基于神经网络的小型无人直升机非线性鲁棒控制设计

针对小型无人直升机的姿态控制问题,为补偿系统参数不确定性和外界扰动的影响,设计一种连续的非线性鲁棒控制器.首先,利用神经网络在线估计系统不确定性,采用基于误差符号函数积分的鲁棒控制算法抑制外界扰动,同时补偿神经网络估计误差; 然后,利用基于Lyapunov函数的分析方法,证明所设计控制器的闭环稳定性,确保无人直升机姿态误差的半全局渐近收敛;最后,在无人直升机飞行实验平台上,进行无人机抗风扰控制实验.实验结果表明,所提出的控制方法具有良好的控制效果,对系统不确定性和外界扰动具有良好的鲁棒性.     

小型无人直升机姿态非线性鲁棒控制设计

本文针对小型无人直升机的姿态控制问题,通过系统参数辨识,获得了较为准确的无人直升机姿态动力学模型.并根据无人直升机的动态特性,设计了基于神经网络前馈与滑模控制的非线性鲁棒姿态控制律,该控制律对直升机模型的先验知识要求较低.利用基于Lyapunov的分析方法证明,设计的控制律能够实现对无人直升机姿态角的半全局指数收敛镇定控制,并能确保闭环系统的稳定性.基于姿态飞行控制实验平台的实时飞行控制实验结果表明,提出的控制设计取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有较好的鲁棒性.     

小型无人直升机的无模型自适应鲁棒控制设计

本文针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及未建模动态对系统控制性能的影响,设计了一种新的基于数据驱动的无模型自适应鲁棒控制律.通过基于数据驱动的设计方法,降低了控制器对直升机动力学模型先验知识的依赖,补偿了未建模不确定性的影响.仅利用无人直升机的输入输出数据,即可实现对无人直升机系统的稳定姿态控制.然后本文结合离散滑模控制设计,补偿了未知外界扰动的影响,提高了系统的鲁棒性,并通过理论证明了控制误差的收敛性和闭环系统的稳定性.最后,在本研究组自主开发的无人直升机飞行控制实验平台上,进行了无人机实时控制实验.实验结果表明,本文所提出的控制算法取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有良好的鲁棒性.     

无人直升机的姿态增强学习控制设计与验证

针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对直升机动力学模型的先验信息依赖较大,以及未建模动态系统的影响等问题,设计了一种基于增强学习(RL)的飞行控制算法.仅利用直升机的在线飞行数据,补偿了未建模不确定性的影响.同时为了抑制外界扰动,提高系统的鲁棒性,设计了一种基于误差符号函数积分的鲁棒(RISE)控制算法.将两种算法结合,并利用基于Lyapunov分析的方法,证明了无人机姿态控制误差的半全局渐近收敛.最后在无人直升机飞行控制实验平台上,进行了姿态控制的实时实验验证.实验结果表明,本文提出的控制方法具有良好的控制效果,对系统不确定性和外界风扰具有良好鲁棒性.     

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.     

三自由度直升机系统自适应模糊H∞混合灵敏度鲁棒控制

研究了三自由度直升机系统的飞行控制.针对该系统高阶次、非线性、强耦合、多输入多输出的特点,提出了一种基于自适应模糊理论的H∞混合灵敏度鲁棒控制方法.通过间接自适应模糊逻辑系统逼近非线性系统中的未知参数,增强了在线控制性能;结合H∞混合灵敏度鲁棒控制,抑制了外界的干扰和参数摄动;运用Laypunov理论证明了系统的全局稳定性.实际飞行结果表明:三自由度直升机系统具有良好的鲁棒性和稳定性,同时,证明了该控制方法的有效性和优越性.     

基于神经网络的不确定非线性系统的鲁棒控制

利用神经网络和Ｈ＾∞控制理论对一类不确定非线性系统提出一种新的鲁棒控制器。该方法通过在线调整网络权来改善系统的暂态性能,不要求网络的离线学习过程和先验逼近误差界的知识,并可保证闭环系统的稳定性。仿真结果表明所提出方法的有效性。     

某无人直升机的软件架构设计

针对机载软件研发难度日益增加的问题,结合机载软件的特点,分析了软件架构的理论知识,给出了软件架构应用于机载软件的视图表示法,设计了某无人机飞控系统软件的功能逻辑架构和数据运行架构,提出了机载软件架构验证的一种方法.试验表明,软件架构技术运用于机载软件的开发,能有效地改善软件质量,实现机载软件的鲁棒性要求.     

无人直升机发动机转速控制系统的嵌入式设计

为提高无人直升机的飞行性能,针对其飞行环境复杂、飞行状态变化快等特点,建立发动机的数学模型,采用总矩前馈与转速反馈的串级控制结构,设计实现一个基于嵌入式单片机MC9S08的恒定转速控制系统。实验结果证明,该系统的转速控制精度高,系统响应速度快,安全性及控制效果良好。     

平台上的无人直升机非线性预测姿态控制

针对在平台上的无人直升机姿态控制,设计了1个非线性预测姿态控制器,该预测控制器具有解析解不需要在线优化,通过查表的方式可以方便地得到满足设计要求的控制器参数。讨论了当输入饱和时的处理方法,通过仿真比较了当输入出现饱和时剪切法和方向保持法对系统性能的影响。最后,将非线性预测控制器和PID控制器的进行了比较,仿真结果说明采用该控制器系统响应比PID控制快,并且可以去除通道耦合引起的过大的超调量。     

无人直升机嵌入式控制系统的实现

基于AT91RM9200(ARM)微型控制器,结合适当的外围设备,构建了一个高集成度的嵌入式系统,实现微型无人直升机的飞行控制.在μC/OS-Ⅱ操作系统环境下,详细介绍了软件系统的总体结构和任务之间的切换过程.最后,针对直升机的姿态和位置控制,分别给出了适当的控制策略.     

循环神经网络前馈补偿的压电驱动器跟踪控制

压电驱动器固有的迟滞特性,以及其他动态特性严重地影响其跟踪性能.循环神经网络能够准确拟合非线性系统,并且具有记忆存储能力,本文设计了一种循环神经网络对压电驱动器的迟滞特性进行建模,进而得到能够准确模拟输出位移和输入电压之间关系的逆模型,并据此对压电驱动器进行前馈补偿.此外,考虑到建模误差以及其他扰动对驱动器跟踪精度的影...     

基于DSP和FPGA的无人直升机飞行控制系统

为实现无人直升机的先进飞行控制算法,设计基于DSP和FPGA的无人直升机飞行控制系统。DSP数字信号处理能力强,主要实现复杂的飞行控制算法;FPGA作为DSP的协处理器,主要实现传感器信号的采集和处理、舵机驱动以及地面站监控。由于任务分配合理,该系统计算能力强、实时性好、灵活度高,为实现先进飞行控制算法提供了良好的硬件基础。通过无人直升机姿态控制实验验证了该系统的有效性。     

基于自结构动态递归模糊神经网络的无人机姿态控制*

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明：该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。     

基于PIDNN的六旋翼无人机飞行控制算法研究

针对六旋翼无人机比例-积分-微分(PID)控制器参数优化困难的问题,采用了PID神经网络(PIDNN)控制方法,利用其非线性映射和自学习的特性,实现了姿态控制参数的动态调整,增加了系统的自适应性.为验证方法的有效性,通过Matlab的Simulink模块构建了六旋翼无人机数学模型;利用S函数实现了基于反向传播(BP)算法的PIDNN控制器;将仿真结果与传统PID控制效果进行对比,结果表明:在缩短姿态调整时间与减少超调量方面,PIDNN方法控制效果优于PID方法.     

A feedforward artificial neural network based on quantum effectvector-matrix multipliers

The vector-matrix multiplier is the engine of many artificial neural network implementations because it can simulate the way in which neurons collect weighted input signals from a dendritic arbor. A new technology for building analog weighting elements that is theoretically capable of densities and speeds far beyond anything that conventional VLSI in silicon could ever offer is presented. To illustrate the feasibility of such a technology, a small three-layer feedforward prototype network with five binary neurons and six tri-state synapses was built and used to perform all of the fundamental logic functions: XOR, AND, OR, and NOT.     

基于二元蚁群算法的多层前馈神经网络

提出了一种基于二元蚁群算法的多层前馈神经网络,同时为了避免二元蚁群算法陷入局部最优引入了拥挤交通组织策略。将二元蚁群算法和神经网络混合,可兼有神经网络广泛映射能力和二元蚁群算法快速全局收敛能力,通过在函数逼近实验表明取得了较好的结果。     

Batch-to-batch control of fed-batch processes using control-affine feedforward neural network

A control strategy for fed-batch processes is proposed based on control affine feed-forward neural network (CAFNN). Many fed-batch processes can be considered as a class of control affine nonlinear systems. CAFNN is constructed by a special structure to fit the control affine system. It is similar to a multi-layer feed-forward neural network, but it has its own particular feature to model the fed-batch process. CAFNN can be trained by a modified Levenberg–Marquardt (LM) algorithm. However, due to model-plant mismatches and unknown disturbances, the optimal control policy calculated based on the CAFNN model may not be optimal when applied to the fed-batch process. In terms of the repetitive nature of fed-batch processes, iterative learning control (ILC) can be used to improve the process performance from batch to batch. Due to the special structure of CAFNN, the gradient information of CAFNN can be computed analytically and applied to the batch-to-batch ILC. Under the ILC strategy from batch to batch, endpoint product qualities of fed-batch processes can be improved gradually. The proposed control scheme is illustrated on a simulated fed-batch ethanol fermentation process.     

小型无人直升机反步自适应控制

针对具有强非线性、高度耦合以及参数不确定性特点的小型无人直升机系统,提出一种基于小脑模型关节控制器（Cerebellar Model Articulation Control,CMAC）神经网络的自适应反步控制方法,该方法采用小脑模型关节控制器神经网络在线学习系统不确定性以及反步控制中各阶虚拟控制量的导数信息,设计鲁棒控制项克服CMAC神经网络在线学习系统不确定性的误差,控制律由反步法回归递推得到。仿真结果表明,在模型参数不确定和存在较大误差的情况下,所设计的控制律具有理想的姿态跟踪性能以及良好的鲁棒性。     

Robust multi-mode flight control design for an unmanned helicopter based on multi-loop structure

In this paper, a novel multi-mode flight control strategy for unmanned helicopter, in presence of model uncertainty, atmospheric disturbances and handling qualities specification requirements (as in ADS-33E), based on multi-loop control structure combining robust H-infinity and PI control is presented. In inner loop H-infinity optimal control technique is utilized ensuring the stability of flight control system in case of change of helicopter dynamics, model uncertainties and eliminates effect of gust disturbance on helicopter states and collective/cyclic inputs. PI control in outer loop is used to improve the dynamic and static operation characteristics. Attitude control and attitude holding flight mode with satisfactory command response and decoupling characteristics is designed using the proposed control strategy. Analysis and simulation results show that Level 1 handling requirements as defined in ADS-33E are accomplished even when helicopter is under constant wind circumstance.