基于非线性动态逆的UAV航迹鲁棒跟踪控制研究

针对UAV执行复杂任务产生的航迹规划制定困难的问题,利用PH(Pythagorean Hodograph)曲线曲率精确可知及其为参数化曲线的特点,建立了UAV航迹跟踪控制的运动学模型,给出了一种基于非线性动态逆的鲁棒自适应跟踪控制器设计方法。根据非线性动态逆跟踪控制方法,设计了UAV航迹的跟踪控制律;考虑风等干扰因素的影响,采用RBF神经网络对干扰进行在线估计并补偿,引入鲁棒自适应控制项,克服干扰误差。根据PH曲线航迹规划特点设计控制器,降低了控制器设计的复杂程度,提高了计算和跟踪效率。仿真结果表明,设计的鲁棒自适应跟踪控制器具有较高的跟踪精度及很强的鲁棒性。     

基于切换视线法的欠驱动无人艇鲁棒自适应路径跟踪控制

针对欠驱动无人艇（USV）的航路点路径跟踪问题,提出了一种鲁棒自适应控制方法。设计了一个新的切换型视线（LOS）法制导律,以引导USV始终以最佳LOS圆半径趋向期望路径。与传统制导律相比,切换型LOS法制导律具有运算负载小、收敛速度快的特点。考虑到USV模型的不确定性及环境干扰未知时变性,开发了一种复合神经网络控制器来增强系统鲁棒性。通过在网络输入中增加预测误差信息,以提高网络逼近精度。同时,引入最小学习参数思想优化网络结构,对神经网络的在线自适应参数进行压缩,以减轻网络计算负担,并借助李雅普诺夫理论对系统的稳定性进行了分析。通过对比仿真实验验证了所提出控制策略的有效性。     

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。     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法

针对野外环境中自动驾驶履带车辆轨迹跟踪控制问题,考虑建模误差、参数不确定性及外界随机强干扰,以强鲁棒性及精确跟踪为目标,提出一种基于误差符号鲁棒积分的自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法.基于拉格朗日动力学方程建立自动驾驶履带车辆的运动学与动力学耦合模型;采用自适应控制方法实现对模型的精确前馈补偿,抵消模型非线性...     

临近空间高超声速飞行器自适应反演滑模控制

针对飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,基于反演思想和滑模变结构控制方法,提出了一种飞行器自适应反演滑模控制器设计方法。该方法在反演设计的每一步都采用自适应滑模控制对各种不确定项及外界干扰进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了跟踪误差收敛于原点附近任意小邻域。仿真结果验证了该方法满足跟踪性能要求。     

直接力/气动力复合控制非线性控制律研究

针对直接力／气动力复合控制非线性弹体模型，通过单通道的设计和仿真，进行了非线性控制律的验证。控制律是在反馈线性化（非线性动态逆）的基础上结合模糊控制和神经网络——FCMAC的优点，采取的一种鲁棒自适应方法，对导弹的非线性模型进行了控制器的设计。仿真结果表明了该控制方案的可行性。     

无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

基于自适应模糊神经网络的非线性系统鲁棒故障诊断

针对一类非线性闭环稳定系统，在考虑噪声干扰和系统参数不确定误差条件下，用自适应模糊系统进行非线性补偿，提出了一种基于自适应模糊状态观测器实现状态观测和故障检测，再由RBF神经网络故障逼近器实现故障在线跟踪的鲁棒故障诊断方法。为确保观测器和诊断系统的鲁棒性，给出了闭环系统在有界噪声干扰和系统不确定误差下的稳定性定理，并进行了证明。     

USV跟踪运动仿真研究

针对无人水面航行器(USV)的欠驱动特性,研究了其在水平面内的轨迹跟踪问题。基于Lyapunov直接法及串接-反步技术,采用一种带有动力学震荡器的跟踪误差变换,设计了一种统一的连续时变状态反馈控制律,并给出了参数自适应更新律以估计USV的非线性阻力参数,使得USV的位置及方向角的跟踪误差全局渐近收敛,并且USV的跟踪性能与外界干扰的大小无关。仿真结果证明所提出的方法是有效的。     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器,控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段,PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下,可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律,也辩识移动机器人动力学模型,通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.     

基于视线导引策略的无人艇航迹跟踪控制算法

为实现复杂海洋环境下无人艇对期望航迹的精确跟踪和安全航行控制问题,对目前用于无人艇航迹跟踪控制的视线导引策略进行了详细研究,可分为基于前视距离的视线导引策略和基于包围圈的视线导引策略两大类,并分析了两类算法各自的优缺点。建立无人艇数学模型,基于前视距离的视线制导策略和PID控制思想设计无人艇航迹跟踪控制算法。仿真实验结果表明：所提算法具有良好的航迹跟踪控制效果,可为现阶段我国无人艇自主航行控制技术的研究和无人艇装备建设提供参考。     

深海着陆车路径规划及跟踪控制方法

为降低深海着陆车(DSLV)在复杂海底自主作业时规划路径长度及提高路径跟踪精度,提出一种变参数蚁群算法及自适应权重模型预测控制算法。改进了蚁群算法的启发算子和信息素挥发因子,减少规划路径长度和寻优迭代次数;基于DSLV运动学方程建立预测模型,并在跟踪目标函数中引入自适应权重调节思想。仿真结果表明：规划路径长度降低4.60%,跟踪精度提高47.6%;相比传统方法,新算法具有更好的性能,实现了短距离、高精度的路径规划及跟踪。     

基于自适应神经网络Backstepping 空中加油编队飞行控制

为解决无人机自主空中加油过程加油机和受油机编队飞行控制的问题,提出了对受油机采用导引回路和 姿态回路分离控制策略,采用L1 导引算法设计一种基于自适应神经网络Backstepping 飞行控制器。将改进的L1 导 引算法应用于受油机的横向和纵向的导引,使用自适应神经网络补偿受油机受到的外界的干扰和系统模型误差,神 经网络权值矩阵通过自适应律在线更新,并结合Backstepping 控制方法设计受油机的控制律。仿真结果表明：在受 油机与加油机编队飞行过程中,该设计方法能有效提高受油机的跟踪精度和抗干扰能力,解决空中加油编队飞行控 制问题。     

基于自适应神经网络Backstepping空中加油编队飞行控制

为解决无人机自主空中加油过程加油机和受油机编队飞行控制的问题,提出了对受油机采用导引回路和 姿态回路分离控制策略,采用L1 导引算法设计一种基于自适应神经网络Backstepping 飞行控制器。将改进的L1 导 引算法应用于受油机的横向和纵向的导引,使用自适应神经网络补偿受油机受到的外界的干扰和系统模型误差,神 经网络权值矩阵通过自适应律在线更新,并结合Backstepping 控制方法设计受油机的控制律。仿真结果表明：在受 油机与加油机编队飞行过程中,该设计方法能有效提高受油机的跟踪精度和抗干扰能力,解决空中加油编队飞行控 制问题。