非最小相位系统输出跟踪的最优预测控制方法

讨论了一类非最小相位系统的输出跟踪问题。非最小相位系统广泛存在于机器人柔性结构控制、飞机的飞机控制和航天器发射等实际问题中。由于非最小相位系统内部动态的不稳定性，传统的一些输出跟踪方法将导致系统的某些变量发散。文中通过讨论系统的有界理想状态轨迹，将期望跟踪的输出进行了扩充，利用预测控制方法研究了一类非最小相位系统的输出跟踪问题，从理论上证明了利用预测控制可以使非最小相位系统稳定地渐近跟踪期望输出。     

不确定非线性系统的鲁棒输出跟踪

研究了一类具有参数不确定性和外界干扰的仿射非线性系统鲁棒输出跟踪控制问题。首先利用微分几何理论中的输入输出反馈线性化技术钭不确定线性系统通过一非线性状态变换化为线性化规范形，然后利用变结构控制的思想提出了一种基于标称系统和不确定性范数界的鲁棒输出跟踪控制器设计方案，并用李雅普诺夫稳定性理论证明了利用本文设计的跟踪控制器可保证闭环系统是有界稳定的，且稳态输出跟踪误差为零。由于所设计的跟踪控制律连续，克服了常规变结构控制方案可能引起的高频抖振现象。将本文结论应用于一空间飞行器的姿态跟踪控制问题，仿结果表明了该设计方法的有效性。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

超机动飞机的非线性控制与飞行员在环实时仿真

在空中格斗中，使用过失速机动可获得显著的战术优势，而飞机在大迎角和高角速率的情况下，其动力学具有强耦合性和非线性，本文讨论了应用非线性动态道进行超机动飞机飞行控制系统的设计。飞机的动力学可分成快慢两组变量，角速率是快变量，姿态角是慢变量，对快变量进行非线性逆控制器的设计，以此来稳定纵向短周期运动，并通过气动舵面与推力矢量的融合，来改善大迎角范围内的侧向响应。对慢变量进行非线性逆控制器的设计可使飞行员控制飞机慢动力学，即迎角、侧滑角和速度矢量滚转角。本文还讨论了一个飞行员在环实时仿真系统的设计，该系统采用了多台计算机的结构，可用于非线性动态逆控制律的飞行员在环分析。     

非线性系统的在线鲁棒故障检测

提出了一种具有建模不确定性的非线性系统在线故障检测方法。故障被假定为状态变量和输入变量的函数，该系统仅是输入、输出可测量的。一种基于RBF神经网络的在线非线性估计器用来跟踪系统中的出现的故障，该估计器对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性。文中所提出的方法的收敛性在理论上进行了较详细证明。仿真实例说明了该故障检测方法的有效性和实用性。     

MIMO非线性非最小相位系统的鲁棒跟踪控制

针对仿射多输入多输出非线性非最小相位系统,提出了一种新的鲁棒跟踪控制方案.用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,通过模型预测控制镇定系统内部动态,所设计的控制器能保证跟踪控制闭环系统的指数稳定性,且对系统参数扰动具有鲁棒性.仿真结果表明了所提出方法的有效性和优越性.     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度，即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出，并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

基于非线性干扰观测器的空天飞行器轨迹线性化控制

研究一种新的空天飞行器基于非线性干扰观测器的轨迹线性化飞行控制方案。轨迹线性化控制是一种新颖有效的非线性跟踪和解耦控制方法,但空天飞行器飞行过程中存在的建模误差和外界干扰等不确定因素将导致其性能下降甚至失效。为了满足空天飞行器高精度高稳定控制的要求,本文利用非线性干扰观测器对系统中存在的不确定进行估计,其输出用以设计新的补偿控制律,从而使当前轨迹线性化方法的控制性能得到改善。最后利用该方案设计出空天飞行器飞行控制系统,通过高超声速飞行条件下的仿真,验证了该方法的有效性。     

飞行航迹动态逆跟踪控制的神经网络方法

针对用动态逆方法设计飞行控制系统在极慢模态设计中所遇到的完全非线性问题，以及飞行器在执行低空突防任务时所面临的程度无法精确控制的条件，提出了一种以前向神经网络为核心的解决方案。文中给出了神经网络的拓扑结构、样本采集方法以及动态逆控制器的构造方法，仿结果表明，该方案具有良好的指令跟踪能力。     

超机动飞机的非线性多速率控制系统

用非线性动态逆方法设计超机动飞机的控制律是一种简便可行的方法，但实际使用时需要解决控制律的离散化问题。多变量非线性系统的离散化是一个复杂的问题。本文根据逆方法和歼击机运动的特点，提出了一种简单直接的实现方法，该方法基本保留了连续域系统控制律的形式。用通常歼击机的最高采样频率来实现该方法，可以得到与连续域非常接近的控制结果。本文还提出了该形式的多速率实现方式，可以降低对机载计算机吞吐力的要求，其控制结果与连续域的差别仍很小。最后讨论了如计算时延等实际问题     

一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，提出了一种基于观测器的跟踪控制方案。首先，应用模糊T—S模型对非线性系统建模，设计观测器用来观测系统状态；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

Nonlinear Control Method for Hypersonic Vehicle Based on Double Power Reaching Law of Sliding Mode

The intelligence nonlinear control scheme via double power reaching law based sliding mode control method is proposed to solve the problems of model uncertainties and unknown outside disturbances.Firstly,the aerodynamic parameters of the morphing vehicle are replaced with curve-fitted approximation to build the accurate model for control design in the hypersonic flight.Then the nonlinear vehicle model is transformed into the strict feedback multi-input/multi-output nonlinear system by using the input-output feedback linearization approach.At the same time,the disturbance observer is used to approximate the unknown disturbance,and the sliding mode method is used to solve the problem of non-matching and uncertainty.Finally,according to the buffeting problem in sliding mode control,the double power is improved.Simulation results show that the proposed method can ensure the global stability of the closed-loop system,and has good tracking and robust performance.     

Fuzzy Optimal Control Design for Ship Steering

This paper presents a method to design a control scheme for nonlinear systems using fuzzy optimal control.In the design process,the nonlinear system is first converted into local subsystems using sector non-linearity approach of Takagi-Sugeno(T-S) fuzzy modeling. For each local subsystem,an optimal control is designed. Then,the parameters of local controllers are defuzzified to construct a global optimal controller. To prove the effectiveness of this control scheme,simulations are performed using the mathematical model of Esso Osaka tanker ship for set-point regulation with and without disturbance and reference tracking. In addition,the simulation results are compared with that of a PID controller for further verification and validation. It has been shown that the proposed optimal controller can be used for the nonlinear ship steering with good rise time,zero steady state error and fast settling time.     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

基于速度和加速度约束的有限控制能力路径跟踪

在考虑实际系统有限控制能力的情况下,对非完整移动机器人提出一种完全满足速度和加速度约束的路径跟踪技术。根据系统状态方程分析了移动机器人维持无偏差跟踪状态的条件,先通过智能预测控制将路径偏差转化为同号状态,再应用滚动时域控制和约束条件设计一种改进型最优预测控制器。当路径跟踪开始时,控制量从零初值调整;当路径偏差同步消除到零时,控制量可在速度和加速度约束下及时调整到零。仿真结果验证了所提技术的有效性,有限控制能力使该技术在工程应用时具有更好的可行性和适应性。     

一类非线性系统的自适应模糊控制

针对一类具有未知常数控制增益的非线性系统，基于滑模型控制原理并利用Ⅰ型模糊系统的逼近能力，提出了一种自适应模糊控制器设计的新方案，该方案通过引入最优逼近误差自误应补偿项来消除建模误差的影响，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，通过理论分析，证明了闭环控制系统是全局稳定的，跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

一类基于非等距单元平均重构的高效差分格式

构造了一维非线性双曲型守恒律的一类基于非等距单元平均值的点值重构的高精度高分辨率守恒型差分格式。其构造思想是:首先,将计算区间划分为若干个互不重叠的小区间,再根据格式精度的要求利用Gauss-Lobatto点和Gauss-Chebyshev点划分小区间,通过各非等距细小区间上的单元平均值,重构各细小区间交界面上的点值,并加以校正;其次,利用近似Riemann解计算细小区间交界面上的数值通量,并结合高阶Runge-Kutta TVD时间离散方法,得到了高精度的全离散方法。证明了该格式的无振荡特性。然后,将格式推广到一维双曲型守恒方程组情形。最后,给出了几个标准数值算例,验证了格式的高效性。