复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

基于对角回归网络的非线性系统建模

分析了非线性系统神经网络建模的规律,利用对角回归神经网络(DRNN)实现了非线性动态系统的辨识.辨识结构采用串并联模式,网络权值的调整为考虑时变因素的调整算法.与静态神经网络相比,基于DRNN的辨识方法显示出很强的处理动态问题的能力,无需辨别系统阶次,辨识结构简单,收敛速度快.仿真结果表明该方法是有效可行的.      

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

基于自适应动态逆的自动空中加油轨迹跟踪

针对自动空中加油(AAR, Automated Aerial Refueling)的受油机轨迹跟踪控制问题,采用导引环与姿态控制环分离的控制策略,提出了基于非线性路径跟随导引和自适应神经网络动态逆的受油机轨迹跟踪控制方法.该方法将改进的非线性导引应用于受油机横、纵向导引控制,使用自适应神经网络在姿态角速率回路补偿外界干扰和系统模型误差,并利用比例-积分型姿态角速率误差动态方程设计自适应神经网络权值更新律.仿真结果表明:在受油机接近加油机过程中,该方法有效提高了受油机轨迹跟踪控制系统的抗干扰能力和对模型不确定性的自适应能力,能够满足自动空中加油的控制要求.     

基于PNN与FNN模型神经网络控制器设计与分析

模糊神经网络和预测神经网络分别是基于经验和学习的新型神经网络控制系统,通过在卧式电液仿真转台中框控制器上分别采用这2种控制方法来研究它们的控制特性和应用范围.其中,模糊神经网络结合了模糊控制的经验和神经网络的学习能力,但控制精度取决于人为经验;所研究的预测神经网络采用了基于非线性自回归滑动平均模型建立预测模型,实现在线学习和在线控制,但初始阶段控制精度不高.仿真研究证明,根据具体的控制对象采用适当的控制方法或是将2种方法合理地结合起来将会达到较高的控制精度.      

TSK模糊神经网络及其约束优化学习算法

针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.     

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

基于Volterra级数的功放行为建模与简化

Volterra级数行为模型因其高复杂度而只适用于弱非线性系统,对于具有强非线性和长记忆效应的功率放大器,Volterra级数模型将包含大量的待辨识参数.对射频功率放大器的行为建模进行了研究,提出了功率放大器Volterra级数行为模型的简化方法,通过引入邻对角核控制因子和动态偏离阶数控制因子,合理移除了对信号输出影响较少甚至无关的辨识参数,从而在保证模型准确度的前提下有效地降低了模型的复杂度和参数提取时间.采用了一个10 W的射频功率放大器实例用于模型提取和验证,模型与仿真实验的数据结果对比表明,简化的Volterra行为模型能够很好地描述功放的非线性特性及记忆效应,验证了简化行为模型的有效性和灵活性.     

基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

高超声速巡航飞行器在线自适应反馈控制设计

由于飞行器模型的强非线性,各种建模不确定性以及飞行环境的复杂性,高超声速飞行器控制成为一个研究难点.针对某类具有参数不确定性的非线性系统,提出了一种反馈线性化与自适应估计相结合的方法,对非线性系统的输入输出动态应用反馈线性化处理以得到拟线性模型,并设计反馈控制律;对不确定参数采用自适应在线估计,利用Lyapunov方法分析稳定性;针对选择不同输出的情况,对如何消除内动态进行了讨论.为了验证该方法的可行性,将其应用于某高超声速飞行器巡航段纵向非线性模型,对速度和高度通道进行跟踪控制仿真,由于飞行器和大气环境存在建模不确定性,利用自适应控制对不确定参数进行在线估计.仿真结果显示该方法能够快速收敛,并且具有良好的在线自适应能力.     

高超声速飞行器自适应切换控制及稳定性分析

针对高超声速飞行器巡航段控制问题,构造自适应切换控制并对闭环稳定性进行了分析.高超声速飞行器动力学模型具有非线性、多变量和开环不稳定的特点.首先给出动力学模型局部线性化的方法,并设计自适应切换律和非线性反馈控制.进而给出全局稳定性分析结果,证明在所设计自适应切换控制下,闭环系统指数收敛到状态原点附近一个小邻域内.     

导弹增量式自适应容错控制系统设计

导弹在实际飞行中存在气动参数不确定、执行机构故障等问题,从而对导弹飞行控制系统稳定性与操控能力造成严重影响。为此,设计一种增量式自适应容错控制方法,在实现导弹安全控制的同时,兼顾姿态控制算法时效性与可靠性。建立面向控制的三通道耦合姿态动力学模型;考虑系统不确定性和执行机构故障,基于增量式动态逆方法设计导弹被动容错控制律;基于自适应滑模控制与增量式动态逆方法,设计增量式动态逆自适应容错控制律,并对系统残差进行分析比较;通过某典型全弹道姿态跟踪任务,验证舵面故障下的姿态跟踪特性。仿真结果表明:所提方法在故障未知的情况下,能够保证飞行控制系统的鲁棒性与容错能力,实现导弹的安全可靠控制。      

柔性卫星大角度机动的自适应模糊变结构控制

针对柔性卫星大角度机动过程中多种模态的强耦合非线性动力学控制问题,提出了一种自适应模糊变结构姿态控制方法.首先利用拉格朗日方程建立了带柔性附件卫星的动力学模型,然后设计变结构控制器使得系统状态能在有限时间内到达滑模面,并采用自适应模糊系统逼近系统所存在的耦合非线性项.为了削弱变结构控制项所带来的抖动,避免激发柔性附件的高频模态,采用边界层方法来代替开关项,并通过模糊规则表的方法确定边界层的厚度.仿真结果表明,所提出的控制方法既实现了柔性卫星高精度姿态控制,也保证了卫星大角度机动过程中柔性附件弹性模态的有效抑制,系统对各种干扰具有一定的鲁棒性.      

Neural network-based sliding mode control for atmospheric-actuated spacecraft formation using switching strategy

This paper presents an adaptive neural networks-based control method for spacecraft formation with coupled translational and rotational dynamics using only aerodynamic forces. It is assumed that each spacecraft is equipped with several large flat plates. A coupled orbit-attitude dynamic model is considered based on the specific configuration of atmospheric-based actuators. For this model, a neural network-based adaptive sliding mode controller is implemented, accounting for system uncertainties and external perturbations. To avoid invalidation of the neural networks destroying stability of the system, a switching control strategy is proposed which combines an adaptive neural networks controller dominating in its active region and an adaptive sliding mode controller outside the neural active region. An optimal process is developed to determine the control commands for the plates system. The stability of the closed-loop system is proved by a Lyapunov-based method. Comparative results through numerical simulations illustrate the effectiveness of executing attitude control while maintaining the relative motion, and higher control accuracy can be achieved by using the proposed neural-based switching control scheme than using only adaptive sliding mode controller.     

Fault tolerant small satellite attitude control using adaptive non-singular terminal sliding mode

The Attitude Control System (ACS) plays a pivotal role in the whole performance of the spacecraft on the orbit; therefore, it is vitally important to design the control system with the performance of rapid response, high control precision and insensitive to external perturbations. In the first place, this paper proposes two adaptive nonlinear control algorithms based on the sliding mode control (SMC), which are designed for small satellite attitude control system. The nonlinear dynamics describing the attitude of small satellite is considered in a circle reference orbit, and the stability of the closed-loop system in the presence of external perturbations is investigated. Then, in order to account for accidental or degradation fault in satellite actuators, the fault-tolerant control schemes are presented. Hence, two adaptive fault-tolerant control laws (continuous sliding mode control and non-singular terminal sliding mode control) are developed by adopting the nonlinear analytical model to describe the system, which can guarantee global asymptotic convergence of the attitude control error with the existence of unknown external perturbations. The nonlinear hyperplane based Terminal sliding mode is introduced into the control law design; therefore, the system convergence performance improves and the control error is convergent in “finite time”. As a result, the study on the non-singular terminal sliding mode control is the emphasis and the continuous sliding mode control is used to compare with the non-singular terminal sliding mode control. Meanwhile, an adaptive fuzzy algorithm has been proposed to suppress the chattering phenomenon. Moreover, several numerical examples are presented to demonstrate the efficacy of the proposed controllers by correcting for the external perturbations. Simulation results confirm that the suggested methodologies yield high control precision in control. In addition, actuator degradation, actuator stuck and actuator failure for a period of time are simulated to demonstrate the fault recovery capability of the fault tolerant controllers. The numerical results clearly demonstrate the good performance of the adaptive non-singular terminal control in the event of actuator fault compare with the continuous sliding mode control.     

基于直接自适应的挠性航天器姿态稳定控制

针对挠性航天器姿态稳定控制,基于退步控制方法与直接自适应控制方法提出了一种自适应控制策略。首先将挠性航天器模型分解为运动学子系统和动力学子系统,并设计具有理想控制性能的参考模型;然后在姿态小角度的假设下,对满足近似严格正实性的姿态运动学子系统设计了直接自适应中间控制律;最后运用退步控制方法对航天器动力学子系统设计了姿态控制器,并证明了闭环系统的稳定性。理论分析和数值仿真结果表明该控制器对挠性航天器的姿态稳定控制是有效的。     

电磁航天器编队位置跟踪自适应协同控制

通过引入一致性理论针对电磁航天器编队相对位置协同控制问题设计了自适应协同控制器。分析了电磁航天器编队的基本原理,建立了电磁航天器编队相对运动精确的非线性动力学方程。基于电磁力远场计算模型的不确定性,对相对运动动力学模型进行了修正。在电磁力计算模型不确定和航天器间存在通信时延的条件下,对位置跟踪控制的目标设计了自适应协同控制器。考虑到电磁航天器磁矩产生能力的不同,给出了通过优化进行磁矩分配的方案。通过仿真表明:所设计的自适应协同控制器不仅实现了对期望轨迹的准确跟踪,而且相比人工势函数法,暂态维持编队构型的能力提高了4.9倍,并且所给出的磁矩分配方案实现了磁矩的合理分配。     

一类不确定分数阶混沌系统的滑模自适应同步

基于滑模自适应控制理论、Lyapunov稳定性理论和分数阶线性系统稳定性理论,在考虑系统存在模型不确定和外部扰动的情况下,选用一种具有较强鲁棒性的分数阶滑模曲面,设计了合适的自适应滑模控制器。所设计的控制器能够将系统状态控制到滑模面上,实现两个不确定分数阶混沌系统的同步,且不需事先知道不确定项上界。该控制器结构简单,控制代价小,具有较好的通用性,对未知扰动具有较强的鲁棒性。数值仿真验证了该方法的正确性和有效性。     

飞行器航迹倾角的自适应动态面控制

针对飞行器纵向模型具有参数不确定性和外界干扰的特点,提出一种飞行器航迹倾角的自适应动态面控制方法.动态面控制方法通过引入一阶低通滤波器避免了传统反演设计存在的"微分爆炸"现象,采用自适应律对模型未知参数进行在线估计,并利用非线性阻尼项克服外界干扰.通过Lyapunov方法证明得出闭环系统半全局一致稳定,跟踪误差可通过调节控制器参数达到任意小.仿真结果表明:该方法能在简化控制设计过程的同时保证航迹倾角跟踪上预定轨迹,控制系统具有较强的自适应能力且对外界干扰具有一定的鲁棒性.