基于单隐层神经网络的空天飞行器直接自适应轨迹线性化控制

基于轨迹线性化方法（TLC）及神经网络技术研究了一种新的直接自适应TCC控制方案。利用单隐层神经网络（SHLNN）对于光滑非线性函数的逼近能力，对消系统中不确定因素的影响，神经网络自适应律采用Lyapunov方法设计，保证了整个系统所有信号有界。最后利用该方案设计了空天飞行器飞行控制系统，并在高超声速飞行条件下进行了仿真验证，仿真结果表明整个控制系统具有很好的性能和鲁棒性。     

吸气式高超声速飞行器输入受限自适应反演控制

针对输入受限和气动与推进参数存在不确定时的吸气式高超声速飞行器飞行控制问题,建立了线性参数化形式的纵向运动模型,通过引入控制量与可执行输入之间的差值滤波环节,修正跟踪误差的定义,设计了使闭环系统稳定的反演鲁棒控制器,给出了气动与推进参数向量的有界自适应估计律。轨迹跟踪仿真结果表明,提出的自适应控制方法能够保证阵风干扰情况下飞行器控制的稳定性。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

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...     

近空间高超声速飞行器输入饱和抑制模糊自适应控制

针对近空间高超声速飞行器三通道姿态跟踪控制问题，提出了一种基于输入饱和抑制的非线性模糊自适应滑模控制器。考虑到飞行器模型具有严格反馈形式的特点，以反步法为基础，结合非奇异快速Terminal滑模方法设计控制器。设计了模糊系统估计模型中的干扰项，并通过自适应鲁棒项补偿估计误差，引入非线性增益函数提高控制系统的饱和抑制能力，并基于Lyapunov理论证明了闭环系统的稳定性。最后，通过仿真对比实验验证方法的有效性。仿真结果表明，所设计的控制器能够保证飞行控制系统在存在模型参数不确定性的情况下具有良好的姿态跟踪性能和输入饱和抑制能力。     

基于ESO的轨迹线性化控制方法及应用

针对先进气动布局飞行器飞行包线大、非线性不确定性强、耦合严重等问题给飞行控制带来的挑战,提出了一种基于扩张状态观测器(ESO)的轨迹线性化控制方法,给出了控制器的结构和设计方法,并应用于飞行控制律的设计.仿真结果表明,该方法实现了非线性不确定系统的解耦控制,对系统不确定性和外部干扰具有较强的鲁棒性.     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。     

基于复杂干扰估计的高速NSV鲁棒自适应模糊Terminal滑模控制

针对近空间飞行器大包络高动态飞行运动特性,建立了包含复杂干扰的有效动力学系统用以描述运动过程,对系统中由于飞行物理环境产生的复杂干扰,设计了有效估计的非线性干扰观测器,有效保证了观测误差的收敛性能,采用模糊系统逼近由气动、结构变化产生的系统与增益函数不确定项,基于此设计了飞行控制系统的鲁棒自适应模糊Terminal滑模控制方案,利用Lyapunov稳定性原理证明了闭环系统的鲁棒稳定性,控制器有效抑制了不确定项与复杂干扰对系统的影响,实现了NSV复杂环境下高速运动的鲁棒自适应自主控制,仿真研究证明了控制方法的正确性与有效性。
     

分层模糊广义预测控制及其在挠性航天器振动抑制中的应用

针对广义预测控制计算量大的缺陷,将自适应分层模糊逻辑系统(HFLS)引入广义预测控制,对参数未知线性系统提出一种直接自适应分层模糊广义预测控制方法.该方法直接利用HFLs设计广义预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了该方法可使广义误差收敛到原点的一个小领域内.由于控制结构中使用了HFLS,避免了模糊控制器中规则数目随系统变量个数呈指数增长问题.仿真结果表明:该方法能快速抑制挠性航天器的低频振动且稳态精度高.     

受细胞膜放电模型启发的航天器姿态鲁棒控制

研究了具有模型参数不确定和受空间环境干扰影响的挠性航天器姿态大角度快速机动快速稳定控制问题,设计了一种受细胞膜放电模型启发的鲁棒姿态控制器。综合考虑挠性航天器的强非线性和强耦合特性,设计了对模型参数和环境干扰具有鲁棒性的姿态机动控制器。为了减小机动中姿态突变激发的挠性附件振动,基于细胞膜放电的动力学模型设计了一种改进的鲁棒控制器。当参数不确定范围和干扰有界时,所提鲁棒控制器可使闭环系统的解最终一致有界。最后,分析了控制器参数对姿态控制性能及所需能量的影响。数值仿真验证了所提鲁棒控制器用于姿态机动控制可以得到良好的效果。     

BTT导弹再入段非线性鲁棒控制

针对BTT导弹再入段的非线性模型以及三通道间的较强耦合,研究了模型不确定情况下的解耦和跟踪控制问题。首先分析了BTT导弹在再入段的非线性模型,然后根据微分几何方法检验该模型是否可进行输入输出解耦,并推导出BTT导弹在再入段的非线性解耦控制律,其后分析了在某种匹配不确定情况下导弹动态系统的具体形式,并将李亚普诺夫方法运用到控制器的设计中,得出鲁棒输出控制跟踪控制律。采用该控制方式对某型BTT导弹的六自由度仿真实验结果表明:该鲁棒控制方法在系统存在不确定性的情况下,可保证系统的稳定性,并实现三通道间的近似解耦,使攻角α,侧滑角β和滚动角γ良好地跟踪期望指令。     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

基于Lyapunov方法的空间飞行器大角度姿态机动控制

本文研究空间飞行器大角度资态机动的控制问题，为了克服大角度机动时使用欧拉角可能产生的奇异问题，文中使用四元参形式的微分方程来描述飞行器的运动，飞行器的动力学方程具有不确定性和非线性。本文应用Lyapunov方法设计在大角度姿态机动控制器，这个控制器具有按指数规律变化的增益，它大大减小了对初始力矩的要求，最后，本文给出一个例子来说明所导出的控制器的优点。     

空间机器人的智能控制器设计

自由漂浮空间机器人动力学方程不能被参数线性化并且存在模型不确定性，使得基于数学模型的控制问题变得十分复杂。本文研究了自由漂浮空间机器人的智能控制方法，提出了一个鲁棒的模糊神经网络控制器。首先利用模糊神经网络控制器来逼近理想控制器，然后利用鲁棒控制器对逼近误差进行估计和抑制。根据Lyapunov函数建立的新的网络学习算法保证了系统的稳定性。最后利用该控制器对平面二连杆空间机器人进行了研究。仿真结果表明该智能控制方案是有效的。     

基于ESO的用户星天线跟踪指向控制技术

基于独特的非线性扩张状态观测器(ESO),提出了一种用户卫星天线跟踪指向控制系统。该系统由程序跟踪内环和自动跟踪外环组成。内环控制器由三阶ESO、线性比例微分控制律和静态解耦律组成。外环控制器为一简单的积分控制器。ESO能够在不依赖天线模型的情况下估计出系统状态和总扰动(称为扩张状态)。利用该扩张状态实现动态反馈补偿,则天线系统被简化为解耦的积分系统。基于ESO设计天线控制系统,无需精确的用户卫星天线模型。仿真结果表明,提出的天线控制系统具有较高的跟踪指向性能和对干扰和不确定性具有较强的鲁棒性。     

航天器姿态的非线性鲁棒分散控制器设计

研究了具有外部干扰力矩及参数不确定性的航天器姿态控制问题。针对这类多输入-多输出的不确定非线性系统，基于一种非线性鲁棒分散控制理论，设计了结构简单而易于实现的控制器。该控制器中包含的积分环节可以补偿系统的各种未知因素，同时确保恒值调节系统不存在稳态误差。仿真结果表明：所设计的鲁棒分散控制器与非线性动态逆控制器相比，具有更优越的抗干扰能力和对模型不确定的适应能力。即使系统存在外部干扰及模型小确定性，仍可在闭环系统中实现精确的姿态控制。该控制器有效地提高了航天器姿态控制的鲁棒性和适应性。     

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。     

带伸缩挠性附件航天器的自抗扰控制律设计

研究了利用自抗扰控制器设计带伸缩挠性附件航天器的姿态控制问题.根据自抗扰控制器可以动态补偿系统模型扰动的特点,针对挠性附件伸缩条件下强耦合、强非线性模型进行了控制律设计.仿真结果显示,系统具有良好的动态、稳态性能和振动抑制能力.