基于扩张状态观测器的导弹自适应鲁棒控制方法

针对带有非线性特性和模型不确定性的导弹纵向通道,结合扩张状态观测器,设计了一种自适应鲁棒控制方法。该控制方法首先设计了自适应控制律,对弹体模型中的不确定参数进行在线辨识和补偿;然后针对辨识结果与真实模型之间存在的偏差,利用扩张状态观测器作进一步修正;最后设计鲁棒控制部分以对模型中的补偿残差等进行抑制并保证闭环系统的稳定性。仿真结果表明,所设计的控制律能够实现对输入指令的有效跟踪,并具有较高的控制精度、响应速度和鲁棒性。     

基于ATSMC的破障武器随动系统控制研究

针对电动缸驱动的车载破障武器随动系统控制问题,提出了一种基于指数收敛的干扰观测器和反正切滑模控制器的方法。研究了电动缸传动时系统具有的非线性增益,推导了电动缸机构的变传动比和变负载力矩的公式。为了对随动系统进行位置和速度控制,根据多项式Terminal滑模控制器的思想,采用等效趋近律的方法,设计了反正切Terminal滑模控制器(ATSMC),其具有全局鲁棒性和有限时间可达的能力;为了对系统内部的不确定性和外部扰动进行观测和补偿,设计了一种基于指数收敛的干扰观测器。对控制系统进行仿真,结果表明,ATSMC具有更好的鲁棒性,提高了随动系统控制精度,缩短了响应时间;基于指数收敛的干扰观测器能较好地补偿系统运行中产生的各种扰动,降低了系统稳态误差。     

基于SMDO-NGPC的无人机姿态控制律设计

针对无人机在飞行过程中存在的强非线性、快时变、强耦合,以及参数不确定和外部干扰情况下的鲁棒性差等姿态控制问题,采用了基于滑模干扰观测器的非线性广义预测控制算法对姿态控制律进行了设计。该方法融合了非线性广义预测控制算法的良好动态性和滑模干扰观测器的强鲁棒性,将无人机的姿态分为快、慢两个回路并分别将该方法应用到两个回路的控制律设计中,最后设计出快、慢回路控制律表达式及滑模干扰观测器模型。仿真结果表明:基于滑模干扰观测器的非线性广义预测控制算法的无人机姿态控制律能够克服外界干扰及气动参数大范围摄动的影响,具有良好的控制性能和抗干扰能力,可以更好地适应无人机快时变、高精度和强鲁棒的控制要求。     

基于干扰观测器的运载火箭助推段姿态控制

针对刚体运载火箭助推飞行段的姿态控制问题,提出了一种基于干扰观测器的自适应滑模控制方法。首先,根据姿态动力学模型建立了面向姿态控制的通用模型。其次,针对通用模型中参数不确定性和外界干扰,设计了干扰观测器实时观测后补偿到自适应滑模控制器中,并结合Lyapunov稳定性理论分析了控制器的稳定性。最后,对比传统的PD控制器,在模拟大气环境中进行了姿态控制系统仿真。仿真结果表明,该方法与传统控制方法相比,控制精度和鲁棒性显著提高。     

小灵巧导弹自抗扰BTT控制器设计与仿真

针对非线性、时变、强耦合和具有不确定性的小灵巧导弹(SSM)控制系统,运用自抗扰控制理论,设计了一种新的BTT控制器。滚转通道单独设计控制器,对俯仰和偏航通道建立多输入—多输出二阶非线性耦合模型,采用扩张状态观测器对系统的不确定性与干扰进行实时估计和补偿,并由非线性状态误差反馈律设计BTT控制器,以实现对导弹的解耦控制。数字仿真结果表明:所设计的自抗扰BTT控制器可以满足导弹系统的控制要求,具有优良的跟踪性能、鲁棒性能以及对非线性强耦合系统的解耦性能。     

基于干扰观测器的弹丸协调器电液伺服系统自适应滑模控制

针对弹丸协调器电液伺服系统中存在非匹配不确定性和参数不确定性问题,提出一种基于干扰观测器的自适应滑模控制策略。采用干扰观测器估计系统中的非匹配不确定性,通过Lyapunov稳定性理论证明干扰观测器的稳定性,并将其引入新型积分滑模切换函数的设计中,使控制器能够对非匹配不确定性提供有效补偿,提高控制精度。为了降低系统参数不确定性的影响,在滑模控制器设计中引入自适应律以保证控制器的动态性能,并对控制器的全局稳定性进行了证明。实验结果表明：采用的干扰观测器和自适应律能够准确描述系统特性;基于干扰观测器的自适应滑模控制器能够满足期望轨迹的跟踪要求,使设计的控制器在不同工况下均具有较好的动态跟踪特性和稳态精度,并具有较强的鲁棒性。     

基于改进LuGre摩擦模型的双旋弹丸固定舵翼滚转位置鲁棒自适应控制算法

针对双旋弹丸舵翼滚转位置系统存在非线性摩擦、不确定性参数以及时变扰动等问题,提出一种基于连续可微LuGre摩擦模型的鲁棒自适应控制策略。以基于永磁同步发电机为电磁执行机构的舵翼滚转位置控制系统为研究对象,建立包含改进摩擦模型的系统非线性数学模型。通过对未建模扰动的上界进行自适应估计,在控制器中设计扰动补偿鲁棒反馈项将其补偿,降低扰动对控制性能的影响。对系统不确定性参数、摩擦状态量进行在线自适应估计,并结合摩擦补偿设计自适应控制律,降低系统对参数不确定性和非线性摩擦的敏感度。通过Lyapunov稳定性理论证明了闭环系统的全局稳定性。仿真结果表明：该方法能准确地对模型参数、非线性摩擦状态以及扰动进行估计和补偿,具有控制精度高、稳定性好和鲁棒性强等优点。     

高超声速飞行器弱抖振反演滑模控制律设计

针对具有严重非线性、多变量强耦合以及参数不确定性等特点的高超声速飞行器模型,提出基于反演控制的高超声速飞行器滑模控制方法,设计俯仰通道的控制律.对系统存在的复合干扰,采用自适应律在线调节,避免了不确定性上界未知对控制律设计的影响;通过引入非线性干扰观测器,降低滑模控制项的增益,继而削弱滑模控制带来的抖振.仿真结果表明,所设计的控制律能够实现对指令信号的良好跟踪,具有较快的响应速度,能够保证系统在不确定存在情况下的稳定性和鲁棒性.     

基于非线性干扰观测器的超机动飞行轨迹线性化控制

针对非线性系统存在建模误差和外界干扰等不确定因素问题,提出一种基于非线性干扰观测器（Nonlinear Disturbance Observer,NDO）在线补偿的轨迹线性化控制（Trajectory Linearization Control,TLC）方法。设计非线性干扰观测器,对不确定因素进行估计,NDO的输出用以设计新的补偿控制律,与TLC方法相结合来消除不确定因素的影响。以赫布斯特机动过程为例进行飞行仿真,并与单纯采用TLC方法的控制性能进行对比。仿真表明,系统能较好地跟踪姿态角指令,有良好的鲁棒性。     

基于模型补偿自抗扰的弹体滚转角控制策略

针对干扰弹所处的作战环境愈发复杂,遇到的强非线性的干扰也更加强烈,而传统控制策略难以满足抗扰性、控制精度要求的问题,提出了基于模型补偿自抗扰的弹体滚转角控制策略。该控制策略通过建立弹体滚转角控制系统的数学模型,建立了以反作用飞轮角加速度为控制量输入,弹体滚转角为输出的系统扩张状态空间模型,进而建立了扩张状态观测器,并将观测器的观测值又作为已知模型信息,在控制器中对观测的干扰进行补偿。通过对收敛性与跟踪误差进行分析,证明了所设计的模型补偿自抗扰控制具有很好的收敛性与跟踪性能,能够实现对系统状态变量和扰动的无差估计。仿真和实物实验验证结果均表明,本控制策略减小了系统调节时间与稳态误差,大大增强了其抗扰能力与鲁棒性,在工程领域具有较高的应用价值。     

基于在线神经网络的无人机着陆飞行自适应逆控制器设计

基于在线神经网络设计了无人机着陆飞行自适应逆控制器。根据时标分离的原则,将无人机系统分解为快慢不同的四个回路,采用动态逆的方法设计快回路、慢回路和非常慢回路控制器,并且在慢回路和非常慢回路用基于在线神经网络的干扰观测器逼近无人机所受的扰动和动态逆误差,降低了控制器对干扰和模型精确度的要求,增强了控制器的鲁棒性。仿真结果说明所设计的无人机着陆控制器是非常有效的。     

基于自适应鲁棒控制的坦克俯仰系统建模与仿真

为准确描述坦克行进间的火炮俯仰系统,利用动力学软件RecurDyn建立了坦克行进间多体系统动力学模型,并通过仿真与试验初步验证了模型的可信性。对以永磁同步电机(PMSM)为执行机构的火炮俯仰系统进行了动力学建模分析,并建立了火炮俯仰系统的数学模型。在此基础上,针对传统三环结构控制效果不佳的问题,设计了火炮俯仰位置伺服系统自适应鲁棒控制器,以及对系统扰动进行反馈补偿的干扰观测器,完成了控制器的稳定性分析,并建立了火炮俯仰系统控制模型。最后,通过接口模块实现了坦克俯仰系统的联合仿真。仿真结果表明:本文建立的坦克行进间多体系统动力学模型具有一定的合理性,设计的火炮俯仰位置伺服系统控制策略具有较好的阶跃响应和瞄准稳定性能以及较强的鲁棒性和抗干扰能力。     

欠驱动水面无人艇鲁棒自适应位置跟踪控制

为解决考虑参数不确定的欠驱动水面无人艇(USV)在恒定海流干扰下水平面位置跟踪问题,提出一种欠驱动USV神经网络自适应位置跟踪控制策略。基于反步法设计了一种非线性控制器,采用动态面方法获取虚拟变量的导数,减小了虚拟变量直接求导的复杂性;针对欠驱动USV参数不确定问题,运用神经网络自适应方法对USV系统不确定函数进行逼近,克服了欠驱动USV参数不确定难题;设计一种指数收敛海流观测器,有效地估计了恒定海流速度。通过李雅普诺夫稳定性理论证明了该闭环控制系统的稳定性;同时仿真验证了该控制策略的有效性和鲁棒性。     

弹性高超声速飞行器预设性能精细姿态控制

将反演控制技术、预设性能控制和神经网络相结合,研究设计巡航飞行的高超声速飞行器精细姿态控制器。研究中考虑了高超声速飞行器弹性形变对飞行攻角的影响,引入诱发攻角的概念来刻画气动弹性对飞行器的影响;在考虑弹性的情况下,利用预设性能的设计来满足精细姿态控制的指标要求,同时可以兼顾系统的瞬态性能;利用全局调节动态神经网络在线逼近诱发攻角方程中的未知项,利用Lyapunov稳定性理论得到神经网络权值、中心点和影响范围的自适应调节律,引入鲁棒项来处理神经网络逼近误差的影响,最终设计出考虑气动弹性情况下的高超声速飞行器预设性能精细姿态控制器。通过Lyapunov稳定性理论证明了系统的稳定性以及闭环系统所有信号均有界,仿真分析验证了所设计的控制器能够使系统跟踪误差满足预设性能的要求,以此实现姿态精细控制。     

基于RBF神经网络的空空导弹控制器设计

应用倾斜转弯（Bank to Turn，BTT）及推力矢量控（Thrust Vector Control．TVC）技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响，为消除误差影响，引入RBF神经网络分别对快慢回路进行补偿，利用李亚普诺夫（Lyapunov）稳定性定理推导了神经网络权值、中心及带宽的自适应规律，并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究，结果表明RBF神经网络自适应控制方法补偿作用显著，不仅改善了控制系统的动态性能，而且使系统具有良好的抗干扰和容错能力。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

基于干扰观测器的电液位置伺服系统跟踪控制

针对电液位置伺服系统存在匹配和不匹配模型不确定性的问题,提出一种基于滑模的模型不确定性补偿控制策略。通过设计滑模观测器估计电液位置伺服系统的匹配和不匹配模型不确定性,以在控制器设计中将其补偿,有效地削减控制器不连续项增益。将观测器滑模面引入到控制器滑模面中构造新的控制器滑模面,消除不确定性的估计误差,以保证控制器良好的动态性能。此外,不使用系统加速度信息,以降低可测噪声对跟踪性能的恶化。通过Lyapunov稳定性理论验证了闭环系统的全局稳定性。仿真结果显示,与积分滑模控制策略相比,所提方法能够补偿电液位置伺服系统中存在的匹配和不匹配模型不确定性,同时削弱滑模控制的抖振,具有良好的跟踪性能和较强的鲁棒性。     

虚假数据注入攻击下的自适应补偿控制

针对信息物理系统的虚假数据注入、执行器受到攻击问题,提出系统执行器在受到常值虚假数据注入攻击与有界时变虚假数据注入攻击时的自适应补偿控制器设计方法。自适应补偿控制算法应用于虚假数据注入攻击中,所设计的自适应律具有收敛速度快、估计参数准确等优点。该补偿控制算法能够基本上补偿虚假数据注入攻击产生的影响,可以证明最终闭环系统的所有信号是有界的并且系统状态能够渐近收敛到0. 仿真实例验证了状态反馈自适应补偿控制器的有效性。     

运载火箭自适应增广抗扰减载控制

针对运载火箭上升过程中大干扰和不确定性影响将导致姿态跟踪误差大,以及弹性振动等附加动力学影响明显的问题,设计了自适应增广抗扰减载控制系统,以实现运载火箭姿态的精确控制。首先建立了运载火箭纵向运动模型和弹性振动模型,然后以标称PID(Proportion Integration Differentiation)控制和自适应增广控制(Adaptive Augmenting Control,AAC)为基础,设计干扰补偿回路和主动减载回路减小内外扰动、弹性振动和风载荷影响;最后在风干扰、参数不确定性和弹性振动影响下进行仿真分析。仿真结果表明,与传统PID控制相比,本文设计的自适应增广抗扰减载控制系统能够适应复杂环境的影响,可提高控制精度和稳定性,具有较强的工程应用价值。