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。     

Adaptive neural network sliding mode control of a nonlinear two-degrees-of-freedom helicopter system

The helicopter can play an important role in military and civil applications owing to its super maneuvering ability, which is closely related to its control system. To improve control performance, this study presents an adaptive sliding mode control strategy merging an adaptive neural network for a nonlinear two-degrees-of-freedom (2-DOF) helicopter system. By setting up the Lyapunov function, the asymptotic stability of the closed-loop system is guaranteed, the astringency of the neural network weight renewal course is pledged, and the asymptotic attitude adjustment and trajectory tracking for the desired set point are realized. The availability of the adaptive radial basis function sliding mode control is finally verified via the simulation and real implementation on a nonlinear 2-DOF helicopter platform.     

Adaptive neural network control based on neural observer for quadrotor unmanned aerial vehicle

This paper proposes an adaptive neural network control with neural state’s observer for quadrotor. The adaptive approach is used to solve the dynamics uncertainty problem of the controller. To perform the control, a Single Hidden Layer Neural Network (SHLNN) is used. Based on the structure of Sliding Mode Observer (SMO), a new neural observer is proposed to estimate the states. The aim of this work is to propose an observer insensitive to the measurement noise. The stability proof of global system is made by Lyapunov direct method. The adaptation laws of both artificial neural networks (ANNs) are derived from Lyapunov theory. The proposed controller is validated by simulation on the quadrotor under measurement noise conditions. A comparative study with SMO is made to highlight the performances of the proposed neural observer.     

Nonlinear asymptotic attitude tracking control of an underactuated 3-degree-of-freedom helicopter using neural network feedforward term

This paper proposes a new asymptotic attitude tracking controller for an underactuated 3-degree-of-freedom (DOF) laboratory helicopter system by using a nonlinear robust feedback and a neural network (NN) feedforward term. The nonlinear robust control law is developed through a modified inner-outer loop approach. The application of the NN-based feedforward is to compensate for the system uncertainties. The proposed control design strategy requires very limited knowledge of the system dynamic model, and achieves good robustness with respect to system parametric uncertainties. A Lyapunov-based stability analysis shows that the proposed algorithms can ensure asymptotic tracking of the helicopter’s elevation and travel motion, while keeping the stability of the closed-loop system. Real-time experiment results demonstrate that the controller has achieved good tracking performance.     

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...     

基于非线性块反步控制的无人直升机航迹跟踪算法研究

针对小型无人直升机系统高度非线性、强耦合和易受内外部扰动干扰的特点,提出了一种非线性块反步控制与广义比例积分观测器相结合的控制策略。该方法采用广义比例积分观测器构建多阶观测回路对系统状态量、扰动量及扰动量的多阶导数进行估计,然后将扰动的估计值代入到直升机系统模型中,采用反步法回归递推得到直升机的跟踪飞行控制律。通过对阶跃信号和复杂“8”字形航迹的航迹跟踪仿真,结果表明：在多种内外部扰动影响下,所设计的控制律具有良好的动态响应和航迹跟踪性能以及抗干扰能力。相较于常规非线性扰动观测器,广义比例积分观测器对高阶和快速时变扰动具有更高的预估精度,可以达到更好的扰动抑制效果。     

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。     

一类非线性系统基于Backstepping的自适应鲁棒神经网络控制

针对一类未知非线性系统提出了一种基于Backstepping的自适应神经网络控制方法, 放松了满足匹配条件, 要求神经网络逼近误差的边界已知等一些限制性的假设. 扩展了自适应backstepping和自适应神经控制的适用范围, 整个闭环系统表明是最终一致有界的, 跟踪误差收敛于原点的一个大小可调的邻域.     

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.