高超飞行器的非线性预测姿态控制

针对高超飞行器姿态动力学模型多约束、多变量耦合和非线性的特点,采用预测控制理论设计了时变自适应控制器.根据奇异摄动理论将复杂的动力学分解为快慢内外环动力学,直接对非线性系统伪线性化建模,把非线性优化问题转化为线性时变系统的次优化;将指标约束、输入约束、稳定约束转化为线性矩阵不等式(LMI)约束,在线滚动优化求解预测反馈控制律.结果表明,该控制方案保证了闭环系统的稳定性.     

直接力/气动力复合控制非线性控制律研究

针对直接力／气动力复合控制非线性弹体模型，通过单通道的设计和仿真，进行了非线性控制律的验证。控制律是在反馈线性化（非线性动态逆）的基础上结合模糊控制和神经网络——FCMAC的优点，采取的一种鲁棒自适应方法，对导弹的非线性模型进行了控制器的设计。仿真结果表明了该控制方案的可行性。     

反步自适应控制

为了克服齿隙对传动性能的影响,选取死区模型表达齿隙传动效应,依据自适应控制理论提出反步自适应齿隙补偿策略;齿隙模型中主、从动轮结合处存在阻尼系数和刚性系数等未知参数,对其进行了在线估计,并推导设计出每个参数的自适应律;利用Lyapunov稳定性理论,采用反步积分方法,通过逐步递推选取Lyapunov函数,设计了基于状态反馈的自适应控制器;理论分析以及对反步积分自适应补偿控制方法与传统PID控制方法对比仿真表明:该方法有效地消除了齿隙对伺服性能的干扰,提高了系统的跟踪精度和鲁棒性.     

基于反馈线性化的二维弹道修正控制系统设计

为提高常规弹药打击精度,依据鸭舵式二维弹道修正原理建立了火箭弹弹道修正动力学模型,针对该系统模型具有多输入多输出(MIMO)、交叉耦合及非定常、非线性等特点,选用输入-输出反馈线性化的微分几何法设计了一类状态控制器,从而有效地将二维弹道修正系统分解为2个独立的控制弹道横纵向修正的子系统.仿真分析表明:该控制器实现了二维弹道修正系统的解耦控制,并具有良好的动态品质及快速跟踪性能.     

考虑建模误差的拦截弹制导控制一体化设计

针对拦截弹末段的制导控制问题,改善已有建模结果,采用智能控制方法设计一体化控制律。考虑近似线性化和忽略耦合因素引起的建模误差,采用模型误差补偿改进拦截弹动力学模型;结合弹目相对运动非线性模型,建立面向拦截弹末段的制导控制一体化(IGC)模型。对此非匹配型非线性系统,利用自适应动态面控制方法进行控制器设计,不仅消除系统非匹配不确定性对系统性能的影响,同时避免了传统反演法的微分膨胀问题,得到控制目标与执行机构指令之间的直接关系。通过与忽略建模误差的IGC 拦截仿真比较,实验结果表明本文IGC 控制效果的优越性。     

基于非线性动态逆的水下运载器控制方法研究

针对水下运载器具有强非线性、强耦合、多输入多输出、水动力作用复杂以及姿态变化剧烈等特点,设计了一种非线性动态逆控制系统,解决了传统控制器设计方法在线性化过程中因忽略非线性因素带来局限性的问题。通过慢回路姿态控制器和快回路姿态控制器的设计解决了水下运载器非线性、强耦合以及多输入多输出的问题,并且运用Lyapunov 稳定性分析证明了控制器的稳定性。控制方法跟踪单位阶跃信号时稳态时间为1 s,超调量为4%,较PID 控制的动态特性有较大提升。非线性控制系统仿真结果表明该控制器对于依30%水动力参数不确定性具有一定的鲁棒性。摇摇     

高温超导磁浮列车非线性悬浮控制器的研究

磁悬浮系统是典型的非线性系统,针对传统的悬浮系统控制方法中的系统稳定性问题,采用反馈线性化方法建立了高温纯超导悬浮系统的非线性模型,并设计了非线性控制器。仿真结果表明,依据反馈线性化方法设计的非线性控制器具有良好的模型适应性和鲁棒性。     

基于自适应控制器的无人机飞行控制系统研究

针对一种大展弦比、V形尾翼常规布局小型无人机,在低空低速大扰动条件下飞行的飞行控制策略进行了研究.对无人机运动状态建模分析,设计了一种自适应PID控制器,采用六自由度非线性运动模型进行控制率的仿真验证,并将算法融合在定姿、定高和定航迹跟踪飞行控制实验中.仿真及实际飞行实验结果表明,所设计的自适应PID控制器有效的抑制了大扰动条件下对飞机姿态、位置的影响,满足了飞行任务的需求,并获得了良好的动态性能指标.     

基于反馈线性化的无人机盘旋控制器设计

针对经典 PD 算法无法保证闭环系统在大范围内的稳定性的问题,提出一种基于反馈线性化的无人机盘旋控制器设计方法。在考虑滚转角响应特性的条件下建立了无人机盘旋飞行的非线性动力学模型,在此基础上基于反馈线性化方法设计了非线性盘旋控制器,以保证闭环系统的全局渐进稳定,并通过Matlab/Simulink中将盘旋控制器加入模型进行仿真。仿真结果证明：相比于线性盘旋控制器,非线性盘旋控制器可得到更好的动态响应特性,其抵抗风干扰的能力也明显优于线性盘旋控制器。     

基于时间次优补偿的齿隙非线性系统的切换控制

以伺服系统为研究对象,提出了ー种针对齿隙非线性的切换控制方法。在正常情况下采取线性控制,而在齿隙期间则采用基于时变滑模平面的时间次优控制;给出了ー种监督控制机制,使系统能够选择合适时机由线性控制切换至时间次优滑模控制,保证整个系统为有界输入有界输出（BIBO)稳定。理论分析和仿真研究表明.:该方案能够有效地消除由齿隙引起的冲击干扰,同时提高了控制器的鲁棒性。     

全电坦克双向稳定系统自适应积分鲁棒控制

针对全电坦克双向稳定系统具有复杂的强非线性、强耦合性、强参数时变性等特点,提出了一种基于误差符号积分鲁棒反馈的坦克双向稳定系统自适应积分鲁棒(AIR)控制设计方法。考虑全电坦克双向稳定系统为一个耦合性的、非线性的、不确定性的动力学系统,建立面向真实的全电坦克双向稳定系统机电一体化解析动力学模型;基于Backstepping法融合自适应的思想,引入辅助误差信号设计了AIR控制器,有效衰减系统的未建模扰动;所设计的AIR控制器不需要预先知道未知扰动的上界,而是通过自适应的方法不断更新以获取其上界,降低了其工程应用的保守性;基于Lyapunov理论分析,在连续控制输入下可以保证坦克双向稳定系统获得渐进跟踪性能。通过Recurdyn-Simulink的仿真对比试验,验证所提方法的有效性。     

制导炮弹离散自适应滑模控制器设计

针对存在参数误差的制导炮弹,提出了一种离散自适应滑模控制器。考虑到制导炮弹姿态控制系统模型存在的非线性、耦合问题,基于反馈线性化方法将系统离散化,并设计了制导炮弹离散滑模控制器。为减小离散系统中与参数误差对应的准滑模切换带宽度,设计了带死区的参数自适应更新规律,利用李亚普诺夫理论证明了闭环不确定系统的稳定性,使得控制系统具有较强的鲁棒性。仿真结果表明,所设计的控制器能有效地处理含有较大程度气动不确定性的问题,具有较好的跟踪控制性能。     

水下航行器轴向运动的自适应积分反演跟踪控制

研究水下航行器轴向运动的非线性跟踪控制问题。针对广泛存在的未知海流、动态模型中的未知参数、以及外部常值扰动等不确定性因素,采用先进的自适应积分反演控制方法,用自适应机制克服未知海流和模型参数的不确定性,并在反馈中加入积分项提高系统对未建模动态特性的鲁棒性,使水下航行器能够全局渐近跟踪参考位置指令。通过不同条件下的仿真研究,分析了自适应机制和积分项在运动控制中的作用,并验证了闭环跟踪系统的全局渐近稳定性。     

水下滑翔机纵倾运动的自适应积分反演控制

针对浮力驱动式水下滑翔机动力学模型及参数的不确定性,研究了滑翔机纵倾运动跟踪控制问题.首先建立俯仰角与滑块位移的关系,综合应用Lyapunov方法和反演技术设计了非线性自适应跟踪控制器,用自适应机制克服了模型参数的不确定性,在反演镇定函数中引入了积分项,进一步提高了消除稳态跟踪误差的能力,进而将得到的滑块位移作为参考输...     

简单自适应鲁棒飞行重构控制律研究

提出一种基于简单自适应控制的重构控制律设计方法,用于提高飞行重构控制系统的鲁棒性和抗干扰性。针对故障飞行控制系统,设计了一种包含一个基本控制器和一个简单自适应控制器的重构控制器。在基本控制器中,应用具有预定稳定度的线性二次型指标最优控制,以改善系统的稳定性;在简单自适应控制器中,引入并联前馈补偿器,保证故障飞行控制系统满足正实性要求,并将其转化为同时镇定问题,利用YALMIP工具箱进行了求解。以某型飞机侧向飞行控制系统为例,针对系统参数变化和承受有界干扰情况,对所提出的方法进行了仿真分析,结果表明该重构飞行控制系统在跟踪参考输入信号时具有较好的鲁棒性和较强的适应能力。     

一类非线性时滞系统的自适应模糊反向递推控制

针对一类含有未知函数的非线性时滞系统,提出了一种自适应模糊跟踪控制器的设计方案。在自适应反向递推设计方法的基础上,采用模糊逻辑系统在线辨识非线性未知函数,采用自适应边界技术估计辨识误差上界。Domination方法和构造合适的Lyapunov-Krasovskii泛函相结合抵消了非线性时滞项对系统的影响。证明了闭环系统为半全局一致最终有界,通过调节设计参数可以实现任意的跟踪精度。实例仿真说明了方案的可行性。     

非线性系统的自适应模糊反演控制器设计

针对一类非线性系统,考虑到系统的完全未知模型参数和扰动,提出了自适应模糊反演控制方法。首先因为模糊系统可以以任意精度渐近的逼近任意连续函数的优越性,采用自适应模糊控制理论设计模糊系统逼近系统未建模动态。然后采用反演设计方法逐步设计控制律和更新律,并用Lyapunov综合方法证明其最终一致渐进稳定。最后用仿真验证所给方法的正确性。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.