充液箱位置对航天器耦合特性影响分析

分析了液体非线性晃动时充液箱位置对带弹性帆板充液航天器刚-液-弹之间耦合特性的影响.假设耦合系统绕系统质心做俯仰运动,首先采用已推导的刚-液-弹耦合系统俯仰运动非线性动力学方程组,得到系统固有频率,给出固有频率简单近似解析表达式,分析充液箱位置对系统各阶固有频率的影响.随后应用多尺度法对耦合系统液体一阶主共振进行解析分析,发现充液箱位置是决定幅频曲线软、硬特性转换点的重要参数.给定外激励力矩时,不同充液箱位置稳态解对应多解现象,并随着激励频率改变,稳态解幅值随充液箱位置的变化曲线发生分岔.     

考虑测量不确定和输入饱和的充液航天器自适应鲁棒控制

本文研究了三轴稳定充液航天器控制系统中同时存在测量不确定,外部未知干扰,参数不确定和控制输入饱和的鲁棒自适应姿态机动控制问题.建模过程中,将晃动液体燃料等效为粘性球摆模型,采用动量矩守恒定律推导出充液航天器的耦合动力学方程.提出了一种将反步控制方法结合非线性干扰观测器和指令滤波器的鲁棒饱和输出反馈复合控制策略,该控制策略不仅能继承反步控制方法的优点,而且通过引入非线性干扰观测器实现对未知外部干扰,参数不确定以及测量不确定的补偿,还能利用指令滤波器处理控制力矩输入饱和的不利影响.基于Lyapunov稳定性分析方法证明了系统状态变量的渐进稳定性.仿真结果验证了提出控制方法的有效性和鲁棒性.     

基于SPH的充液刚体刚-液耦合动力学建模

本文考虑刚-液耦合效应,基于SPH方法建立充液刚体动力学模型,该动力学模型不仅适用于微幅晃动问题,还适用于大幅晃动问题.首先建立了非惯性系下液体晃动的方程,其中,边界条件采用镜像虚粒子法.通过计算各流体粒子的绝对加速度,得到粒子惯性力对刚体质心的主矢和主矩,用达朗贝尔原理计算得到向质心简化的晃动力和晃动力偶矩,并引入刚体的约束方程,建立了考虑刚-液耦合的充液刚体的动力学方程.首先对给定周期性运动的充液刚体的液面振荡进行数值仿真,验证了建模方法的有效性;然后通过对受周期性激励力作用的充液刚体的运动和液面振荡进行数值仿真,分析了不同参数下系统的刚-液耦合特性.     

输入饱和的充液航天器抗干扰有限时间滑模控制

研究三轴稳定充液航天器姿态控制过程中存在外部未知干扰、参数不确定和输入饱和的问题,提出一种抗干扰有限时间滑模控制的姿态机动控制方法.将部分充液贮箱内液体燃料晃动等效为球摆模型,采用动量矩守恒定律推导出充液航天器耦合动力学方程.首先,设计有限时间积分滑模干扰观测器,保证控制系统中集总干扰可以在有限时间内被估计;然后,基于...     

基于非线性L1自适应动态逆的飞行器姿态角控制

钊对常规动态逆控制器不能有效抵消系统中的不确定性这一缺点,提出了一种非线性L_1自适应动态逆控制方法.该方法能够克服常规动态逆的不足,在保证系统鲁棒性的前提下,提升飞行器姿态角控制效果.首先,采用时标分离原理,将姿态角控制系统分为内外两个回路:外回路采用常规动态逆控制器,用于姿态角的跟踪控制;内回路采用非线性L_1自适应控制器,用于角速率的控制.其中,L_1自适应控制器由静态反馈控制器和自适应控制器组成:静态反馈控制器通过状态反馈实现,用于保证内回路的稳定和具有期望的闭环特性;自适应控制器由状态观测器、自适应律和控制律组成,用于抵消系统中的不确定性.其次,对所提控制方法的稳定性进行了分析,结果证明了该控制方法能够保证内回路的稳定和外回路的误差有界.最后,在综合考虑多种不确定性的情况下,将本文提出的非线性L_1自适应动态逆控制方法用于某无人飞行器姿态角控制,仿真结果验证了该控制方法的有效性和鲁棒性.     

基于逆系统方法的DGMSCMG框架伺服系统解耦控制研究

双框架磁悬浮控制力矩陀螺(Double-gimbal magnetically suspended control moment gyroscope, DGMSCMG)的框架伺服系统是一个多变量、非线性且强耦合的复杂系统. 为了进一步提高框架伺服系统的控制精度,本文提出了一种基于电流模式的动态逆系统解耦方法,通过对功放系统的动态补偿有效克服了未建模动态对解耦性能的影响,采用自适应滑模控制器有效提高了系统的跟踪特性. 对比仿真结果证明了该方法的有效性和优越性     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.     

充液挠性航天器时变滑模控制及振动抑制

针对存在外界未知干扰、参数不确定问题的刚-液-柔多体耦合航天器姿态控制进行了研究.将液体燃料的晃动等效为球摆模型,挠性附件假设为欧拉-伯努利梁,建立了多体耦合航天器动力学方程.首先,设计了积分滑模干扰观测器,使其能够在有限的时间范围内对控制系统的集总扰动实现准确估计;其次,以此干扰观测器为基础,设计了一种时变滑模控制方法,该控制运用双曲正切函数;最后,结合光滑整形技术,设计出零振动指令光滑器,从而抑制液体晃动和挠性附件振动.数值仿真结果表明：本文所设计的控制方案具有可行性和有效性,多模态充液挠性航天器在姿态机动过程中所引起的残余振动可以得到有效抑制.     

基于自适应逆的鲁棒容错飞行控制方法研究

研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.     

充液航天器的鲁棒固定时间终端滑模容错控制

本文以三轴稳定充液航天器为研究背景,在其进行姿态机动控制过程中充分考虑了外部未知干扰、参数不确定、执行器故障和控制输入饱和等因素的影响,提出了一种固定时间终端滑模控制策略.动力学建模过程中,利用粘性球摆等效力学模型模拟液体燃料小幅晃动,通过拉格朗日方程推导出航天器的耦合动力学模型.姿态控制器设计过程中,首先构造固定时间...     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

基于自适应动态规划的移动装弹机械臂轨迹控制

针对移动装弹机械臂系统非线性、强耦合、受多种不确定因素影响的问题,本文基于自适应动态规划方法,提出了仅包含评价网络结构的轨迹跟踪控制方法,有效减小了系统跟踪误差.首先,考虑到系统非线性特性、变量间强耦合作用及重力因素的影响,通过拉格朗日方程建立了移动装弹机械臂的动力学模型.其次,针对系统存在不确定性上界未知的问题,建立...     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

一类机械臂系统自适应有限时间有界H∞跟踪控制

考虑一种电机驱动的单连杆机械臂系统在受到输出约束时的自适应有限时间H∞跟踪控制问题.一个有限时间有界H∞性能的新概念被提出,并结合障碍Lyapunov函数(BLF)、神经网络自适应技术、有限时间控制理论和H∞控制理论,提出了一种该系统在输出受限条件下的自适应神经有限时间有界H∞跟踪控制器设计方法,避免了许多有限时间控制...     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

基于观测器的机械手神经网络自适应控制

提出了一种基于观测器的机械手神经网络自适应轨迹跟随控制器设计方法,这里机械手的动力学非线性假设是未知的,并且假设机械手仅有关节角位置测量.文中采用一个线性观测器重构机械手的关节角速度,用神经网络逼近修正的机械手动力学非线性,改进系统的跟随性能.基于观测器的神经网络自适应控制器能够保证机械手角跟随误差和观测误差的一致终结有界性以及神经网络权值的有界性,最后给出了机械手神经网络自适应控制器-观测器设计的主要理论结果,并通过数字仿真验证了所提方法的性能.     

Adaptive neural prescribed performance control for a class of strict-feedback stochastic nonlinear systems under arbitrary switchings

This paper presents an adaptive neural tracking control scheme for strict-feedback stochastic nonlinear systems with guaranteed transient and steady-state performance under arbitrary switchings. First, by utilising the prescribed performance control, the prescribed tracking control performance can be ensured, while the requirement for the initial error is removed. Second, radial basis function neural networks approximation are used to handle unknown nonlinear functions and stochastic disturbances. At last, by using the common Lyapunov function method and the backstepping technique, a common adaptive neural controller is constructed. The designed controller overcomes the problem of the over-parameterisation, and further alleviates the computational burden. Under the proposed common adaptive controller, all the signals in the closed-loop system are 4-Moment (or 2 Moment) semi-globally uniformly ultimately bounded, and the prescribed tracking control performance are guaranteed under arbitrary switchings. Three examples are presented to further illustrate the effectiveness of the proposed approach.     

基于动态递归模糊神经网络的自适应电液位置跟踪系统

提出了动态递归模糊神经网络(DRFNN)以在线估计电液位置跟踪系统中包括非线性、参数不确定性、负载干扰等在内的未知动态非线性函数,基于lyapunov稳定性理论推导出DRFNN可调参数和估计误差的界的自适应律,并构造出稳定的自适应控制器.实验结果表明:基于DRFNN的自适应控制器可使电液位置跟踪系统具有较强的鲁棒性和满意的跟踪性能.     

Spatial Trajectory Tracking Control of a Fully Actuated Helicopter in Known Static Environment

In this paper, we consider the control problem of tracking a 3D spatial trajectory for a fully actuated helicopter in static known environment, which is predefined to avoid obstacles and collisions considering the distance, fuel consumption and other related constraints. For this purpose, a nonlinear controller using the radial basis function neural network (RBFNN) is designed. Based on Lyapunov analysis, the proposed adaptive neural network control succeeds in tracking the desired trajectory robustly to a small neighborhood of zero, and guarantees the boundedness of all the closed-loop signals at the same time. Extensive numerical results are given to illustrate the effectiveness of the designed controller.     

Specificity enhancement in classification of breast MRI lesion based on multi-classifier

In the conventional CMAC-based adaptive controller design, a switching compensator is designed to guarantee system stability in the Lyapunov stability sense but the undesirable chattering phenomenon occurs. This paper proposes a CMAC-based smooth adaptive neural control (CSANC) system that is composed of a neural controller and a saturation compensator. The neural controller uses a CMAC neural network to online mimic an ideal controller and the saturation compensator is designed to dispel the approximation error between the ideal controller and neural controller without any chattering phenomena. The parameter adaptive algorithms of the CSANC system are derived in the sense of Lyapunov stability, so the system stability can be guaranteed. Finally, the proposed CSANC system is applied to a Chua’s chaotic circuit and a DC motor driver. Simulation and experimental results show the CSANC system can achieve a favorable tracking performance. It should be emphasized that the development of the proposed CSANC system doesn’t need the knowledge of the system dynamics.