有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。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。     

导弹纵向神经网络自动驾驶仪设计

在导弹俯仰通道中存在输入未建模动态情况下，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动驾驶仪的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器，然后利用反演控制技术设计了导弹纵向自动驾驶仪。最后给出仿真结果显示了该设计方法的有效性。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.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.     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

不确定性非线性系统的自适应输出反馈控制

研究了一种不确定性非线性系统的自适应输出反馈控制方法.首先引入伪控制信号使系统反馈线性化,然后设计一个线性动态补偿器和在线神经网络,自适应消除不确定性和建模所引起的误差.仿真结果表明,该控制方法能够消除系统的稳态误差,提高系统动态性能,并且具有较好的鲁棒性.     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

新一代歼击机超机动飞行的动态逆控制

 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。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 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和鲁棒性。     

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

 针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。仿真表明该方法是有效的。     

Constrained adaptive neural network control of an MIMO aeroelastic system with input nonlinearities

A constrained adaptive neural network control scheme is proposed for a multi-input and multi-output (MIMO) aeroelastic system in the presence of wind gust, system uncertainties, and input nonlinearities consisting of input saturation and dead-zone. In regard to the input nonlinear-ities, the right inverse function block of the dead-zone is added before the input nonlinearities, which simplifies the input nonlinearities into an equivalent input saturation. To deal with the equiv-alent input saturation, an auxiliary error system is designed to compensate for the impact of the input saturation. Meanwhile, uncertainties in pitch stiffness, plunge stiffness, and pitch damping are all considered, and radial basis function neural networks (RBFNNs) are applied to approximate the system uncertainties. In combination with the designed auxiliary error system and the backstep-ping control technique, a constrained adaptive neural network controller is designed, and it is pro-ven that all the signals in the closed-loop system are semi-globally uniformly bounded via the Lyapunov stability analysis method. Finally, extensive digital simulation results demonstrate the effectiveness of the proposed control scheme towards flutter suppression in spite of the integrated effects of wind gust, system uncertainties, and input nonlinearities.     

Variational method based robust adaptive control for a guided spinning rocket

In this paper, a robust adaptive controller is designed for a guided spinning rocket, whose dynamics presents the characteristics of pitch-yaw cross coupling, fast time-varying aerodynamics parameters and wide flight envelop. First, a coupled nonlinear six-degree-of-freedom equation of motion for a guided spinning rocket is developed, and the lateral acceleration motion is modeled as a control plant with time-varying matched uncertainties and unmodeled dynamics. Then, a robust adaptive control method is proposed by combining Bregman divergence and variational method to achieve fast adaption and maintain bounded tracking. The stability of the resulting closed-loop system is proved, and the ultimate bound and convergence rate are also analyzed. Finally, numerical simulations are performed for a single operating point and the whole flight trajectory to show the robustness and adaptability of the proposed method with respect to time-varying uncertainties and unmodeled dynamics.     

高精度激光跟踪系统的综合设计

1.前言 激光跟踪系统是航空航天工程中的重要设备之一。要想建造高精度激光跟踪系统,除了提高有关部件的精度之外,系统的综合设计是一个关键步骤。对于这类系统的综合设计,目前都采用全连续或全离散控制方案,而且不考虑对象未建模动态和子系统间的耦合问题。     

输入受限的吸气式高超声速飞行器自适应Terminal滑模控制

 针对吸气式高超声速飞行器的纵向运动模型,研究了输入受限时控制系统的设计问题,提出了一种内外环相结合的自适应Terminal滑模控制方法.以迎角和俯仰角速度作为内环控制对象,考虑到气动弹性模态和外部干扰,采用反步设计方法,设计出升降舵的自适应Terminal滑模控制律;以飞行速度作为外环控制对象,采用动态逆设计方法,设计出输入燃料当量比的动态逆自适应控制律,同时利用多层神经网络逼近控制律的饱和特性.基于Lyapunov稳定性理论,证明了采用此控制策略可以保证闭环控制系统的所有信号都是指数收敛至系统原点的一个有界邻域内,同时飞行器的气动弹性模态都是渐近稳定的.仿真结果表明,此控制策略能有效地处理吸气式高超声速飞行器在纵向运动过程中控制输入饱和受限的约束,在完成控制目标的同时,具有良好的过渡过程品质.     

压电陶瓷叠层作动器迟滞蠕变非线性自适应混合补偿控制方法

压电陶瓷叠层作动器的迟滞蠕变非线性特性严重影响了控制系统的稳定性及动态跟踪精度。针对其迟滞蠕变非线性补偿控制问题,提出了一种高精度动态补偿压电陶瓷叠层作动器非线性特性的自适应混合补偿控制方法,即迟滞蠕变前馈补偿与自适应滤波反馈补偿结合的前馈-反馈混合控制方法。采用改进的Prandtl-Ishlinskii（Modified Prandtl-Ishlinskii,MPI）模型对压电陶瓷叠层作动器迟滞蠕变非线性特性进行精细化建模,并得到其逆补偿模型进行前馈补偿。根据前馈补偿误差,采用自适应滤波反馈控制对输入信号进行实时调控,实现对压电陶瓷叠层作动器的迟滞非线性及lg（t）型蠕变特性的实时精确补偿控制。数值仿真与实验结果表明,相比于常规前馈迟滞蠕变补偿,所提出的自适应混合补偿控制方法可以有效降低压电陶瓷叠层作动器的迟滞补偿误差,极大提高了迟滞蠕变非线性动态跟踪精度以及自适应性。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

输入无模型动态扰动非线性系统的反演控制

研究了输入无模型动态扰动的不确定非线性系统的全局镇定。基于控制李雅普诺夫函数,设计了反演控制律,利用自抗扰的思想,构建扩展状态观测器来处理输入无模型动态,仿真结果验证了本方法的有效性。文章提出的控制方法适用于很多非线性系统。