一种改进的非线性MIMO系统鲁棒自适应反推控制

针对一类具有模型不确定性和未知外界干扰的严反馈非线性MIMO系统,提出一种基于RBF神经网络和反推控制的鲁棒控制律设计方法。应用RBF神经网络在线逼近模型的不确定性,引入低通滤波器消除反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个自适应鲁棒控制项来补偿神经网络逼近误差和未知外界干扰的影响,提高系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界;通过适当选择设计参数及初始化误差变量,跟踪误差可收敛到原点的一个任意小邻域内,且跟踪误差的L∞跟踪性能被保证。数值仿真验证了方法的有效性。     

超机动飞行快回路的自适应模糊滑模控制

针对超机动飞行快回路的不确定非线性模型,提出了一种利用自适应模糊滑模控制器算法。在所得的最终控制信号中,采用模糊逻辑系统来逼近未知系统函数和开关项;所设计的鲁棒自适应律用来减小逼近误差,从而有效降低抖振。仿真结果表明,所设计的控制律能在过失速机动条件下控制飞机跟踪指令飞行,确保系统具有良好的动态和稳态性能,而且控制器具有很强的鲁棒性。     

拦截大机动目标的三维智能制导律设计

为解决大机动目标拦截过程中加速度信息难以预测的问题,利用自适应RBF神经网络和反步滑模控制技术提出一种新型三维智能制导律。首先,基于零化视线角速率的思想,建立了拦截机动目标的三维制导模型,并结合反步滑模算法设计了有限时间制导律;然后,将目标加速度信息视为控制系统的不确定性,采用RBF神经网络对其进行在线估计和补偿,同时设计自适应切换增益以抑制控制系统抖振;最终,基于Lyapunov直接法证明了整个闭环控制系统的稳定性,并通过对比仿真验证了所提三维制导律的有效性和优越性。     

带有指令滤波器的模糊反步自适应控制

针对固定翼飞行器在飞行控制过程中存在的状态受限以及执行器物理特性限制等问题,提出了一种带有指令滤波器的反步模糊自适应控制器。首先,建立带有误差项的MIMO严反馈系统;其次,建立模糊系统在线逼近子系统误差项,基于Backstepping法对每一个子系统设计虚拟控制律;再次,考虑状态受限和执行器的物理特性(包括幅值和速率受限),将设计的虚拟控制律通过引入幅值、速率和带宽限制的指令滤波器,对滤波误差项进行补偿;最后,运用Lyapunov稳定性定理证明了闭环系统有界且跟踪误差指数收敛于零的一个邻域内。仿真结果表明,设计的控制器具有很强的稳定性和鲁棒性。     

四旋翼飞行器的RBF网络自适应滑模控制

针对带有不确定性的四旋翼飞行器系统,提出一种滑模控制和神经网络自适应相结合的混合控制方法。该方法在滑模控制的基础上,考虑到实际系统中通常存在建模不精确、参数未知等不确定性,构造RBF神经网络在线逼近系统模型的未知函数,采用Lyapunov方法设计自适应律在线估计神经网络权值和模型未知参数,并通过Lyapunov定理验证了系统的稳定性。仿真结果表明,该方法相对于RBF神经网络的自适应PID控制,具有更短的调节时间、更小的超调量和更好的抗干扰能力,同时在模型参数发生变化的情况下,该控制器的鲁棒性能更强。     

质心不重合的移动机器人自适应滑模轨迹跟踪控制

针对一类质心和几何中心不重合的移动机器人的轨迹追踪问题,结合反演滑模自适应控制算法设计移动机器人轨迹跟踪控制器.首先,设计一种新的变参数滑模趋近律,并基于该趋近律对移动机器人控制器进行设计,使得系统在给定初始误差时移动机器人仍能跟踪目标轨迹.其次,针对一类质心距离已知的情况,基于移动机器人运动学模型,采用反演滑模控制算法对移动机器人的闭环系统控制器进行设计.并在给定系统初始值的情况下,通过选用合适的参数来优化移动机器人控制系统的整体性能,使得控制系统跟踪误差渐近收敛,移动机器人跟踪给定目标轨迹.然后,针对移动机器人质心距离未知的情况,采用反演滑模控制,引入自适应控制算法对未知参数进行估计,设计轨迹跟踪控制器,并通过Lyapunov函数对移动机器人控制系统进行全局稳定性证明.最后,将设计的新型趋近律结合Backstepping控制与自适应控制通过MATLAB仿真进行对比验证,验证了所设计的控制方法的有效性.     

基于RBF神经网络的固定时间控制器设计

本文针对一类严格反馈非线性系统的跟踪问题,提出了基于RBF神经网络的固定时间控制器设计。为避免反步法中的“微分爆炸”现象和解决传统动态面滤波器跟踪误差在靠近原点收敛速度较慢的问题,设计了固定时间收敛的控制律、新型滤波器与参数自适应律。通过李雅普诺夫稳定理论分析了系统的稳定性,证明了系统误差在固定时间内收敛,且不依赖于系统的初始状态。最后,通过对比仿真验证了该算法的有效性。     

基于自适应反步跟踪的反馈调整稳定性控制算法

当飞机在大回环飞行中,由于受到空气动力学的扰动较大,需要进行飞行姿态稳定性控制,传统方法采用分段线性化控制方法,在大扰动条件下,飞行过程中各段的控制误差不断方法,导致飞行稳定性不好。提出一种基于自适应反步跟踪的飞行器反馈调整稳定性控制算法。构建大回环飞行中的飞行稳定性控制的参量模型系统,考虑外界干扰的情况下,进行飞行器反馈调整稳定性控制目标函数构建,采用自适应反步跟踪方法拟合控制过程的状态误差响应,实现控制器优化设计。仿真结果表明,采用该算法进行飞行器的稳定性控制,系统误差受到外界扰动的影响较小,控制器的自适应收敛性较高,展示了较好的应用性能。     

基于神经网络的一类非线性系统自适应反步控制

针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件,提出一种新的基于神经网络的一类非线性系统自适应反步控制器设计方案.使用三层神经网络逼近系统的非线性特性,通过网络权系数自适应调整来不断的在线估计未知的逼近误差上界,采用有σ修正项的自适应律以放松持续激励条件.给出了基于Lyapunov意义上的闭环系统稳定性分析,证明跟踪误差收敛于原点的一个ε领域内.仿真结果表明了所提反步控制器的正确性.     

基于动态规划的无人机编队最优协同容错控制

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响,提出了一种基于动态规划的最优协同容错控制律。首先,建立了四旋翼无人机模型,然后,基于动态规划设计了最优协同控制律,利用RBF神经网络逼近最优性能指标函数,设计了自适应律来估计未知的执行器故障,最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果,编队飞行的最大轨迹跟踪误差仅为0.04 m,控制精度较高,设计的自适应律具有更优的故障估计效果,最大估计误差仅为0.05 N·m,实现了对四旋翼无人机编队的安全稳定控制。     

参数不确定高超声速飞行器自适应模糊H_∞控制

针对具有参数不确定性特点的高超声速飞行器输出跟踪问题,提出了一种自适应模糊H∞控制器设计方法。考虑系统存在的参数不确定性,利用自适应模糊系统在线逼近动态逆控制器中的非线性项,同时引入鲁棒补偿项,减轻模糊系统逼近误差和系统外部干扰对控制系统稳定性造成的影响,提高控制器的H∞性能。利用Lyapunov理论对整个系统的稳定性进行证明。对比仿真结果表明该方法能够保证高超声速飞行器具有良好的跟踪性能和很强的鲁棒性。     

空空导弹的神经网络自适应终端滑模末制导律

主要研究空空导弹的末制导问题。简单研究了三维比例导引律,基于Terminal滑模控制方法提出一种新型的三维末制导律,并分析了它的不足,在此基础上进行改进,从而提出基于RBF神经网络的自适应快速终端滑模(AFTSM)制导律。该制导律在非线性系统的精确模型未知的情况下,通过RBF神经网络对非线性模型进行逼近,并根据Lyapunov方法设计了参数自适应律。最后对所研究的导引律在目标机动情况下进行仿真验证,仿真结果表明,该制导律与比例制导相比有较大的性能改善。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

四旋翼飞行器模型参考自适应容错控制

针对四旋翼飞行器执行器发生故障同时存在扰动时的姿态控制问题,设计了一种基于模型参考自适应(MRAC)的容错控制器。通过分析四旋翼飞行器的动力学特性,将执行器故障以加性因子的形式加入系统模型中,得到执行器故障下的动力学模型。所设计控制器的自适应律由参考模型和执行器故障下的模型的误差信号驱动,可实现较好的姿态控制。利用Lyapunov的分析方法证明了所设计控制器的渐进稳定性,最后在Matlab下进行了仿真实验。仿真结果表明,系统能克服扰动且在执行器故障下可良好地跟踪参考姿态角,验证了该算法的可行性和有效性。     

BTT导弹自适应反演控制律设计与仿真

针对倾斜转弯(BTT)导弹控制中的多变量强耦合问题,研究了一种适用于BTT导弹的反演算法,以实现自动驾驶仪的自适应解耦控制。根据BTT导弹控制的基本特性,建立导弹的非线性控制模型,并将其转化为适合于反演设计的反馈块模型。在此模型上,基于反演的非线性控制系统综合设计方法,加入自适应神经网络逼近系统中存在的不确定性,利用Lyapunov稳定性定理推导了自适应调节律,设计了导弹控制律。通过仿真验证了该设计方法的有效性和可行性,该控制器能够实现控制解耦目的,且对指令信号跟踪效果良好。     

执行器带未知不对称死区的一类仿射非线性系统的神经网络自适应控制器的设计

 本文针对一类执行器带未知死区的仿射非线性系统,提出了一种新型的神经网络自适应控制器的设计方法,该方法首先引入一个神经网络来估计对象的部分未知非线性动态行为,再基于隐函数定理构造另一个静态神经网络作为新型补偿器以补偿执行器的未知不对称的死区非线性.本文利用Lyapunov理论在给出光滑的控制律的同时严格证明了整个闭环系统的跟踪误差以及各个神经网络权参数的一致最终有界性,而且通过调节设计参数可以使系统的跟踪误差收敛到零附近的一个小邻域内.本文提出的控制方案可以保证对象在线稳定地跟踪任何光滑的目标轨迹,仿真研究表明了此控制方案的可行性和有效性.     

干扰观测器补偿的四旋翼飞行器自适应离散终端滑模控制

传统的离散线性滑模应用于四旋翼飞行器控制具有跟踪误差大、响应速度慢、不能有限时间收敛等问题,针对具有外干扰、系统不确定和建模误差的四旋翼飞行器,提出了干扰观测器补偿的自适应离散终端滑模控制。首先,对一类包括四旋翼飞行器模型的离散化方程推导了终端滑模控制律,引入自适应律因子减小抖振,构造了以状态变量的平方作为干扰误差收敛速度的改进型离散干扰观测器,且证明了它的稳定性,再利用改进的离散干扰观测器获取未知干扰、不确定和建模误差的高精度估计,并用于控制器设计补偿项,提高鲁棒性和减小稳态误差,再对整个系统的稳定性做了严格的证明。最后将提出方法用于四旋翼飞行器控制,Matlab仿真分析表明,干扰观测器补偿的自适应离散终端滑模控制比离散终端滑模等其他控制方法具有响应时间更快、跟踪效果更理想、鲁棒性更强等特点,实现了在不确定干扰的情况下飞行器姿态的稳定控制。     

一种改进的空空导弹三维变结构导引律

空空导弹采用变结构导引律攻击大机动目标时存在视线角速率易发散和变结构参数项不易确定等缺点。针对上述问题,在变结构控制理论的基础上,提出一种基于变指数趋近律的参数自适应变结构三维导引律,利用多输入多输出RBF神经网络对变结构参数项进行在线调整。仿真结果表明,该导引律能有效削弱变结构控制的抖振,进一步提高导引精度,具有很强的自适应能力和鲁棒性,满足空空导弹战术指标要求。     

神经网络动态逆在歼击机安全着陆中的控制

给出了基于神经网络动态逆的自适应跟踪控制方法,用以解决飞机着陆过程中的复杂非线性和出现舵机故障的情况.应用神经网络直接对非线性系统故障模型求逆,使得所设计的逆系统能够包含故障信息,克服了传统的控制设计中将过程模型线性化,从而将不可忽视的非线性关系用线性关系代替或忽略的弊端.对由于建模误差、不确定性因素等引起的非线性系统逆误差,通过自组织模糊小脑模型关节控制器(SOFCMAC)神经网络在线进行修正.并在此基础上对3个通道分别设计了参考模型和线性控制器,以实现对伪线性系统进行跟踪控制.通过将这种方法用于某型歼击机在着陆过程中发生平尾卡死故障控制的过程仿真,验证了该方法的可行性.     

近空间可变翼飞行器爬升/巡航段切换控制

近空间可变翼飞行器在不同飞行段进行模态切换过程中,由于飞行状态会发生突变,不同模态下控制器结构参数发生变化,难以设计一个通用控制器保证两个模态及模态切换过程的稳定性和平滑性。若直接进行两个模态控制器硬切换,会导致飞行器的控制律参数发生跳变,从而引起飞行状态发生突变,影响模态切换过程的稳定性和平滑性,致使系统不稳定,造成飞行事故。以爬升段末到巡航段初为例,设计一种基于惯性环节的快速双幂次滑模切换控制器。首先对切换前后的滑模面进行淡化处理,得到切换控制律的滑模面,然后针对新的滑模面设计滑模切换控制律,最后对比分析直接切换和快速双幂次滑模切换。仿真结果表明快速双幂次滑模切换控制方法具有良好的跟踪控制效果。