非全包裹超空泡航行体建模与姿轨控制

针对非全包裹超空泡航行体动力学特性及相关姿轨控制方法尚不清楚等问题,开展了对非全包裹超空泡航行体姿轨控制研究.首先对航行体进行受力及空泡外形分析,并结合空泡轮廓及动量定理对航行体动力学建模;其次,设计了以空化器及尾部直接侧向力作为控制输入的超空泡航行体反演变结构控制器,并对系统未知参数设计了参数自适应律,对于系统模型中存在的未知干扰项设计了扩展状态观测器(extended state observer,ESO)对其进行估计和补偿;最后,将控制输入中的直接侧向力分为可调与不可调两种情况分别进行分析研究,利用脉宽脉频调制方式(pulse-width pulse-frequency,PWPF)解决直接侧向力不可调的情况下的控制输入调制问题.仿真结果验证了模型的准确性以及控制器对超空泡航行体稳定航行及跟踪控制的有效性.     

超空泡航行器极点配置变结构控制方法研究

超空泡航行器在航行过程中，尾部会周期性拍打空泡壁而表现出强烈的“尾拍”现象，尾部空泡是由空化器经历的历史位置形成，呈现强烈的时滞特性，动力学建模和稳定控制是制约其发展的核心难题。针对泡体耦合问题，建立了空泡/刚体相对几何关系一体化实时解算的动力学模型。针对后体非线性特性，采用分段线性化方法，在保留后体尾拍非线性特性的基础上，建立了面向控制的简化模型。为了解决超空泡航行器非线性时滞控制问题，针对弹体运动极其敏感、操纵效率高等特点，采用极点配置的方式将控制模型配置到理想状态。针对尾拍过程非线性和不确定极大的特点，建立了面向扰动的变结构控制器，实现超空泡航行器扰动运动控制。采用极点配置变结构控制方法，分别设计了滚转通道和俯仰通道控制律。利用泡体耦合动力学模型进行6DOF控制闭环轨迹仿真，稳定巡航过程中深度控制误差小于0.1m，滚转角控制误差小于4°，表明该控制方法能够对航行器滚转角和深度实现稳定控制，控制效果较好，能够满足超空泡航行器航行要求。     

基于扩张状态观测器和反步法的非线性超空泡航行体纵向控制

考虑空泡记忆效应的超空泡航行体控制难度较大,主要体现在滑行力的强非线性、模型中的时延特性以及运动中的未知扰动.对于此类多输入多输出的复杂非线性系统,利用传统反步法控制器设计思想,将其改进以适用于超空泡航行体的纵向运动控制.为了对系统模型中存在的未知扰动进行观测补偿,本文设计了线性扩张状态观测器(LESO),将扰动估计值与控制器设计相结合,使用Lyapunov方法分析系统稳定性.最后在不同条件下进行仿真,结果验证了所设计的LESO估计未知扰动的准确性,以及所提控制方法对超空泡航行体纵向控制的有效性.     

超空泡航行体的自适应模糊滑模控制研究

针对超空泡航行体动态中的非线性项和未建模动态,以及由空泡形状改变引起的扰动问题,提出了一种基于自适应模糊滑模的纵平面运动控制器设计方法。该方法利用自适应模糊系统逼近超空泡航行体模型中的非线性不确定项;利用滑模控制对干扰的鲁棒性,克服逼近误差和干扰;最后用Lyapunov定理证明了闭环系统的稳定性。仿真结果表明,设计的控制器可有效克服滑行力的计算误差以及水动力参数的不确定性。     

超空泡水下航行器定深控制研究

极高的航速使得对超空泡水下航行器的控制变得异常复杂. 为了对其深度进行有效控制, 必须对其纵平面运动特性进行研究. 本文首先建立了超空泡水下航行器的纵平面运动模型, 分析了其纵平面运动特性; 然后进行了控制算法的综合; 最后, 仿真及试验结果均验证了所设计的航行器纵平面运动控制算法的有效性. 试验结果表明该控制系统具有较高的控制精度. 本文的研究成果为进一步研究水下超空泡航行器的运动控制提供了必要的理论基础.     

超空泡航行器稳定性分析及其非线性切换控制

超空泡航行器在航行过程中绝大部分被超空泡包裹,必然面临着航行器与空泡剧烈非线性作用力带来的稳定控制困难.针对超空泡航行器的控制问题,本文以Dzielski提出的航行器模型为研究对象.首先通过一系列系统变换使其成为线性系统环节和非线性环节反馈连接的形式,运用圆判据定理利用系统Nyquist曲线给出了系统绝对稳定的充分条件;而后结合工程实际,分析了极点约束对系统性能的影响,为进一步改善系统性能,提出了加入非线性激励来削弱系统固有非线性特性的切换控制策略.仿真结果表明,超空化航行器在极点约束情况下完全可以通过非线性切换控制达到系统对所有非线性特性的绝对稳定,且对于滑行力存在不确定性的情况切换控制依然有效.     

模糊神经网络控制在汽温系统中的应用

针对采用常规PID串级控制方法控制火电厂过热汽温系统难以获得满意的控制效果的问题,将模糊控制和神经网络相结合,详细介绍了模糊神经网络控制器的设计过程.利用神经网络实现模糊推理,并对隶属函数进行调整,从而使其具有自适应和学习能力.将其应用于过热汽温控制系统中,仿真研究表明该方法能较好地适应对象特性的变化,基本上可以消除振荡,具有超调量小,鲁棒性强等特点,且控制系统的性能比常规串级控制系统有较大的提高.     

遗传优化的径向基函数船舶模糊控制器

研究径向基函数模糊神经网络在船舶控制器设计中的应用 ,设计了一个新型的径向基函数模糊神经网络控制器用以适应船舶在时变和不确定环境下的控制性能要求 .控制器设计的主导思想是在传统的径向基函数神经网络中增加一个模糊隐层 ,并采用遗传算法对控制器参数进行优化 .与传统方法相比 ,控制器模糊规则库的设计过程所需的先验知识更少 .最后采用Matlab 6 .1的Simulink工具以船舶运动模型为对象进行了船舶控制的仿真试验 ,结果证明了其有效性     

基于视觉感知的海生物吸纳式水下机器人目标捕获控制

针对近海水产养殖环境下海生物目标的机器捕捞,设计了一款海生物吸纳式水下机器人.该水下机器人可以采取手动遥控吸取和视觉伺服控制吸取方式完成对海生物目标的机器捕捞.为了实现基于视觉感知的目标捕获控制,在摄像机平面坐标系上建立了水下机器人和目标之间的运动学关系,并在此基础上提出了自适应递归神经网络控制器.通过设计递归神经网络估计和补偿外界环境干扰,利用S面函数使水下机器人快速到达期望位置并保持稳定,结合递归神经网络和系统动力学模型设计鲁棒函数进一步提高非线性系统在视觉控制中的可靠性和稳定性.最后,在近海自然养殖条件下对海生物进行视觉跟踪控制实验,实现了对海生物目标的主动吸取控制,验证了该控制器的功能.     

输出非对称死区的非严格反馈非线性系统控制

本文研究了具有输出非对称死区和状态含未知控制方向的非严格反馈非线性系统, 设计了稳定的自适应 神经网络控制器. 首先, 针对输出非对称死区的问题, 本文采用死区逆的方法, 构造光滑模型逼近原死区模型. 其 次, 在控制器设计过程中, 基于障碍Lyapunov函数的构造, 动态面控制和反步法, 设计出自适应控制信号, 虚拟控制 信号和实际控制信号. 通过稳定性分析, 证明所设计的神经网络控制器可以保证闭环系统内所有信号是半全局一致 最终有界. 最后, 通过MATLAB数值仿真, 说明所设计控制器的有效性.     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

欠驱动AUV模糊神经网络L2增益鲁棒跟踪控制

提出基于模糊神经网络欠驱动水下自主机器人(AUV)的L2增益鲁棒跟踪控制方法,该方法通过在线学习逼近动力学模型的不确定项.控制器克服了由于缺少横向推力对跟踪误差的影响,在考虑未知海流干扰情况下,实现了系统对模糊神经网络逼近误差的L2增益小于γ.利用Lyapunov稳定性理论证明了闭环控制系统误差信号一致最终有界.最后,通过精确模型参数和参数扰动仿真实验验证了该控制方法具有很好的跟踪效果和较强的鲁棒性.     

基于PNDSC 的欠驱动AUV编队控制器设计

针对含有模型不确定与未知海洋环境扰动下的欠驱动自主水下航行器(AUV)的编队控制问题, 提出一种基于预估器的神经网络动态面(PNDSC) 控制算法. 将动态面法引入控制器的设计中, 采用神经网络逼近AUV模型中的不确定项与海洋环境的扰动, 并结合预估器设计了神经网络权值的离散迭代更新率. Lyapunov 稳定性分析表明, 闭环系统所有信号是一致最终有界的. 仿真结果验证了所提出方法的有效性.

     

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.     

全断面硬岩掘进机的推进速度自适应控制

针对全断面硬岩掘进机(TBM)在掘进过程中负载的不确定性和突变性的问题,提出了一种基于BP神经网络的PID控制策略,增强了推进速度对负载扰动的抑制能力.在分析TBM液压推进系统原理和实际掘进参数的基础上,建立了TBM液压推进系统数学模型,设计了基于BP神经网络的TBM推进速度PID控制器,并采用AmeSim和Matlab联合仿真工具搭建TBM推进系统模型,验证不均匀负载突变下推进速度的控制效果.仿真结果表明:相比于传统PID控制,所提出的控制器能减小不确定性扰动对控制系统的影响,并快速跟踪设定值,实现对TBM推进速度的精确控制.     

时滞系统的神经网络辨识与控制算法

针对时滞系统、应用神经网络的非线性逼近能力,采用神经网络实现内模控制中被控对象的正模型及内模控制器,用Lyapunov稳定性定理证明神经网络控制系统的稳定性。仿真结果说明神经网络内模控制方案的优越性。     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,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、精度高,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.     

考虑事件触发输入的船舶自适应动力定位控制

为解决实际海况下全驱动船舶的动力定位控制任务存在参数不确定、模型结构不确定和通信资源限制等问题,本文提出一种具有事件触发输入的鲁棒自适应动力定位控制算法.该算法采用径向基函数神经网络对系统模型不确定进行逼近,同时针对通信带宽受限问题,设计了一种具有事件触发机制的执行器输入,降低了控制器和执行器之间的信道占用.此外,该算法还解决了状态变量与执行器增益不确定性之间的强耦合问题,并且设计了在线更新的自适应参数去补偿执行器增益不确定,以确保船舶能够稳定执行动力定位任务.利用Lyapunov稳定性理论证明了闭环控制系统中所有误差变量都满足半全局一致最终有界收敛.通过对比仿真实验验证了所提出算法的有效性.