基于径向基函数神经网络与扩张状态观测器的无人直升机控制

针对具有系统不确定和外部干扰的无人直升机飞行控制问题,提出了一种基于神经网络和扩张状态观测器的控制方法.利用神经网络逼近系统的不确定性,引入扩张状态观测器对神经网络的逼近误差和系统外部干扰进行估计.基于神经网络和扩张状态观测器的输出,对无人直升机的主旋翼挥舞角、姿态角速率、姿态角、速度与位置系统分别进行了控制器设计,以增强系统鲁棒性和抗干扰能力.同时,引入动态面控制方法以避免对虚拟信号进行直接求导,并通过李雅普诺夫方法分析了闭环控制系统的稳定性.最后使用无人直升机数据进行仿真验证,结果表明设计的控制律能使无人直升机有效跟踪控制指令,具有良好的稳定性与鲁棒性.     

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.     

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。     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

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.     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.     

基于干扰观测器的一类不确定非线性系统鲁棒H∞控制

为了降低控制器对干扰的要求,基于干扰观测器提出一类多输入多输出不确定非线性系统的鲁棒H∞控制方法．将系统的内部不确定性和外部干扰组成复合干扰,设计基于小波神经网络的复合干扰观测器,并提出干扰观测器的参数调节方案使观测器能以高精度逼近复合干扰．同时在控制器中引入鲁棒控制项用来抑制观测器误差给系统带来的影响,所设计的控制器能使系统的跟踪误差小于一个给定的性能指标．最后给出一个仿真算例验证了本控制方案的有效性．     

基于自抗扰控制技术的实时飞行仿真研究(英文)

针对四旋翼无人机欠驱动、强耦合的非线性动力学特性,文中研究设计了基于自抗扰控制技术的闭环飞行控制系统。自抗扰控制技术中,扩张观测器与基于误差的非线性反馈控制是其重要的两个部分。扩张状态观测器估计外部干扰和模型不确定性,以实现干扰和模型不确定性的动态补偿;此外,采用基于误差的非线性反馈可以改善控制效果。为保证飞行任务中精确的航迹跟踪,文中分析设计了一种实用的制导策略,并构建实时可视化飞行仿真系统以实现对所设计的制导策略和自抗扰飞行控制系统更为严格有效的验证。仿真结果表明所研究设计的制导策略和闭环飞行控制系统具有良好的制导和控制性能。     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

一类不确定非线性MIMO系统的神经网络输出反馈跟踪控制

针对一类具有外部干扰的不确定仿射非线性MIMO系统提出了一种神经网络输出反馈跟踪控制方法. 在仅输出可测的情况下, 控制律和神经网络权值更新律中仅用到输出误差, 无需设计状态观测器或加入低通滤波器使得估计误差动态满足严格正实条件. 为抑制外部干扰和子系统间的交叉耦合及神经网络逼近误差, 在控制律中加入鲁棒控制项. 基于Lyapunov稳定性定理证明了系统的稳定性及信号的有界性. 仿真例子证实了所提方法的可行性.     

Robust adaptive backstepping control for a class of uncertain nonlinear systems based on disturbance observers

In this paper, a novel robust adaptive control scheme for a class of uncertain nonlinear systems is proposed using disturbance observer and backstepping method.Firstly, a disturbance observer is developed using radial basis function(RBF) neural network.The parameter updated law of the RBF neural network is given for monitoring subsystem disturbance well.The robust adaptive control scheme is then presented with backstepping method based on the designed disturbance observer.Semiglobal uniform ultimate bounded...     

具有未知负载扰动的水井钻机电液伺服系统无模型自适应控制

针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

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。     

推力矢量可倾转四旋翼自抗扰飞行控制方法

针对常规四旋翼难以实现位置和姿态独立控制问题, 研究了一种具有全向推力矢量的可倾转四旋翼飞行 器系统. 为克服系统的大范围不确定性、强耦合性及外部风扰影响, 设计了基于自抗扰控制(ADRC)技术的飞行控 制器. 通过建立风扰下的系统动力学模型, 分析阵风对旋翼气动力的影响. 接着将系统解耦为六通道单回路结构并 分别设计自抗扰控制器, 引入扩张状态观测器估计系统的内外扰动, 利用非线性状态误差反馈律输出扰动补偿控 制. 在此基础上, 通过变量代换线性化控制分配矩阵, 将控制器输出直接映射到旋翼转速和倾转角. 仿真结果表明, 所设计的自抗扰飞行控制器具有良好的位置和姿态独立控制能力, 能够有效地估计和补偿紊流风扰动, 同时对系统 的部分动力失效故障有较强的鲁棒性.     

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.     

基于动态逆的动力翼伞自主飞行控制方法

针对动力翼伞精确数学模型难以获得,系统输入输出关系耦合复杂等特点,建立动力翼伞8自由度动力学模型,设计由静态神经网络和积分器组成的动态神经网络,利用神经网络的逼近能力和动态逆控制方法相结合,提出了基于神经网络动态逆方法的动力翼伞控制方案,并进行了飞行仿真验证,结果表明完全满足控制要求,具有较好的抗干扰能和鲁棒性能,对于...     

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。