基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.      

飞行器航迹倾角的自适应动态面控制

针对飞行器纵向模型具有参数不确定性和外界干扰的特点,提出一种飞行器航迹倾角的自适应动态面控制方法.动态面控制方法通过引入一阶低通滤波器避免了传统反演设计存在的"微分爆炸"现象,采用自适应律对模型未知参数进行在线估计,并利用非线性阻尼项克服外界干扰.通过Lyapunov方法证明得出闭环系统半全局一致稳定,跟踪误差可通过调节控制器参数达到任意小.仿真结果表明:该方法能在简化控制设计过程的同时保证航迹倾角跟踪上预定轨迹,控制系统具有较强的自适应能力且对外界干扰具有一定的鲁棒性.     

高超声速飞行器抗干扰反步滑模控制

针对存在参数不确定及外部扰动下的高超声速飞行器轨迹跟踪控制问题,研究了一种基于反步法的抗干扰滑模控制设计方法.将非线性高超声速飞行器动力学模型表达为严反馈形式分步进行设计.采用滑模控制方法进行每步的控制器设计,并提出采用扩展状态观测器（ESO,Extended State Observer）方法实现对参数不确定及外部扰动产生的内外干扰进行估计,继而在控制中补偿.扩展状态观测器能保证对干扰的估计收敛到真值附近的邻域内,从而能够保证较好的补偿效果.通过0.5°附加干扰攻角和25%的气动参数偏差下的非线性高超声速飞行器动力学模型仿真结果验证了该抗干扰滑模控制方案对内外干扰的抑制效果和闭环系统良好的跟踪性能.      

基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

基于不变流形的高超声速飞行器动态面控制

针对存在未知气动参数的吸气式高超声速飞行器纵向运动控制问题,提出一种基于不变流形的自适应动态面控制方法.通过合理假设将高超声速飞行器纵向模型分解为弹道倾角回路和速度回路,分别实现对弹道倾角和速度参考指令的跟踪.弹道倾角回路被表达为严反馈形式进行控制器设计.采用基于不变流形的自适应方法实现了对未知参数的估计.所提出的自适应动态面控制方案能保证未知参数估计误差全局一致稳定和闭环系统全局有界稳定,且估计器和控制器设计不存在耦合,因此参数设计更加容易.仿真结果验证了该控制方法在参数估计方面的显著优势和良好的闭环系统性能.     

基于跟踪微分器的高超声速飞行器减步控制

针对高超声速飞行器强非线性,强耦合与高度不确定性的特点,提出一种基于高阶跟踪微分器的减步控制方案。将高超声速飞行器纵向模型表达为严反馈形式。在反步法设计框架中,引入跟踪微分器,利用其对给定信号任意阶导数精确估计的能力,计算第1步设计中产生的虚拟控制量的导数,并直接获得第2步实际控制量,从而将设计步骤从3步减少为2步。且在每步设计中将参数不确定性与外部扰动建模为等效干扰,设计扩张状态观测器获得等效干扰估计值,继而在控制器设计中进行补偿。利用Lyapunov方法证明闭环系统稳定性。仿真结果验证了所提控制方案对不确定及干扰的抑制作用,且跟踪精度优于传统动态面方法。     

基于速度观测的双余度电液舵机系统容错同步控制

考虑飞机电液舵机活塞杆运动速度不易测量的情况，提出一种基于速度观测的容错同步控制策略，解决了双余度电液舵机系统（DREHAS）内泄漏共模故障（IL-CMF）下的位置跟踪控制问题。首先，通过引入2组参考轨迹并对模型进行线性变换，实现舵面位置跟踪与两舵机力输出同步控制解耦；其次，在扩展状态观测器（ESO）中加入故障参数自适应项，设计一种自适应扩展状态观测器（AESO）估计两通道舵机活塞杆速度和扰动，从而克服了故障条件下利用原系统模型设计ESO带来的估计结果不准确问题；最后，基于AESO的估计结果及故障参数在线更新结果，利用反步法设计了一种非线性容错同步控制器。Lyapunov稳定性分析结果表明，该控制方法可确保IL-CMF故障及时变干扰条件下，闭环系统所有信号有界，系统输出满足规定的性能要求。IL-CMF故障及常值干扰条件下，系统跟踪误差渐进收敛于零。仿真实验进一步验证了所提方法的有效性。      

极地科考小型无人飞行器

针对小型无人飞行器在极地科考中的抗风扰动问题,通过神经网络改进卡尔曼滤波算法,提高小型无人飞行器对环境的适应性.基于小型无人飞行器自身状态信息与误差信息,在线调整系统的量测噪声和估计参数,提高信息融合精度;利用矢量域方法构建轨迹跟踪控制算法,基于目标航迹在线调整航向,提高小型无人飞行器在顺风、逆风、转弯的飞行品质和压航线精度.经过大量的仿真试验、实际飞行试验验证了方法的有效性,改进的卡尔曼滤波算法可以提供长时高精度信息,小型无人飞行器可以在野外6级风源扰动的情况下,实现稳定飞行,平均误差不超过10m.小型无人飞行器在南极实地科考中得到成功应用.     

基于轨迹线性化方法的近空间飞行器鲁棒自适应控制

研究一种新的近空间飞行器鲁棒自适应飞行控制系统设计方案。利用单隐层神经网络的函数逼近能力和被控对象分析模型的有用信息构建一种单隐层神经网络干扰观测器,用以在线估计系统中存在的不确定性,具有自适应调节能力的鲁棒控制器用以克服估计误差。将所得单隐层神经网络干扰观测器与轨迹线性化方法结合形成新的非线性系统鲁棒自适应控制方案,严格的理论证明在给定的自适应调节律作用下闭环系统所有误差最终有界。该控制方案被用于近空间飞行器飞行控制系统设计,高超声速飞行条件下的仿真结果表明该方法不仅有效,而且能够提供高精度、高稳定度的控制性能。     

基于ESO的电液位置伺服系统反步滑模控制

针对阀控电液位置伺服系统未建模摩擦力、参数不确定性和外部随机干扰造成的复合扰动问题, 提出一种基于扩张状态观测器(ESO)的反步滑模控制方法。ESO的设计可以对作动器速度、加速度和复合扰动进行在线估计, 解决工程应用中对以上信号难以测定的问题;基于ESO估计值和位移反馈信号进行反步滑模控制器设计, 通过构造包含反步设计误差、滑模函数和观测器误差的Lyapunov函数, 对所提控制方法进行稳定性证明;为验证所提方法的有效性, 进行了AMESim和MATLAB/Simulink联合仿真, 与PID控制器、传统的反步滑模控制器和基于ESO的滑模控制器的控制效果进行对比, 并对仿真数据进行了分析。研究结果表明:所提方法可以有效抑制系统复合扰动, 位移跟踪精度高, 鲁棒性强。      

Backstepping sliding-mode control of stratospheric airships using disturbance-observer

In the presence of unknown disturbances and model parameter uncertainties, this paper develop a nonlinear backstepping sliding-mode controller (BSMC) for trajectory tracking control of a stratospheric airship using a disturbance-observer (DO). Compared with the conventional sliding mode surface (SMS) constructed by a linear combination of the errors, the new SMS manifold is selected as the last back-step error to improve independence of the adjustment of the controller gains. Furthermore, a nonlinear disturbance-observer is designed to process unknown disturbance inputs and improve the BSMC performances. The closed-loop system of trajectory tracking control plant is proved to be globally asymptotically stable by using Lyapunov theory. By comparing with traditional backstepping control and SMC design, the results obtained demonstrate the capacity of the airship to execute a realistic trajectory tracking mission, even in the presence of unknown disturbances, and aerodynamic coefficient uncertainties.     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

高超声速变外形飞行器建模与有限时间控制

针对高超声速变外形飞行器变形带来的参数摄动大、变形过程建模难、外界干扰复杂等大不确定问题,研究了一类可变后掠飞行器建模与姿态控制问题,设计了一种有限时间控制方案。针对变外形飞行器建立了带有变形量的面向姿态控制的三自由度模型,该模型能够反映出变外形飞行器的内在影响。分析了变外形飞行器在典型状态下的气动特征,并给出了连续变形关键气动数据可行处理方案。针对可连续变形的飞行器设计了一套有限时间控制方案,并证明了系统稳定性。进一步考虑控制律中用到的指令微分项,设计了有限时间指令收敛滤波器。利用扩张状态观测器,估计不易测量状态和“综合扰动”。以考虑复杂干扰下的高超声速变外形飞行器为对象进行仿真,结果表明:所设计的控制方案可解决不同变形速率下、存在复合干扰的飞行器姿态控制问题。      

基于SMDO-TLC的高超声速飞行器姿态控制

针对高超声速飞行器快时变、强耦合以及存在参数不确定和外部干扰情况下的姿态控制问题,同时考虑到执行机构动态和输入受限,提出了基于滑模干扰观测器-轨迹线性化(SMDO-TLC,Sliding-Mode Disturbance Observer-Trajectory Linearization Control)的高超声速姿态控制方法.首先,引入二阶线性微分器(SOLD,Second-Order Linear Differentiator)的概念,通过理论分析指出了当前TLC中采用一阶惯性+伪微分器求取输入指令的微分信号时会存在与SOLD类似的峰值现象,随后利用韩式跟踪微分器求取姿态标称指令及其微分信号,可有效解决过渡过程中执行机构饱和问题;接着,分别在姿态和角速率回路设计二阶滑模干扰观测器,利用符号函数积分来重构内外回路的复合干扰,在此基础上设计补偿控制律,以实现姿态控制器设计.仿真结果表明,所提出的方法能够克服时变干扰及气动参数大范围摄动的影响,同时兼具良好的动态特性与静态品质,能够满足高超声速飞行器的快时变、高精度以及强鲁棒的控制需求.     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。     

高超声速巡航飞行器在线自适应反馈控制设计

由于飞行器模型的强非线性,各种建模不确定性以及飞行环境的复杂性,高超声速飞行器控制成为一个研究难点.针对某类具有参数不确定性的非线性系统,提出了一种反馈线性化与自适应估计相结合的方法,对非线性系统的输入输出动态应用反馈线性化处理以得到拟线性模型,并设计反馈控制律;对不确定参数采用自适应在线估计,利用Lyapunov方法分析稳定性;针对选择不同输出的情况,对如何消除内动态进行了讨论.为了验证该方法的可行性,将其应用于某高超声速飞行器巡航段纵向非线性模型,对速度和高度通道进行跟踪控制仿真,由于飞行器和大气环境存在建模不确定性,利用自适应控制对不确定参数进行在线估计.仿真结果显示该方法能够快速收敛,并且具有良好的在线自适应能力.     

TSK模糊神经网络及其约束优化学习算法

针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.