无人机非线性动态逆控制器的设计研究

针对现代无人机上采用非线性飞行控制的趋势,概述了动态逆方法的发展、特点及应用。结合无人机飞行控制特点,基于奇异摄动原理,将无人机非线性运动方程分解为快慢不同的3个模态,采用动态逆方法设计了无人机非线性状态逆控制器,仿真结果表明,动态逆控制器能够较好地实现对无人机的跟踪控制。     

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

基于轨迹线性化方法的导弹动态逆控制系统设计

基于动态逆控制及轨迹线性化方法,研究了一种新的导弹鲁棒自适应控制系统设计方法.首先,基于导弹的非线性模型设计快、较慢回路的动态逆控制器,以实现其非线性解耦;然后,在较慢回路中设计鲁棒自适应轨迹线性化控制器,以补偿整个控制系统的不确定性及干扰,即在轨迹线性化控制的基础上,通过设计RBF神经网络在线估计系统中存在的不确定性...     

基于RBF神经网络的导弹鲁棒动态逆控制

讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把逼近误差引入到网络权值的调节律以改善系统的动态性能;鲁棒控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪精度的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪精度的影响减小到给定的性能指标。最后通过仿真分析,验证了该方法的有效性。
     

高超声速飞行器动态神经网络反推自适应控制

针对高超声速飞行器纵向模型的高度非线性特点,在考虑模型不确定性的情况下,提出了高超声速飞行器动态神经网络调节函数反推自适应控制方法.对给定的速度指令,引入积分型Lyapunov函数设计跟踪控制器,取消了控制增益一阶导数上界的限制,且避免了控制器的奇异性;对给定的高度指令,引入调节函数技术,设计了反推控制器,避免了将模型化为严反馈形式;采用动态神经网络对未知系统动态进行自适应在线逼近.根据Lyapunov理论证明了设计的控制律保证了闭环系统的稳定性与指令跟踪的精确性.仿真结果验证了该方法的可行性及有效性.     

基于某无人机操纵面故障重构控制方法研究

操纵面故障会直接影响无人机执行任务的效率和生存力.针对某多操纵面无人机给出了一种神经网络自适应重构控制方法,并在理论上证明了该方法的有效性.该重构控制方法可对建模不准确和操纵面故障(卡死、受损或松浮)等因素引起的逆误差进行有效补偿.仿真结果表明,所设计的神经网络重构控制方法,不仅可以补偿系统建模误差和参数摄动对控制系统的影响,还可以对故障操纵面在线重构控制律,使操纵面故障飞机能够继续执行任务,提高了飞机的稳定性、操纵性和生存力.     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

基于动态逆和神经网络的机动弹头姿态控制系统设计

机动弹头是复杂的非线性系统,它给姿态控制系统设计人员以极大的挑战。为了满足飞行稳定性要求,提高系统的适应性和鲁棒性,本文构造了动态逆神经网络姿态控制系统,设计了慢变量和快变量动态逆,引入了在线神经网络进行逆误差的补偿。实例仿真的结果表明:动态逆和在线神经网络的结合,能够实现弹头的稳定飞行。     

BTT导弹的神经网络自适应非线性自动驾驶仪设计

针对BTT导弹的飞行控制问题,提出一种基于近似动态逆及神经网络理论的非线性自动驾驶仪设计方法.给出了神经网络自适应动态逆控制规律,建立了BTT导弹的数学模型,设计了导弹的神经网络自适应动态逆控制系统结构,并进行了控制效果的数值仿真分析.仿真结果说明了神经网络自适应非线性自动驾驶仪在导弹飞行控制中具有较高的控制精度和很好的鲁棒稳定性.     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

基于自适应动态逆的高超声速飞行器姿态复合控制

考虑高超声速飞行器再入过程中存在气动舵低效的问题,提出了质量矩/气动舵复合控制方式,研究了这两类执行机构的复合控制分配问题,并针对高超声速飞行器强非线性和不确定性的对象特性,基于神经网络方法设计了自适应动态逆姿态控制系统。首先给出了质量块配置原则以及质量矩/气动舵复合控制模型;其次,为获得良好的控制分配精度并保证较小的执行机构能耗,基于二次规划方法设计了质量矩/气动舵复合控制分配策略;再次,利用神经网络权值的自适应调整来逼近系统中存在的不确定性,补偿动态逆误差,设计了基于神经网络的自适应动态逆控制器。最后,通过仿真验证了文中控制分配策略和自适应动态逆方法的有效性。     

基于动态逆和变结构控制理论的BTT导弹控制系统设计

基于动态逆和变结构控制理论提出了一套设计BTT导弹控制系统的方法。该方法首先应用动态逆控制对被控对象近似线性化,再应用变结构控制提高系统的鲁棒性。文中详细推导了基于气动参数上下界的控制系统参数选择方法,无需对气动参数在线辨识。最后,在考虑各个环节非理想因素的情况下,针对某型BTT导弹进行了三通道联合仿真,证明了方法的有效性。     

自主机动飞网机器人动力学建模与网型保持方法

针对自主机动飞网机器人多系绳编织结构的动力学建模难题,首先提出利用无向图描述飞网机器人的结构,然后依据系绳杨氏模量极大的特点,设计间隙函数和约束反力,基于Hamilton原理建立飞网机器人数学模型,并设计一种基于Lemke算法和龙格库塔积分的解算方法;针对其网型保持问题,设计一种“双层优化伪动态逆内环+变结构控制外环”的控制方法。仿真结果表明,设计的控制器能够有效控制飞网机器人沿指令轨迹运动,并很好保持其网型,避免飞网机器人任务过程的变形和轨道径向移动。     

临近空间高超声速飞行器鲁棒自适应控制方法

提出了一种新的将自适应滑模变结构控制与动态逆控制组合的鲁棒自适应的控制方法,用于临近空间高超声速飞行器的再入阶段飞行控制系统设计。用内外环动态逆控制将非线性飞行器对象近似解耦成不确定的3通道一阶线性系统,将所有不确定性转化为匹配的逆误差;由自适应滑模变结构控制给出动态逆的输入信号,消除逆误差的影响,保证对制导指令的鲁棒跟踪。某高超声速飞行器临近空间再入的六自由度仿真结果表明:控制器有较好的鲁棒性和跟踪性能。     

飞行器制导控制一体化编队控制器设计

针对主从式结构飞行器协同编队控制问题，以侧滑转弯飞行器为研究对象，采用制导控制一体化(Integrated guidance and control, IGC)方法设计编队控制器。首先在惯性坐标系中定义相对运动坐标系，建立相对运动模型，结合飞行器动力学模型，得到全状态制导控制一体化模型；然后采用反演方法，结合滑模变结构与神经网络自适应理论设计了编队控制器，并证明了控制系统稳定性；最后在高速情况下进行了六自由度数值仿真，对比了IGC设计方法与分离设计方法的控制性能。仿真结果表明所设计的IGC控制器能够快速精确地对期望编队队形进行构建与保持，并且较分离设计方法具有优越性。     

自由漂浮空间机器人末端轨迹优化跟踪控制

针对自由漂浮空间机器人(FFSR)末端轨迹跟踪优化控制中惯性参数不确定的问题,基于状态依赖Riccati方程（SDRE）,提出一种采用标称SDRE控制器与补偿SDRE控制器相结合的组合优化控制器,通过SDRE基本理论及李雅普诺夫方法证明了控制方法能够实现系统跟踪的能量优化和渐近稳定,实现了FFSR在广义雅克比矩阵非奇异条件下的末端轨迹优化跟踪控制。数值仿真表明,控制器能够实现对于期望末端轨迹的有效跟踪。