基于自适应逆的鲁棒容错飞行控制方法研究

研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.     

基于神经网络的鲁棒自适应逆飞行控制

提出基于在线神经网络的超机动飞行自适应动态逆鲁棒控制方法.超机动飞行的基本控制律采用非线性动态逆方法设计,对于建模误差或者控制面损伤等因素导致的不确定性逆误差采用神经网络进行自适应补偿.通过动态逆控制律简化计算和飞机控制面故障自适应修复的仿真表明,神经网络通过在线补偿逆误差,能够有效降低非线性动态逆对模型准确性的要求,增强控制系统的鲁棒性.     

充液航天器姿态的自适应非线性动态逆控制

讨论了充液航天器大角度姿态机动自适应非线性动态逆控制设计.推导了航天器-液体晃动耦合系统动力学方程.采用单摆等效力学模型对液体燃料晃动进行动力学建模.由于充液航天器控制系统的强耦合非线性,故采用神经网络构造系统的自适应非线性动态逆控制器.通过实际算例对该控制器的跟综性能进行了测试,结果证明该自适应非线性动态逆控制器在包...     

基于sigmoid函数的高超声速飞行器自适应姿态控制

针对高超声速飞行器无动力再入过程中具有强耦合、气动参数摄动及不确定性的非线性姿态模型,提出了飞行器姿态控制的一种非线性设计方法。首先基于时标分离原理分内外环设计非线性动态逆控制器,并利用Sigmoid函数分通道制定控制律。针对单纯使用动态逆控制鲁棒性弱的特点,引入基于扩张状态观测器(Extended State Observer,ESO)的自适应控制器对参数摄动和不确定性进行补偿,在参数拉偏和风干扰条件下仿真结果验证了设计控制器具有较强的鲁棒性。     

重复使用助推飞行器大调姿段控制器设计

针对常规飞行控制方法难以适用于重复使用助推飞行器(RBV)大调姿转弯飞行段强非线性、强耦合、大角度的问题,提出一种基于神经网络鲁棒自适应非线性动态逆的重复使用助推飞行器飞行控制策略.首先,充分考虑气动力系数随马赫数、攻角及侧滑角等变化的非线性特点,建立完整的重复使用助推飞行器非线性六自由度模型;其次,利用非线性动态逆控制实现重复使用助推飞行器系统的伪线性解耦;然后,利用单隐层神经网络来逼近系统模型不确定性所带来的动态逆误差,最后,利用鲁棒自适应控制来抑制外加干扰以及网络逼近误差.非线性仿真验证了该控制策略在大调姿转弯段的可行性和有效性,同时控制策略的设计方法物理概念清晰,易于工程实现.     

一种混合神经网络飞行控制方法研究

讨论了一种基于神经网络控制的飞行控制方法。针对复杂非线性系统难以建立精确模型的特点,利用神经网络的任意非线性逼近能力进行控制器设计,首先应用神经网络在线辨识对象逆模型,进行控制系统反馈线性化;接着利用circle theorem（圆定理）设计线性PID鲁棒控制器,控制系统输出跟随系统输入,然后应用神经网路自适应逆方法设计混合控制器,最后以F-8飞机纵向飞行控制模态为研究对象进行仿真。仿真结果表明,该控制方法具有较强的自适应和抗干扰能力。     

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.     

移动机器人编队的递归模糊神经网络滑模控制

研究非完整移动机器人编队控制优化问题,由于动态模型存在诸多不稳定性,针对领航者-跟随者l-ψ控制结构,提出了一种Back stepping运动学控制器与自适应神经滑模控制器相结合的新型控制策略.采用动态递归模糊神经网络(dynam-ic recurrent fuzzy neural network,DRFNN)对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿.所提方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;根据Lyapunov方法的设计过程,保证了控制系统的稳定;仿真结果表明了改进方法对机器人编队优化控制的有效性.     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

一种高超音速飞行器轨迹线性化控制方法研究

研究一种新的非线性控制结构.针对强非线性和不确定性高超音速飞行器,对跟踪性能和鲁棒性提出更高要求的特点,内环快回路通过动态逆的方法来设计,保证飞行器的性能,外环慢回路用轨迹线性化的方法进行跟踪控制;并提出了一种基于小脑模型关节控制器(Cerebellar Model Articulation Controller,CMAC)的神经网络自适应逆控制策略以提高系统的鲁棒性,对算法收敛条件和控制器稳定性进行了证明.最后利用改进设计方案在高超音速飞行条件下进行仿真验证.仿真结果表明整个控制系统具有很好的跟踪性能和鲁棒性.     

无人机三维编队飞行的鲁棒H∞控制器设计

针对无人机编队控制中模型不确定性与外干扰同时存在的情况,首先基于无人机自身的自动驾驶仪和编队运动学关系建立了无入机编队的三维数学模型,这种建模方式物理意义明晰;进而提出一种基于鲁棒H∞控制理论的编队控制器设计方法,按前向、侧向和垂直方向3个通道分别设计控制律,降低了鲁棒控制器的调参难度,简化了三维编队控制问题.仿真结果表明了所设计的控制器的有效性,可实现无碰撞、快速、稳定地保持和调整无人机编队队形,具有良好的鲁棒性能.     

基于非线性动态逆的无人机编队协同控制

针对多无人机在空间机动过程中的编队形成与保持控制问题,提出一种基于非线性动态逆的无人机编队控制方法.将编队控制过程分解为两步:首先给出分布式长机状态估计算法,各编队无人机根据"相邻"无人机状态解算自身的期望运动指令;其次是设计接于非线性动态逆的编队控制器,使各无人机快速跟踪其期望指令并形成和保持稳定队形.仿真实验表明,编队长机进行空间机动过程中,各僚机能够准确估计其状态,快速形成并维持队形稳定.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于高斯微粒群优化的动态神经网络延迟系统辨识

为提高神经网络对未知非线性大滞后动态系统的泛化能力,提出一种基于高斯微粒群优化的自适应动态前馈神经网络.在输入层与隐含层之间、隐含层与输出层之间分别加入动态延迟算子,可以高效地辨识出系统纯滞后时间,建立精确系统模型.此外,采用高斯函数和混沌映射方法平衡微粒群算法全局寻优能力,以克服提前收敛的缺陷,从而快速有效地自适应优化网络中的参数.仿真实验表明了该方法在非线性人滞后系统辨识中的有效性.     

带ESO 的自适应滑模调节的SPMSM自抗扰-无源控制

设计了一种新颖的由非线性综合控制方法实现的表面式永磁同步电机调速系统.首先构造了基于扩张状态观测器(ESO)的自适应滑模速度调节器,采用ESO估计系统的部分扰动项并进行前馈补偿,参数的不确定项由新的自适应控制律估计得到;然后设计了自抗扰-无源电流调节器,简化了控制器的设计,在稳定性的基础上增强了鲁棒性和快速性.仿真结果表明,该方法对负载的自适应性、抗扰动性和鲁棒性均较强,系统具有优良的动、静态性能.     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

一种新的神经树网络模型优化方法

神经树网络模型已成功应用于解决各类复杂的非线性问题,并且神经树网络模型的优化过程一般是先拓扑结构优化再参数优化,这种无参数信息的结构优化策略的缺点是干扰适应度的评价.鉴于此,提出一种改进的遗传规划(BGP)算法来综合神经树网络模型的两个优化过程.在两个时间序列预测问题上的仿真实验结果表明,所提出算法是一种有潜力且具备较好效能的方法.     

一类严反馈非线性系统的神经网络控制

研究一类不确定严反馈非线性系统的跟踪控制问题.通过采用单一神经网络逼近系统的所有未知部分,提出一种新的鲁棒自适应控制设计方法.该方法能直接给出实际控制律和自适应律,有效地解决现有方法中存在的控制设计复杂和计算负担重等问题.稳定性分析表明,闭环系统所有信号是半全局一致最终有界的,并且通过调整控制参数可使跟踪误差任意小.仿真结果验证了所提出方法的有效性.     

基于神经网络的非线性系统轨迹线性化自适应容错控制

针对一类仿射非线性系统,首先采用轨迹线性化方法将其等价表示为线性时变系统;然后利用神经网络构建伪逆模型以及动态故障模型：最后基于模型参数变化,应用李亚普诺夫稳定性理论构建标称系统控制器及故障补偿控制律,从而实现系统故障下的稳定有界容错控制．仿真结果表明了所提出算法的有效性．     

推力矢量飞机纵向鲁棒动态逆控制

针对推力矢量飞机大迎角飞行纵向控制,提出一种鲁棒动态逆方法。对时标分离非线性动态逆的内外回路控制结构进行修改,通过坐标变换得到一个弱非线性系统;然后对该系统模型的已知部分和不确定部分同时进行小扰动线性化,转化得到线性不确定系统;在此基础上利用??综合方法设计鲁棒控制器。该方法能够为非线性动态逆控制提供鲁棒稳定性和鲁棒性能保证,并可回避时标分离问题。仿真结果验证了所提出方法的有效性。