利用遗传算法和LMI设计固定结构H2/H∞飞行控制律

在设计飞翼式无人机(UAV)的横航向飞行控制系统时,为了使无人机具有较好的动态特性和阵风抑制能力,同时又便于工程实现,提出了固定结构的H2/H∞控制律设计方法.对于由此遇到的双线性矩阵不等式(BMI)问题,先用线性矩阵不等式(LMI)方法得到控制律参数和H2/H∞性能指标的映射关系,再用此映射关系作为适应度函数,用改进的遗传算法求解使H2/H∞性能最优的控制律参数.仿真结果表明,使用固定结构的H2/H∞控制方法的无人机动态响应迅速平滑,在侧风干扰下的滚转角振荡幅值仅是原经典控制方法的一半.     

基于自由权矩阵的时变时延线性群系统编队控制

研究了基于自由权矩阵方法的时变时延线性群系统编队控制问题。首先,基于一致性理论,设计了具有时变时延的线性群系统编队控制协议。其次,通过变量代换,将时延条件下的线性群系统编队控制问题转化为时延系统的镇定问题。构造Lyapunov-Krasovskii函数,并利用自由权矩阵方法对时延系统的镇定问题进行分析,得到了保守性较小的线性矩阵不等式（LMI）判据,并求解出时延上界和编队控制器增益。最后,通过仿真实验,验证了方法的有效性。     

时变广义系统的H∞控制

研究系统矩阵中含有范数有界不确定性广义系统的H∞控制问题，通过广义系统的有界实引理分析不确定广义系统容许性以及H∞干扰衰减问题，利用线性矩阵不等式方法和Schur补定理将时变广义系统H∞控制问题转化为对定常广义系统H∞控制问题进行研究，得出了具有时变不确定性广义系统在范数有界的约束下等价于定常广义系统的结论。     

涡轴发动机LQ/H∞抗扰控制方法

提出了抑制涡轴发动机负载干扰的线性二次型（LQ）/H∞控制算法,以总距为干扰建模,利用线性矩阵不等式求得既满足LQ指标又对干扰具有H∞性能约束的状态反馈控制律.提出修正指令抑制干扰策略.采用比例微分控制将总距变化转换为动力涡轮转速指令的修正,实现增大或减小机动飞行中动力涡轮转速指令,抑制实际转速的下垂或超调.仿真结果表明：该控制方法能有效抑制干扰并具有良好的实时性.     

切换拓扑下无人机集群系统时变编队控制

针对多无人机(UAV)间通信拓扑可能发生变化的情况,研究了具有二阶积分特性的无人机集群系统的轨迹跟踪与时变编队控制问题。基于一致性方法设计了编队控制器,将编队控制问题转换成闭环系统的稳定性问题,引入了切换拓扑平均驻留时间的概念,并在此基础上利用线性矩阵不等式(LMI)方法,给出了控制器设计步骤。通过构造分段连续Lyapunov函数,证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行。以三维空间运动的无人机集群系统为例进行了仿真验证,结果表明本文所提方法能够解决切换拓扑下无人机集群系统的轨迹跟踪与时变编队问题。     

基于LMI的组合导航多目标控制

针对模型不确定性和噪声非高斯容易导致Kalman滤波精度下降的问题,研究了一类组合导航系统的鲁棒H2/H∞多目标控制问题。将组合导航误差状态方程转化为不确定系统多胞型描述,基于线性矩阵不等式(LMI)将控制器存在条件转化为凸优化问题进行求解。系统的稳定性通过Lyapunov稳定性理论得到保证,通过H2和H∞控制达到抑制干扰的目的,通过保性能控制提高系统的快速性,而对于非零初始条件通过极点配置加速初始阶段的收敛。由仿真结果可以看出,该方法收敛快、鲁棒性强、精度较高。     

基于改进NSGAⅡ的航空发动机LQ/H∞控制器设计

对第2代非支配排序遗传算法(NSGAⅡ)进行改进,提出以非支配序为进化方向的微分进化(DE)算法代替传统的遗传操作,提高了算法的收敛速度.针对目前航空发动机多变量控制领域广泛关注的线性二次型调节器(LQR)控制与H2/H∞控制存在的保守性问题,提出了将时域性能指标、二次型性能指标与H∞性能指标相结合,通过改进NSGAⅡ优化权矩阵Q,R,最终获得航空发动机LQ/H∞控制器的设计方法.与其他控制器设计方法相比,基于多目标优化的LQ/H∞控制器目标明确、鲁棒性强且保守性更低.仿真验证结果表明:相比于基于线性矩阵不等式(LMI)的H2/H∞控制器,基于多目标优化的LQ/H∞控制器时域性能提高了4倍,调节时间减少了50%,抗干扰能力提高了15%.     

联合连通拓扑下多无人机编队控制

针对在联合连通拓扑条件下的多无人机系统,研究了具有二阶动力学系统模型的多无人机系统时变编队控制问题。基于一致性理论,设计了一致性控制器,将联合连通拓扑条件下的编队控制问题简化为低阶时间平均系统的渐进稳定性问题。利用Lyapunov函数证明了所设计的控制器能够实现编队控制,并利用线性矩阵不等式(LMI)方法给出了控制器的设计算法。在三维空间中,对多无人机系统进行了仿真,验证了所设计的一致性控制器能够使得多无人机系统在联合连通拓扑条件下形成时变编队。     

均等通信时滞下多UAV协同编队控制

多无人机(UAV)系统编队控制中,时滞是无法回避的问题,研究时滞对多UAV编队形成和系统稳定性的影响,具有重要理论价值。重点研究均等通信时滞下多UAV协同编队控制问题,并获得系统的稳定性条件。首先,设计具有均等通信时滞的协同编队控制律,得到多UAV编队系统的闭环时滞状态方程;在恒定均等时滞下,考虑到系统模型不确定性,基于线性矩阵不等式(LMI)理论得到系统的时滞依赖稳定性条件;最后,进行仿真实验,结果表明多UAV编队系统是稳定的,期望的编队队形能够形成并保持。     

一类不确定非线性时滞系统的自适应控制

针对一类上界未知的不确定非线性时滞系统,采用模糊控制的方法,基于松散稳定性条件,讨论了系统的自适应H∞控制问题.首先设计出基于观测器的自适应模糊控制器,然后利用Lya-punov稳定性理论分析了系统的鲁棒稳定性,得到了利用线性矩阵不等式表示的闭环系统稳定的充分条件,观测增益矩阵和反馈增益矩阵可以通过求解线性矩阵不等式得到.最后通过一个实例验证了所给结论的有效性.     

无人机编队构成的分散最优控制方法研究

针对无长机带领、具有固定无向通信拓扑的无人机编队构成控制问题,提出了一种基于"相邻"无人机状态反馈的分散最优控制方法。该方法采用Laplacian矩阵描述编队通信结构,以"相邻"无人机与编队构型间的相对状态误差构建分散最优控制模型,并通过求解具有LMI约束的线性目标最优化问题得到编队各无人机的分散最优控制律。该方法使得多无人机在分散协同的前提下,基于局部信息快速准确地形成预定编队构型,达到运动方向和速度的一致性。仿真实验验证了该方法的有效性。     

无人机自主编队制导律设计

自主编队是无人机集群作战的关键技术.提出了一种基于视线的三维无人机双机与多机自主编队方法.制导律采用横纵分离的经典PD控制方式进行设计,建立了加入制导律的双机、多机的质点相对运动学模型,通过求解该模型在平衡点处的雅克比矩阵的特征根,来判断制导律的稳定性.仿真结果表明:设计的制导律能有效导引无人机构成编队,并保持编队飞行.     

基于LESO状态反馈的无人机速度控制

无人机速度回路的控制受外界环境、构型变换等不确定性干扰因素的影响较大,采用基于线性扩张状态观测器（LESO）的自抗扰控制方法能准确估计并补偿不确定性干扰,在观测器的基础上加入状态反馈和指令前馈,能获得良好的稳态、动态品质。性能分析与仿真结果表明,基于LESO状态反馈的无人机速度控制方法具有良好的干扰抑制能力,能够实现对控制指令的精确跟踪。     

T-S模糊系统的部分状态反馈H∞控制

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器, 一般难以利用线性矩阵不等式工具求解. 本文研究T-S模糊系统的部分状态反馈镇定及部分状态反馈H∞控制问题. 首先, 通过矩阵变换, 将T-S模糊系统的部分状态反馈镇定问题转换成求解一组线性矩阵不等式(LMIs); 然后, 以此为基础得到基于LMI的部分状态反馈H∞控制器设计方法; 最后, 通数值例子验证所给方法的有效性.     

基于线性矩阵不等式的舰载机纵向着舰H∞控制

运用线性矩阵不等式（LMI）的H∞控制理论．将舰载机纵向着舰导引系统的SISO性能要求转化为H∞控制广义模型权函数的选择．设计出H∞输出反馈控制器。以某型舰载机着舰过程进行仿真验证。结果表明，采用H∞控制的着舰导引系统具有良好的着舰下滑轨迹跟踪能力。     

基于小脑模型关节控制器的无人机集群快速终端滑模容错控制

针对受执行器故障和外界干扰影响的集群无人机（UAV）协同编队控制问题，提出了一种自适应快速非奇异积分滑模（FNISM）容错控制（FTC）方法。为使集群无人机在执行任务时具有良好的协同跟踪性能，通过对无人机实际飞行情况的分析，考虑了无人机编队飞行时的执行器故障和尾涡扰动等对跟踪性能的不利影响。采用小脑模型关节控制器神经网络（CMANN）来估计并消除外部干扰的影响，同时运用CMANN逼近补偿执行器故障。研究表明：所提出的容错控制方案可以保证无人机编队闭环系统在故障情况下的最终一致有界稳定，并且可以通过减小滑模设计参数提高收敛速度，通过增大虚拟和实际控制器参数提高控制精度。4架无人机的集群编队在该方法、基于径向基神经网络（RBFNN）的鲁棒动态面容错控制、比例微分（PD）滑模容错控制3种方法下的对比仿真结果表明该方法在无人机集群编队出现故障时具有更优异的协同控制性能。     

基于距离的无人机编队路径跟踪控制

针对复杂通信环境下无人机编队跟踪控制问题，提出了基于距离的无人机编队路径跟踪容错控制方法。基于刚性图编队控制框架，引入距离误差，实现编队控制，并针对无人机编队生成的收敛速度问题，引入预设性能技术，以指定跟踪性能生成无人机编队。针对无人机执行器可能出现的故障，利用自适应滑模容错控制技术，实现具有容错性能的编队控制。考虑无人机在飞行环境中遇到的不确定扰动和模型自身存在的未建模动态，引入神经网络控制器，提高控制算法的抗干扰能力。最后，基于Lyapunov理论证明了所设计编队控制系统的稳定性，仿真验证了控制方法的有效性。     

不确定时滞T-S模糊广义系统鲁棒H∞控制

研究了变时滞参数不确定T-S模糊广义系统的鲁棒H∞控制问题。在给定这类系统的正则、无脉冲和渐近稳定性定义的基础上,依据Lyapunov理论,证明了使闭环系统二次稳定并且具有适当鲁棒H∞性能指标的充分条件。用线性矩阵不等式方法给出了这种充分条件,从而可以通过解矩阵不等式获得状态反馈增益矩阵,算例说明了这种方法的有效性。     

基于时滞分割方法的VTOL直升机鲁棒非脆弱H∞控制

针对含有飞行时滞的垂直起降(VTOL)直升机系统设计了时滞相关鲁棒非脆弱H∞控制器.基于时滞中点值把时滞区间均分为两部分,针对每一分割区间构造新的Lyapunov-Krasovskii (L-K)泛函,并结合L-K稳定性定理、积分不等式方法和自由权矩阵技术,建立了新的基于线性矩阵不等式(LMI)形式的时滞相关有界实(BRL)条件.在此基础上设计了该系统的非脆弱H∞控制器,通过求解线性矩阵不等式的可行解得到控制器的参数化表达式.最后应用于VTOL直升机的飞行控制仿真表明,所设计的控制器具有更好的鲁棒性和非脆弱性.     

基于脑机接口的无人机编队控制系统设计

随着脑机接口（BCI）技术的不断发展，越来越多基于脑机接口的应用被不断研究并实现。为提高无人机编队的工作效率，针对无人机编队的常用控制命令，本文设计了一种8目标的稳态视觉诱发电位（SSVEP）脑机接口控制无人机编队系统。该系统允许用户通过脑机接口的8个命令对无人机编队进行队形切换等灵活控制。本系统采用典型相关分析（CCA）方法对脑电进行解码，并将解码结果使用Leader-Follower的方法对无人机编队进行控制。来自6例健康受试者的试验结果表明，研究所设计的脑控无人机编队系统具有较好的性能，平均识别准确率高达97%，验证了基于非侵入式脑机接口技术控制无人机编队的可行性。