欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略. 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欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.     

改进神经网络动态逆着舰控制方法

针对舰载机着舰过程中存在建模误差和舰艉流干扰问题,本文提出一种基于改进神经网络的动态逆控制方法,用以提高着舰控制器的精度和速度。通过在动态逆控制中引入神经网络,对模型误差进行动态补偿,以满足控制器对精度的要求。对神经网络进行改进,引入自适应学习率,提高了网络的收敛速度。仿真结果表明:改进的神经网络动态逆方法对建模误差有较好的抑制作用,收敛速度大大提高,稳态误差趋于零;对舰艉气流有很好的抑制作用,有效维持舰载机着舰姿态和速度,保证舰载机安全着舰。     

欠驱动船舶自适应神经网络有限时间跟踪控制

针对受动态不确定性和外界未知干扰影响下欠驱动水面船舶的轨迹跟踪控制问题,设计一种有限时间轨迹跟踪控制方案。采用神经网络重构船舶的动态不确定性,通过引入最小学习参数降低计算复杂度,设计自适应律逼近由不确定项和外界干扰组合而成的复合扰动的上界,并基于此设计一种基于最小学习参数的欠驱动船舶自适应神经网络有限时间轨迹跟踪控制方案。通过严格的理论分析后得出,该有限时间轨迹跟踪控制方案能够使闭环系统的所有信号都趋于有界,欠驱动船舶的位姿误差和速度误差都在有限时间内收敛到一个集合。仿真和比较验证了本研究所提出的有限时间控制方案的有效性。本研究中的有限时间控制方案不仅提高了船舶的瞬态性能和稳态性能,且控制器结构简单,更容易应用在工程中。     

航天器自适应有限时间反步控制

针对存在转动惯量不确定以及外部干扰的航天器姿态跟踪问题,提出基于反步法的自适应有限时间控制方法。建立四元数描述的系统模型,设计有限时间命令滤波器用以逼近虚拟控制律导数,从而避免反步法设计中的复杂性爆炸和奇异值问题。采用神经网络估计未知非线性函数,设计自适应有限时间控制器,保证系统跟踪误差有限时间收敛。仿真结果验证所提方法的有效性。     

带有鲁棒控制项的MIMO非线性系统的模糊控制

针对一类不确定多输入多输出（MIMO）非线性系统, 提出了一种新的鲁棒间接自适应模糊控制设计方案, 解决了提高模糊控制精度问题. 模糊逻辑系统用作逼近系统的未知函数, 根据跟踪误差给出了参数调节律, 用鲁棒控制项对未知的逼近误差进行补偿, 以此来减小逼近误差对跟踪精度的影响. 基于李亚普诺夫函数方法证明了所设计的控制方案不但能保证跟踪误差收敛到原点的小邻域内, 而且通过适当增大设计参数的值, 可使跟踪误差减小, 提高了控制精度.仿真结果表明了该方法的有效性.     

基于神经网络干扰观测器的Terminal滑模控制

针对一类非线性不确定系统,通过构建动态干扰观测器系统,提出一种快速神经网络干扰观测器。根据干扰观测误差在线调节神经网络权值,实现对未知综合干扰的逼近,逼近误差一致最终有界。基于神经网络干扰观测器设计了自适应Terminal滑模控制方案,严格证明了闭环系统状态在有限时间内收敛到零,从而提高了状态的收敛速度。最后,通过一个倒立摆的仿真例子,验证了系统的快速性和神经网络干扰观测器的逼近能力。     

具有输入死区的非线性纯反馈系统的Backstepping控制设计

针对一类具有未知死区的非线性纯反馈系统自适应神经网络控制问题,本文提出了基于径向基函数神经网络结构特征的控制设计方案。将未知输入死区表示成一个线性死区与一个有界非线性死区之和的形式,在控制设计过程中,通过神经网络系统逼近未知非线性函数,结合自适应Backsteeping方法及神经网络基函数向量的范数性质,设计了一种自适应神经网络状态控制器,并通过Lyapunov稳定性理论进行稳定性分析。分析结果表明,在该控制方案作用下,闭环系统的所有信号有界,跟踪误差收敛到原点一个足够小的领域,数值仿真验证了本文方法的有效性。该研究具有一定的实用价值。     

刚体航天器预设时间预设精度姿态跟踪控制

为研究刚体航天器在上界已知的外部扰动力矩作用下的姿态跟踪控制问题,提出了一种可以指定跟踪精度的预设时间姿态跟踪控制策略。首先,设计了一种预设时间扰动观测器,此观测器可以在指定的时间以内实现对有界外部扰动的高精度在线估计,利用其估计值可以对外部扰动力矩进行补偿。然后,在此扰动观测器的基础上,运用终端滑模控制方法,设计了一个（准）终端滑模面并构造了一个连续非奇异终端滑模姿态跟踪控制器。Lyapunov理论分析表明,本研究所提观测器、滑模面和控制器的收敛时间上界以及收敛完成以后姿态跟踪的误差上界均显式存在于观测器、滑模面和控制器的有关参数中,因而可以在控制器设计过程中很方便地对其进行调节,且不受初始条件的制约。最后,通过数值仿真验证了所提控制策略的性能。仿真结果表明,无论是收敛速度还是跟踪精度,预设值都是一个比较宽松的上界,实际性能有可能远远优于预设值,并且此算法对系统的建模不确定性也有比较好的鲁棒性。     

水下运载器多变量鲁棒输出反馈控制方法

针对存在较大参数不确定性和仅具有位置、姿态测量的水下运载器的六自由度位姿控制难题,提出一种基于自适应平滑增益滑模观测器和多变量积分Backstepping控制器的非线性控制方法.解决水下运载器的鲁棒输出反馈控制问题,使用基于Lyapunov稳定性理论的设计方法保证观测器 控制器系统的稳定性.设计的自适应平滑增益滑模观测器,克服常规滑模观测器中所存在的高频颤振现象,从而获得较平滑的速度估计值.当存在模型不确定性和有界未知干扰时,可以保证速度估计误差以指数速率收敛至较小的球域内.设计的多变量积分Backstepping控制器,可以保证系统的跟踪误差同样收敛至较小的球域内.以浙江大学正在研制的海王号ROV六自由度控制为研究对象,使用所提出的控制方法与传统PID控制器进行对比仿真研究.仿真结果表明,当存在较大参数不确定性、较强未知外干扰和测量噪声时,所提出的控制方法具有较强的鲁棒性能,可以很好地跟踪参考轨迹,获得较好的动态性能和稳态控制精度.性能明显优于常规PID控制器,并且解决了PID控制器所存在的转艏角设定值不能大于90°的问题.     

性能函数约束下的动力定位船轨迹跟踪控制

针对动力定位船的轨迹跟踪中经常涉及到控制偏差较大和跟踪误差无法估计的问题,本文提出了一种预设性能函数的约束控制方法。首先建立了三自由度简化的动力定位船运动学和动力学模型,根据模型特性设计了基于预设性能函数的反步自适应控制器,该控制方法能够保证动力定位船在执行轨迹跟踪任务过程中的暂态性能和稳态性能满足控制指标要求。然后通过Lyapunov稳定性判据,证明了满足预设性能前提下的系统稳定性并且能够快速收敛到平衡点的微小邻域内。实验结果表明:此方法减小了轨迹跟踪误差的超调量,保证了轨迹跟踪误差始终在预先设定的约束范围内。     

Neural adaptive attitude tracking controller for flexible spacecraft

In this paper,a neural network adaptive controller is proposed for attitude tracking of flexible spacecraft in presence of unknown inertial matrix and external disturbance.In this approach,neural network technique is employed to approximate the unknown system dynamics with finite combinations of some basis functions,and a robust controller is also designed to attenuate the effect of approximation error,more specially,the knowledge of angular velocity is not required.In the closed-loop system,Lyapunov stability analysis shows that the attitude trajectories asymptotically follow the reference output trajectories.Finally,simulation results are presented for the attitude tracking of a flexible spacecraft to show the excellent performance of the proposed controller and illustrate its robustness in face of external disturbances and unknown dynamics.     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

在轨服务航天器对失控目标的姿态同步控制

研究在轨服务航天器逼近与捕获失控目标过程中姿态同步的控制问题,设计了一种基于姿态四元数的姿态跟踪控制算法.通过建立服务航天器相对失控目标的姿态运动学与动力学,将服务航天器跟踪失控目标航天器姿态的控制问题转化为相对姿态的控制问题.考虑未知干扰和控制力矩受限的因素,并以相对姿态四元数的二阶形式描述相对姿态动力学,利用反馈线性化原理和自适应算法的思想,设计姿态同步的非线性反馈控制律.数学仿真的结果表明,设计的控制算法是有效的,具有较好的跟踪性能.     

输入有界的挠性航天器姿态跟踪滑模控制

针对三轴稳定挠性航天器输入受限的姿态跟踪问题,设计了一类滑模自适应姿态跟踪控制器,它能确保闭环系统在一定条件下具有全局渐近稳定性,且满足控制输入有界的要求;同时,该控制方案是一种模型独立的控制方法,不依赖于航天器结构参数及模态阶数,而且通过引入参数自适应控制律,使得控制器的设计也不依赖于参数不确定性和外部干扰力矩的界函数,具有较强的鲁棒性和工程实用性.最后根据给定的挠性航天器参数进行了数值仿真研究,结果表明在转动惯量存在较大不确定性和外部干扰的情况下,系统具有很好动态性能和有效地抑制控制输入饱和问题,表明所设计的控制方案有效可行,并具有一定潜在的工程应用前景.     

小型航天器浸入与不变自适应反步姿态跟踪

针对具有惯性张量不确定性、外干扰及饱和限制的小型航天器非线性姿态跟踪问题,将反步法和系统浸入与流形不变理论相结合,提出了分块自适应约束控制结构．航天器姿态模型由修正罗德里格参数进行全局非奇异描述．在设计反步控制器时,引入指令滤波器和修正跟踪误差信号以施加系统状态和执行器的饱和限制,同时较容易地获得虚拟控制导数．为提高反步控制器的鲁棒性和性能,利用基于不变流形的非线性观测器对时变的系统“总干扰”进行在线估计补偿．由于不变流形方法使得估计误差具有指定的一致稳定动态,因而该分块自适应控制器比传统的自适应反步控制器更容易调节,且性能不受未知的估计律动态的影响．李亚普诺夫直接方法证明了估计误差有界性和闭环系统输入状态稳定．数值仿真表明,与传统方法相比,所提出的控制器结构具有更高的姿态跟踪性能和干扰估计精度．     

Reinforcement-Learning-Based Appointed-Time Prescribed Performance Attitude Control for Rigid Spacecraft

This paper addresses a geometric control algorithm for the attitude tracking problem of the rigid spacecraft modeled on SO(3). Considering the topological and geometric properties of SO(3), we introduced a smooth positive attitude error function to convert the attitude tracking issue on SO(3) into the stabilization counterpart on its Lie algebra. The error transformation technique was further utilized to ensure the assigned transient and steady state performance of the attitude tracking error wi...     

考虑性能约束的航天器近距离悬停控制

本文主要研究了考虑预设性能的航天器交会对接中的近距离悬停控制问题.针对追踪航天器近距离悬停控制问题,首先基于追踪航天器的姿轨耦合模型设计了线性滑模控制器实现了近距离悬停任务.在此基础上,为对系统收敛过程中系统状态的暂态性能进行约束,设计了基于预设性能的滑模控制器.同时,为减少系统状态的收敛时间,针对预设性能中的性能函数...     

组合体航天器的姿态无模型自适应控制

为解决转动惯量参数未知组合体航天器的姿态精确控制问题,基于无模型自适应控制方法设计了一种不依赖于航天器精确动力学模型的组合体航天器姿态无模型自适应控制算法.首先,基于单输入单输出离散时间系统的数据驱动控制方法推导得出无模型自适应控制方程;然后,将无模型自适应控制方法拓展到组合体航天器姿态控制中,设计应用于组合体航天器姿态控制的无模型控制器;此外,为了缩短控制收敛时间,结合组合体航天器动力学特性,对姿态无模型控制器的控制过程进行优化设计;最后,以在轨服务航天器目标抓捕后的操作为研究背景进行组合体航天器的无模型自适应控制算法和无模型控制过程优化算法的数学仿真,验证了算法的有效性和可行性.数学仿真结果表明:所设计的组合体航天器无模型自适应算法有效,能够实现惯性参数未知的组合体航天器的姿态精确控制;且通过无模型控制过程优化设计,可以实现组合体航天器姿态控制过程的快速收敛;同时,该算法具有较高的控制精度.     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

近距离跟踪指向空间非合作目标有限时间控制

追踪航天器在对空间非合作目标进行近距离跟踪与监视时,需要接近非合作目标并从特定方位保持对目标的指向与观测.针对非合作目标存在姿态翻滚以及未知轨道机动时追踪航天器保持近距离跟踪与指向的问题,在视线坐标系和体坐标系下分别建立了相对轨道和姿态的动力学方程,并构建了对轨道与姿态同步控制的六自由度模型,利用RBF神经网络对系统不确定性及未知的目标运动参数进行自适应估计和补偿,采用反步法思想设计控制器使追踪航天器在有限时间内收敛到期望的相对轨道和姿态并维持保持状态.进一步考虑控制输入饱和、死区等非线性特性,对控制律进行改进.改进后的控制算法可以有效地提高控制精度,仿真结果验证了控制对象模型和控制算法的有效性.