形状记忆合金力学性能及在变体结构中的应用研究

形状记忆合金（Shape Memory Alloys,SMA）由于其特有的形状记忆效应（Shape Memory Effect,SME）被大量研究和广泛应用。基于SMA的Müller-Achenbach-Seelecke模型进行了单根SMA丝的回复力数值计算验证,并设计了一种SMA丝驱动器应用于机翼变后掠角结构中,完成了机翼连续后掠偏转的原理、方案和具体的结构设计,并加工制备了后掠机翼模型;同时为了实现机翼后掠角变化的精确控制,采用PID控制方法设计了SMA温度与偏转角度双路信号反馈的闭环控制系统,完成了对机翼偏转的控制。实验结果表明,机翼可实现45°的偏转,偏转至设定角度后的平均稳态误差控制在±0.3°以内,实现了对偏转角度的精确控制。     

具有未建模动态的自适应神经网络动态面控制

对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young's不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效地减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.通过理论分析,证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小邻域内.     

带有未建模动态的非线性系统的自适应动态面控制

针对一类带有未建模动态的非线性纯反馈系统,利用神经网络逼近能力,提出一种自适应动态面控制方案.通过在传统后推设计中引入一阶滤波器,避免了对虚拟控制反复求导而导致的计算复杂性问题.利用Young’s不等式和积分型李亚普诺夫函数,有效地减少了可调参数的数目,无需虚拟控制增益系数导数的信息.理论分析表明了闭环控制系统是半全局一致终结有界的.     

具有动态不确定性的自适应动态面控制

针对一类具有未建模动态的纯反馈非线性系统,提出一种自适应动态面控制方法。利用神经网络逼近未知连续函数,通过引入一种动态信号克服未建模动态。与现有结果相比,提出的设计方案简化了对未建模动态的处理过程,取消了神经网络逼近误差有界的假设。理论分析证明了该自适应控制方法能够保证闭环系统是半全局一致终结有界的,仿真结果验证了该方案的有效性。     

变后掠翼战术巡航导弹动力学控制及仿真

采用变后掠翼技术实现战术巡航导弹多任务低能耗飞行,导弹的动力学与控制特性因为弹翼的运动更加复杂化,给出了包含弹翼运动的整弹动力学模型,基于小扰动法和系数"冻结"法,得出了导弹包含弹翼运动参数的三通道数学模型,充分考虑了气动参数摄动和弹翼运动参数时变特性,将其视为标称值与已知上下界的摄动量的和.采用变结构控制理论设计自动驾驶仪,仿真结果表明,设计的控制器具有强鲁棒性,能够抑制参数变化的影响,满足导弹控制性能指标要求.     

具有未建模动态系统的自适应动态面输出反馈控制

针对一类具有未建模动态和动态扰动且状态不可量测的非线性系统,利用神经网络逼近未知函数设计K-滤波器重构系统状态,提出一种自适应输出反馈控制策略。通过对未建模动态的新刻画,避免动态信号的引入。采用动态面设计方法,取消理论分析中产生的未知连续函数的估计,降低设计的复杂性。利用Lyapunov方法证明了闭环系统的所有信号是半全局一致终结有界的,并通过仿真结果验证了所提出方案的有效性。     

自寻优自适应动态面控制

针对一类不确定非线性系统的跟踪问题,利用神经网络和动态面技术设计控制器,提出一种控制器参数自寻优策略.在每个子系统中,应用径向基函数(RBF)神经网络逼近该子系统中的不确定项;在每一步递推中,引入一个滤波器以克服反推技术中控制项爆炸的缺点.通过定义一个优化目标函数,应用梯度法在控制器参数可行解中寻找一组最优的控制器参数.数值仿真表明该方案是可行的.     

无线传感器网络的系统化自适应建模

无线传感器网络的系统能耗制约着全网络的综合应用能力,其中节点有限的能量从根本上影响着传感器网络效能。针对无线传感器网络的全局能耗问题,提出了基于径向基函数神经网络以及状态空间表达的系统化建模方法。考虑到无线传感器网络的拓扑结构与分级关系, 采用径向基函数神经网络自适应实时规划系统。鉴于各传感器节点对数据的不同处理方式与能耗密切相关, 对全系统能耗建立系统化矩阵模型。仿真分析表明该模型可根据实际应用背景调整设置完成全局优化。     

非脆弱递归滑模动态面自适应神经网络控制

针对一类非匹配不确定非线性系统的跟踪控制问题, 提出了一种递归滑模动态面自适应控制算法. 采用神经网络(neural network, NN)在线逼近系统不确定项, 通过设计递归滑模动态面有效综合反推步骤中每步跟踪误差之间相互影响和制约的关系. 该方法避免了反推法存在的“微分爆炸”问题, 克服了传统动态面方法对其低通滤波器时间常数和神经网络自适应参数摄动脆弱的缺点. 稳定性分析证明了该方法能够保证闭环系统所有状态半全局一致最终有界, 且跟踪误差可以收敛至原点的任意小邻域.     

一类非线性时滞系统的自适应动态面控制

本文对于一类含不确定输入时滞和干扰的非线性系统的跟踪控制问题提出了一种自适应动态面控制方案. 利用动态面控制方法避免了传统的后推设计中存在的复杂度爆炸问题. 分别构造了一个滤波器和一个虚拟观测器来产生辅助信号. 采用神经网络来逼近未知的连续函数. 跟踪误差被证明最终收敛到一个足够小的紧集. 给出了一个数字仿真示例验证了理论结果.     

基于S函数调节的非线性自适应动态面控制

针对一类控制增益未知的多输入多输出（MIMO）非线性系统,提出了一种基于神经网络的鲁棒自适应动态面控制方法．利用动态面控制解决反推法的计算膨胀问题;同时在参数自适应律中引入S（Sigmoid）函数,动态调节神经网络的收敛速度,解决了自适应初始阶段的抖振现象．利用李亚普诺夫稳定性定理,证明了闭环系统所有信号最终有界,系统的跟踪误差最终收敛到有界紧集内．仿真结果表明了该方法的有效性．     

基于控制性能的MIMO非线性系统动态面控制

针对一类不确定非线性MIMO(multiple-input multiple-output)系统,在动态面控制方法的基础上,提出了自适应跟踪控制方案.通过引入性能函数和输出误差转换,保证输出信号具有指定的跟踪速度、跟踪误差、最大超调量.为了避免控制奇异问题,采用神经网络直接逼近期望控制信号.该方案无需估计神经网络的权值,仅对1个参数进行自适应律设计.理论证明了闭环系统所有信号有界,仿真结果验证了所提方案的有效性.     

一种基于神经网络的图像变形实验

阐述了图像变形的数学方法,并在此基础上提出了基于径向基函数的前向神经网络算法,与其它算法如径向基函数的插值方法和Ｂ－Ｓｐｌｉｎｅ算法相比,该方法在图像变形实验中具有速度快,过渡平滑,适合于分散的不规则控制点等优点。     

自适应翼肋的建模与分布式协调控制

针对分布式驱动的自适应翼肋进行建模与分布式协调控制研究。基于分析力学的方法建立了自适应翼肋的动力学模型。以这个非线性关联动力学模型为基础,采用Takagi—Sugeno（T—S）模糊逼近理论,建立了自适应翼肋的仿射型T—S模糊关联模型。对仿射型T—S模糊关联模型的物理耦合项进行变换,将系统模型写成空间关联系统的形式,以解耦控制器设计条件。基于并行分配补偿理论,针对系统模型具有耦合项和非零常数项的特点,设计了满足鲁棒性能指标的包含耦合项和偏置项的分布式协调控制器。控制器设计条件具有线性矩阵不等式的形式,并且只包含单个驱动单元的参数,计算量较小。仿真结果表明所设计的自适应翼肋分布式协调控制器,能够在外界扰动作用下使翼肋的形状收敛到期望翼型;翼肋在变形过程中能保持光滑连续的外形。     

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪策略。在无人艇三自由度模型的基础上,结合视线制导率,提出了一种新的轨迹跟踪制导策略。采用自适应滑模控制技术设计了欠驱动无人艇轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界干扰和模型参数不确定性进行补偿和拟合,提高了控制系统的抗干扰能力。基于Lyapunov定理证明了所设计的控制系统的稳定性,并在MATLAB中进行了仿真测试。仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,位置的平均跟踪误差减小了80%以上,具备较高的稳定性和鲁棒性。     

具有磁滞输入非线性系统的鲁棒自适应控制

就一类具有磁滞输入的严反馈非线性系统, 提出了一种鲁棒自适应动态面控制方案. 该方案可克服传统反推控制带来的“微分爆炸”问题, 保证闭环系统的半全局稳定性, 且跟踪误差可收敛到任意小的残集内. 特别地, 通过引入动态面修正及初始化技巧, 可保证系统跟踪误差的L∞ 性能指标. 数值仿真验证了本文所提方法案的有效性.     

Modeling and Robust Backstepping Sliding Mode Control with Adaptive RBFNN for a Novel Coaxial Eight-rotor UAV

This paper focuses on the robust attitude control of a novel coaxial eight-rotor unmanned aerial vehicles (UAV) which has higher drive capability as well as greater robustness against disturbances than quad-rotor UAV. The dynamical and kinematical model for the coaxial eight-rotor UAV is developed, which has never been proposed before. A robust backstepping sliding mode controller (BSMC) with adaptive radial basis function neural network (RBFNN) is proposed to control the attitude of the eightrotor UAV in the presence of model uncertainties and external disturbances. The combinative method of backstepping control and sliding mode control has improved robustness and simplified design procedure benefiting from the advantages of both controllers. The adaptive RBFNN as the uncertainty observer can effectively estimate the lumped uncertainties without the knowledge of their bounds for the eight-rotor UAV. Additionally, the adaptive learning algorithm, which can learn the parameters of RBFNN online and compensate the approximation error, is derived using Lyapunov stability theorem. And then the uniformly ultimate stability of the eight-rotor system is proved. Finally, simulation results demonstrate the validity of the proposed robust control method adopted in the novel coaxial eight-rotor UAV in the case of model uncertainties and external disturbances.      

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.      

基于动态面控制的超混沌自适应同步

提出了一种基于动态面控制(dynamic surface control, DSC)的超混沌同步方法．在DSC方法中,每一步中虚拟控制器都通过一阶滤波器,从而避免了对一些非线性项的重复求导,使得所设计的控制器克服了backstepping方法的复杂性激增缺点．针对系统中存在未知参数的情况,在控制器的设计中引入自适应方法．最后,利用仿真结果验证了方法的有效性．