高超声速飞行器自适应抗饱和再入控制

高超声速飞行器（Hypersonic vehicle,HSV）再入过程中易发生舵面饱和现象,并且其动力学模型具有强烈不确定的特征,这导致其姿态控制系统的设计极富挑战性。针对舵面受限的非线性控制问题,提出外部Anti windup系统结合二阶Terminal滑模控制律的设计方法,能够实现对气动舵面饱和的控制补偿,使HSV快速平稳地跟踪指令信号。其次,针对HSV的强不确定控制问题,提出自适应滑模干扰观测器（Adaptive sliding mode disturbance observer,ASMDO）的方法来对再入气动参数不确定及强外界干扰进行估计,此方法无需干扰界已知且学习参数少,适合实时控制。最后, 再入姿态控制的仿真结果表明了该控制方法的有效性和强鲁棒性。     

具有复合非线性特征不确定系统的自适应反推控制（英文）

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案。基于模型分解的方法建立了具有复合非线性特征的执行器模型。论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界。自适应近似变结构控制能够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

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。     

基于BACKSTEPPING的无人机飞控系统设计研究

基于状态反馈，利用BACKSTEPPING思想设计了无人机非线性自适应控制器。本文首先从非线性反馈线性化的理论缺陷出发，指出了新近兴起的BACKSTEPPNG思想的优越性，并对输入输出可反馈线性化系统的自适应控制问题进行了理论描述。本文BACKSTEEPING自适应设计过程的贡献在于提出了一种混合式的李雅普诺夫函数，它同一般的基于二次型的李雅普诺夫函数的不同在于最终导出的自适应律只含有广义误差状态的符号信息，这在一定程度上提高了系统的容错性。自适应控制算法的收敛性得到了严格的数学证明。最后对某型无人机的仿真分析表明自适应飞控系统设计是有效的。     

基于模型参考自适应的高超声速飞行器容错控制

针对执行机构部分失效情况下高超声速飞行器控制器的设计问题,提出了一种模型参考自适应容错控制设计方案。依据线性化的高超声速飞行器名义模型,设计名义反馈控制增益,并确定一个可保证自适应控制安全的参考模型,然后设计自适应补偿控制器消除执行机构控制效益及系统参数不确定性的影响。提出的自适应参数估计律由滤波的误差信号和特别设计的预测误差信号驱动,可实现更好的参数估计。该方案能保证闭环系统的稳定性,并能保证执行机构部分失效及系统参数不确定情况下的控制性能。仿真结果验证了该控制方法的有效性,在执行机构部分失效情况下,控制系统实现了良好的跟踪性能。     

基于线性参数变化自适应观测器的鲁棒故障诊断

基于线性参数变化自适应观测器,研究了一类具有外部扰动的不确定线性参数变化系统的鲁棒故障诊断问题。针对飞控系统具有非线性和时变的特点,运用了线性参数变化技术,提出一种基于线性参数变化自适应观测器的自适应故障估计算法来估计故障信息。为降低外部扰动对故障估计的影响,引入了H∞鲁棒性能指标来设计线性参数变化自适应观测器以及故障估计算法。结果表明,该方法具有良好的故障估计性能,且对外部扰动具鲁棒性。设计过程中,将参数的求解转化为线性矩阵不等式（LMIs）约束下的凸优化问题。最后,将该方法应用于直升机线性参数变化飞控系统执行器故障诊断,仿真实验验证了该方法的有效性。     

无人机非线性非仿射飞控系统的自适应模糊H∞ 输出反馈控制及其应用

研究了非仿射非线性系统的模糊自适应H∞输出反馈跟踪。在非仿射非线性模型不确定或未知的情况下,首先将非仿射系统展开为仿射系统的形式,使用模糊自适应控制器对系统进行控制,然后基于Lyapunov稳定性定理得出自适应律,并通过解一个代数Riccati方程实现了H∞跟踪性能。在状态不可测情况下,引入高增益观测器估计系统状态并设计了输出反馈控制器,实现了系统的输出反馈控制性能。最后,通过对无人机飞行控制的仿真验证了算法的有效性。     

空天飞行器鲁棒自适应模糊跟踪控制

基于轨迹线性化方法提出了鲁棒自适应模糊跟踪轨迹线性化控制(Robust adaptive fuzzy tracking control,RAFTC)方法,并应用于空天飞行器(Aerospace vehicle,ASV)飞行控制系统设计.利用模糊系统能以任意精度逼近非线性系统的特性,对未知干扰和不确定性进行逼近,求得的模糊函数作为系统不确定界函数,且整个系统仅需在线调整不确定界函数的界,利于工程实现.采用Lyapunov方法,证明了闭环系统所有信号一致最终有界.最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.     

输入受限乘波体飞行器的最优跟踪控制方法

针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的“微分项膨胀”问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。     

一类不确定非线性系统的鲁棒自适应L2-增益控制

基于Backstepping递推设计方法对一类复杂不确定非线性系统提出了鲁棒自适应L2-增益控制方法。该方法结合了自适应控制和L2-增益控制≤γ的优点。它不仅使系统具有鲁棒性还使其对干扰具有L2-增益控制。同时，把常规设计方案需要过多参数进行辨识问题简化为只需与未知干扰个数相同参数进行辨识，简化了控制器结构。本文由于所研究对象为一般非线性系统，因此其结果具有一般性。最后。通过仿真算例验证了本文所设计控制方法的有效性。     

基于鲁棒自适应控制策略的混合型步进电机低速伺服控制性能

针对混合型步进电机低速运行状态下脉动转矩较大的特点,应用鲁棒自适应控制策略来设计其低速伺服控制器,以实现高精度的跟踪控制性能.首先,根据混合型步进电机转矩形成的机理,揭示了其固有的脉动转矩对低速运动控制产生不利影响的动力学特征,并将它归结为两种结构不确定性,便于控制器的设计;其次,采取标准的自适应控制及其鲁棒化设计思想,借助于μ-修整策略来实现相应的控制律,确保脉动转矩的最大化补偿及伺服系统低速跟踪控制满足高性能的要求;最后对所建立的低速跟踪控制系统的性能进行了试验评估,并与作者前期的工作进行了比较,试验结果验证了其有效性与可行性.     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

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。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

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。     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.     

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。