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...     

非线性黄金分割自适应控制

针对参数未知，高阶定常线性系统和一类复杂的非线性系统，为设计低阶控制器，并能满足不同系统的过渡过程要求。在线性黄金分割自适应控制方法的基础上，本文提出了一种新的非线性黄金分割自适应控制方法。文章首先简单介绍了被控对象的特征模型，接着重点介绍了这种控制方法的设计原理和特点。当系统能用二阶幔时变差分方程形式的简化特征模型描述时，可以证明由非线性黄金分割自适应控制器组成的闭环系统是稳定的。最后通过典型实例的仿真验证了非线性黄金自适应控制方法的有效性和优越性。     

基于反馈线性化的动能拦截器姿态控制研究

动能拦截器进入末制导阶段时经常需要进行大角度姿态机动,这时拦截器姿态控制系统具有非线性、强耦合、多输入多数出(MIMO)的特点。现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。首先基于精确反馈线性化方法将系统解耦成三个独立的子系统,然后应用基于PID神经网络的自适应逆控制方法分别设计每个子系统的姿态控制器。该方法将PID神经网络控制与自适应逆控制相结合,对于拦截器姿态控制系统中的建模误差以及外部干扰具有较强的适应能力。仿真结果证明了该方法的有效性。     

一种基于滑动库的多模自适应控制方法

针对系统参数跳变时常规自适应控制闭环系统暂态响应差的问题,论文提出了一种基于滑动库的多模自适应控制方法。该控制器由多个参数已知的固定模型,一个自适应模型和一个滑动模型库构成。固定模型由被控对象在特定环境下的特征模型直接映射获得,其参数和其邻域一起覆盖被控对象的参数集;自适应模型对被控对象进行在线参数辨识,其参数被用来动态更新固定模型库;滑动模型库根据当前的工作点从固定模型库中选择离工作点较近的部分模型参与控制,优化控制模型集,减少计算量。仿真实验的结果表明了该方法的有效性。     

基于RBF网络的飞行器姿态滑模控制器

针对中制导段飞行时间长,空间拦截器需要进行一定的姿态机动,提出一种基于RBF网络的姿态控制器.建立了拦截器3个通道的姿态运动模型,对每个通道进行变结构控制,并在此基础上对变结构控制器增益通过RBF(Radial Basis Function)网络进行自适应控制,同时给出了稳定性证明.仿真结果表明,该方法能有效实现拦截器中制导段的姿态控制.     

晶体生长炉神经元网络PID解耦控制系统

多温区晶体生长炉是一种多输入多输出、强耦合的被控对象。根据多温区晶体生长炉内温场分布的要求,提出一种神经元网络PID多变量强耦合系统控制器,通过在线学习自动调节控制器参数,同时实现解耦和控制作用。仿真结果验证了本方法对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性,达到了系统所要求的控制指标。     

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.     

基于直接自适应控制的挠性航天器高精度姿态控制

研究了挠性航天器高精度姿态控制问题.考虑被控对象的非线性、外部干扰以及挠性结构和惯量参数不确定性,设计了直接自适应姿态控制律.通过对经典直接自适应控制中参数自适应律的改进,进一步提高了姿态控制系统性能.该控制系统不仅考虑了挠性结构和惯量参数不确定性,同时考虑了系统非线性特性及外部干扰,且参考模型阶数小于实际被控对象阶数...     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

基于变论域的导弹电液伺服机构自适应模糊滑模控制

针对导弹电液伺服机构的跟踪控制,提出了一种自适应变论域模糊滑模的设计方案。引入变论域自适应模糊控制器,在线调节输入变量论域和规则后件隶属度函数以逼近理想控制器,使控制器的设计不依赖于被控对象的精确数学模型,确定模糊滑模补偿控制项,以补偿逼近误差并消除外部干扰的影响。仿真实验结果验证了该控制方案的有效性。     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况，研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型，设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰，设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合，采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律，通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性，同时验证了神经网络自适应滑模控制器的有效性。     

基于RBF神经网络的导弹智能控制系统设计

为智能化导弹所设计的导弹智能控制系统应能够充分利用战场信息,自主而准确地生成控制指令完成目标打击。首先建立导弹控制系统模型,并在特征点处设计符合性能要求的PID控制器。在深入分析径向基函数(RBF)网络的结构与训练方法的基础上,通过大量仿真数据对RBF网络进行离线训练,将其训练结果直接作为俯仰与偏航通道的控制器。而滚转通道为典型的2阶系统,可采用滑模控制律,并利用RBF网络实时逼近外界非线性干扰项以提高滑模控制器的性能。通过某型倾斜转弯导弹六自由度仿真说明了本文所设计的智能控制系统的有效性。     

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

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。