基于模糊逻辑系统的输出跟踪控制问题

针对一类未知的非线性互联大系统，设计间接自适应模糊控制器以实现跟踪控制，采用模糊控制，模糊逻辑逼近和模糊滑模控制相结合的方法，对维数较低的子系统未知动态和维数较高的互联项未知动态分别采用两类模糊规则进行逼近，对系统的外部干扰及模糊逼近误差采用模糊滑模控制予以抵消，基于Lyapunov方法实现模糊系统中的参数自适应律并在线调节，所设计的间接自适应控制器使系统在Lyapunov意义下稳定，且跟踪误差趋近于0，仿真结果表明了该设计方法的正确性。     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统,提出一种自适应模糊逻辑补偿控制方案.控制律由跟踪控制律和逼近误差补偿控制律两部分组成,利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿,由模糊滑模控制律实现对模糊逻辑系统逼近误差的进一步补偿.所设计的控制器可保证闭环系统一致最终有界.将该控制器用于月球探测车动态转向系统中,仿真结果表明了该方法的有效性.     

一类MIMO非线性系统的直接自适应模糊滑模控制

针对一类具有下三角形函数控制增益矩阵的非线性系统, 基于滑模控制原理, 并利用Ⅱ型模糊系统的逼近能力, 提出了一种直接自适应模糊滑模控制器设计的新方案. 通过引入积分型李雅普诺夫函数及逼近误差自适应补偿项, 证明了闭环系统是全局稳定的, 跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

一类非线性系统的模糊直接自适应控制

针对一类单输入单输出仿射非线性系统,利用模糊基函数网络的逼近能力,并根据滑模控制原理在控制器中加入逼近误差和外部干扰补偿控制器,提出了一种模糊直接自适应控制方法。该方法不但实现了系统的鲁棒控制,还同时考虑了误差状态的位置信息和运动信息,较大地改善了系统的控制性能。通过Matlab仿真,证明了所设计的模糊直接自适应控制器不但具有鲁棒性,而且可以保证系统具有很好的跟踪性能。     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统，提出一种自适应模糊逻辑补偿控制新方法。其控制律由跟踪控制律和逼近误差补偿控制律两部分组成。利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿，由模糊滑模控制律来实现对模糊逻辑系统逼近误差的进一步补偿。所设计的控制器可保证闭环系统一致最终有界。     

一种新的自适应模糊滑模控制器设计方法

对一类非线性系统提出一种新的自适应模糊滑模控制器设计方法。将自适应模糊控制与滑模控制有效地结合在一起,先用滑模控制使跟踪误差进入边界层内,然后启动自适应模糊控制器。该控制器可消除滑模控制器中出现的抖振,并可在存在模糊逻辑系统逼近误差情况下使系统跟踪误差小于预先给定的任意常数。仿真算例验证了所提出方法的有效性。     

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.     

基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

一种新型滑模控制器设计及仿真

对于一类非线性不确定系统,常规滑模控制器存在"抖振"现象和抗外部扰动作用不理想等问题.本文运用自适应模糊系统逼近滑模控制器参数,并引入一个自适应模糊参数连续逼近常规滑模控制器的开关函数,最后给出一种新型自适应模糊滑模控制器,该方法克服函数和边界层法的不足.仿真实验结果表明该方法增强非线性系统的抗干扰能力和鲁棒性,并大大地削弱系统的"抖振"现象.     

基于自适应模糊滑模控制的船舶航向控制器设计

针对船舶运动系统中固有的非线性、模型不确定性和风、浪、流等的干扰.提出了自适应模糊滑模控制(AFSMC)策略解决船舶的航向控制问题.通过采用模糊逻辑系统逼近系统未知函数,将滑模控制技术与自适应模糊控制技术相结合,设计了船舶航向AFSMC控制器.在滑模边界层内应用PI (proportional-integral)控制代替滑模控制中的切换项,削弱了滑模控制带来的抖振现象.借助李亚普诺夫函数证明了船舶运动系统中的信号都一致有界并利用Barbalat引理证明了跟踪误差渐近收敛到零.在参数摄动和外界干扰情况下进行了航向保持与改变仿真试验,采用AFSMC控制器得到了与无摄动和无干扰情况下相似的输出响应.实验结果表明,所提控制器能有效地处理系统不确定性和外界干扰,控制性能良好,具有很强的鲁棒性.     

基于RBF神经网络的PMSM分数阶互补滑模控制

参数变化及外部不确定性干扰等因素对永磁同步电机(PMSM)驱动控制系统影响较大,针对这一问题,提出一种基于RBF神经网络的分数阶互补滑模控制方法。在建立PMSM数学模型的基础上,采用RBF神经网络对外部干扰进行逼近估计。设计基于饱和函数的分数阶互补滑模控制器,并将RBF神经网络估计的干扰引入控制器中,以抵消外部干扰对系统的影响。理论证明,该控制策略在对外部不确定性干扰进行有效抑制的同时保证系统跟踪误差收敛。通过仿真验证所提方法的有效性。     

基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

基于NDO的ROV变深自适应终端滑模控制器设计

针对ROV的深度控制问题, 提出基于非线性干扰观测器的自适应终端滑模控制方法. 详细叙述了控制器的设计过程, 并利用Lyapunov 稳定性判据, 验证了存在模型参数不确定性和外干扰时, 系统的全局渐近稳定性和跟踪误差的收敛性. 仿真实验表明, 所提出的控制器不仅能够很好地估计并克服外干扰和模型不确定性等因素, 具有很好的鲁棒性能, 而且还可以实现在任意规定时刻变深运动的快速收敛.

     

Fast terminal sliding mode tracking control of hypersonic vehicles based on non-homogeneous disturbance observer

The tracking control problem of hypersonic vehicles is studied and analyzed in this paper using terminal sliding mode control method (TSMC) and non-homogeneous disturbance observer(NHDO) considering parametric uncertainty and external disturbances. Non-singular terminal sliding mode controller is provided based on NHDO. The key idea is that the NHDO is adopted to estimate the aerodynamic uncertainties and external disturbances simultaneously, which can enhance the robustness of the system and lower the gain of the switch controller. Rigorous stability analysis for the closed-loop system is given via Lyapunov stability theory, which proves that the system states are always bounded even during the estimation process when the estimation error is not zero. The sliding manifold can be reached in finite time and the tracking errors can converge to zero asymptotically. Numerical simulations are conducted with the longitudinal nonlinear dynamic model of hypersonic vehicles to verify the effectiveness and robustness of the designed controller.     

自主水下航行器的鲁棒自适应姿态控制算法

针对自主水下航行器（Autonomous Underwater Vehicle，AUV）在自动巡航任务中的姿态控制问题，提出了一种神经网络与滑模控制相结合的鲁棒自适应姿态控制算法。采用了RBF神经网络对AUV数学模型中的不确定项进行逼近，抑制了未建模动态和参数摄动的影响，进而基于反步法和滑模控制设计了姿态控制律，其中引入鲁棒项以克服外界干扰和神经网络逼近误差，并通过Lyapunov定理证明了控制系统的稳定性。将所设计的控制算法应用在AUV的姿态控制系统中进行数值仿真，验证了该控制算法的有效性和鲁棒性。     

再入飞行器带有干扰观测器的有限时间控制

针对模型参数不确定及外界干扰影响下的再入飞行器的姿态控制问题,设计基于干扰观测器的有限时间控制策略.首先建立面向控制模型,并通过多时间尺度原理将面向控制模型分为内、外两环;其次,设计干扰观测器实时观测面向控制模型中的参数不确定及外界干扰,解决滑模控制因参数过大而导致的抖振问题,基于观测值,设计终端滑模控制器,在此基础上,基于Lyapunov理论对控制系统的稳定性进行分析;最后,基于六自由度再入模型,验证所设计的有限时间姿态控制策略的有效性.     

带有干扰观测器的高超声速飞行器滑模控制

针对高超声速飞行器非线性和易受干扰影响的特点,提出了带有扩张状态干扰观测器的连续滑模控制方法.在对飞行器非线性模型做线性化处理的基础上,设计了一种连续时间滑模控制器.该控制器在对不确定性和未知动态保持鲁棒性的基础上,消除了传统滑模中存在的抖振现象.对系统中存在的外加干扰,设计了扩张状态干扰观测器.将外加干扰作为系统的一个状态变量被估计出来,再将估计值用作滑模控制器的补偿量,进而达到消除外干扰的目的.在高超声速飞行器巡航飞行状态的基础上进行了仿真.仿真结果表明,所提出的方案能够满足控制要求.     

一类输入受限的不确定非仿射非线性系统二阶动态terminal 滑模控制

针对一类输入受限的不确定非仿射非线性系统跟踪控制问题, 提出一种二阶动态terminal 滑模控制策略. 在不损失模型精度, 并考虑系统输入饱和受限的前提下, 给出一种适用于全局的不确定非仿射非线性系统近似方法. 提出小波小脑模型干扰观测器设计方法, 实现复合扰动的有效逼近. 构造辅助系统分析输入饱和对跟踪误差的影响. 通过构造基于PI 滑模面的terminal 二阶滑模面, 给出二阶动态terminal 滑模控制器设计过程, 克服了传统滑模的抖振问题. 仿真结果验证了所提出方法的有效性.

     

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.