观测器和自适应律能够准确描述系统特性;基于干扰观测器的自适应滑模控制器能够满足期望轨迹的跟踪要求,使设计的控制器在不同工况下均具有较好的动态跟踪特性和稳态精度,并具有较强的鲁棒性。     

基于神经网络的控制力矩陀螺自抗扰解耦控制

针对Model750控制力矩陀螺(control moment gyroscope,CMG)的耦合及扰动问题,提出一种基于径向基函数(radial basis function,RBF)神经网络逆系统和线性扩张状态观测器(linear extended state observer,LESO)的控制力矩陀螺复合解耦控制方法。利用神经网络的非线性逼近能力构建逆系统并与原系统串接,将原系统解耦成2个等效的伪线性子系统;采用线性扩张状态观测器估计等效系统的残余耦合项和扰动项加以补偿,并与比例微分(proportion differentiation,PD)控制器形成闭环以提高系统的动态控制性能。对提出的控制方法与PID-RBF逆控制方法进行仿真对比,结果表明:该方法可有效实现Model750系统的解耦,具有更好的动态控制性能和鲁棒性。     

基于神经网络动态逆的巡逻导弹自动驾驶仪设计

针对巡逻导弹,讨论一种将神经网络与非线性动态逆相结合的自动驾驶仪设计方法。基于双时标假设,将弹体动力学分为慢变子系统和快变子系统,并分别进行动态逆设计。为克服模型不精确和参数摄动引起的逆误差对动态逆控制的不利影响,引入神经网络对逆误差进行在线补偿。推导了神经网络权值调整规律,并证明系统的闭环稳定性。通过仿真验证,采用神经网络能弥补动态逆控制的不足,提高控制系统的鲁棒性,是一种有效的非线性设计方法。