基于QPSO算法的自抗扰控制器设计及参数整定

提出了一种基于量子粒子群(QPSO)的自抗扰控制器(ADRC)设计及参数整定方法.利用自抗扰控制器抗于扰能力强、鲁棒性好、对模型参数变化适应能力强的特点,设计了自抗扰纵向飞行控制器以提高飞行控制性能.针对所设计的自抗扰控制器参数多,需要依靠专家经验或试凑进行整定的问题,应用QPSO算法进行控制器参数整定.仿真结果表明,...     

一种基于串级线性自抗扰控制的四旋翼无人机控制方法

提出了一种基于串级线性自抗扰控制器的四旋翼无人机控制方法。根据建立的紊流模型形成了干扰风,在干扰风的环境下建立了四旋翼的运动学模型,并设计了一个串级的线性自抗扰控制器,其中外环采用位置控制,内环采用姿态控制。对比了该控制器与非线性自抗扰控制器和经典PID控制器在无风干扰和有风干扰下无人机的定点悬停的性能。仿真试验结果表明,无论是在无风干扰下还是在有风干扰下,该控制器的性能均好于非线性自抗扰控制器和PID控制器,具有较好的鲁棒性,能够运用到各种类型的旋翼无人机的工程控制中。     

空间遥操作人体动作捕捉相似性控制方法

针对传统空间遥操作控制方法灵活性不足的问题,提出了一种ATSMS(Adaptive Terminal Sliding Mode Similarity,自适应终端滑模相似性)控制方法。该方法在利用动作捕捉技术采集操作者手臂末端位置和关节角数据的基础上,设计了ATSM(Adaptive Terminal Sliding Mode,自适应终端滑模)控制器,精确控制空间机器人的末端位置;还设计了钳位速度,控制机器人关节构型趋向于操作者手臂关节构型,且不会影响末端位置的精确控制。数值仿真和地面实验结果表明,ATSMS控制方法可以实现操作者对空间机器人末端位置的精确控制和关节空间的灵活控制,末端位置控制精度约为97.58%,操作者手臂与机器人关节空间平均相似度高达99.06%。因此,ATSMS控制方法提高了空间遥操作的灵活性,可以应用于未来更为精细和复杂的空间遥操作任务中。     

基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器（ADRC）人工参数整定难的问题，提出了一种基于变权重变异鸽群优化（VWMPIO）算法的无人机自抗扰控制器优化算法。首先，给出了六自由度无人机（UAV）模型，基于自抗扰控制结构设计了一种受油机的姿态控制器，在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后，将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比，并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分（PID）控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。     

直升机/涡轴发动机综合系统鲁棒抗扰控制设计

提出了一种直升机/涡轴发动机综合系统鲁棒抗扰控制方法。分别设计了基于线性矩阵不等式(LMI)的鲁棒保性能控制的直升机四通道多变量控制器和涡轴发动机转速控制器;为了进一步提高发动机自由涡轮转速环的抗扰能力,结合自抗扰控制(ADRC)方法,构建了涡轴发动机转速鲁棒保性能控制+扭矩ADRC补偿的控制方案,充分利用了ADRC控制强的干扰补偿能力,避免了鲁棒设计方法的保守性。在UH-60直升机/涡轴发动机综合模型仿真环境下通过模拟直升机大幅急速升降操作,验证了直升机/涡轴发动机综合系统所采用的鲁棒抗扰控制,尤其是涡轴发动机鲁棒自抗扰控制,具有理想的抗扰控制效果,能够抑制直升机机动操作过程中大的扭矩扰动对涡轴发动机造成的不利影响,从而使直升机具有更好的机动能力。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

基于线性自抗扰的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机在轨迹跟踪控制过程中存在的不确定性和外部扰动,提出了一种基于线性自抗扰的轨迹跟踪控制方法。首先,基于线性自抗扰设计了四旋翼控制器,将四旋翼无人机的轨迹跟踪控制系统分成内外两个控制环路,外环由PD控制,内环由线性自抗扰控制;然后,进行了仿真验证与分析,并与基于补偿的PD控制方法进行对比分析;最后,开展了飞行验证。研究结果表明,线性自抗扰控制器不仅调节时间短,而且能补偿系统所受到的内、外干扰,提高系统的稳定性,较好地满足了系统性能要求,其抗干扰能力也优于基于补偿的PD控制。     

战斗机超机动飞行自抗扰控制器设计

提出了一种利用自抗扰控制器算法在大包线范围内设计超机动飞行控制系统的新方法。根据奇异摄动理论和自抗扰控制器能够动态补偿系统模型扰动和外扰的特性,在超机动飞行的快慢子回路中分别引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。控制律设计直接依据超机动飞行的强耦合、强非线性模型,在很大的包线范围内不需要改变控制器的结构和参数,大大简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决大包线范围内的超机动飞行控制问题提供了一种新的途径。     

基于线性自抗扰的齿轮传动涡扇发动机控制

为了研究干扰对航空发动机系统的影响及提高控制系统抗干扰能力,采用基于模型的设计方法（MBD）,建立一种大涵 道比齿轮传动涡扇发动机（GTF）部件级模型,并且针对发动机干扰来源,根据发生机理建立大气湍流干扰和功率提取干扰模型。 基于线性自抗扰控制（LADRC）方法设计了发动机转子转速控制器。在全数字仿真平台和硬件在环仿真平台上对发动机模型、干 扰模型以及控制算法进行了集成与验证。结果表明：发动机在面对这些类干扰时,LADRC控制器在转速等重要性能指标上的抗 扰能力比PID控制器提高20%以上。LADRC控制具有更好的鲁棒性和抗干扰能力,保证了发动机的平稳运行,为LADRC在实际 航空工程中的应用打下了良好的基础。     

倾转双旋翼无人机风场扰动下的建模和控制器设计

针对可倾转双旋翼无人机容易受外界风场扰动和模型不确定性影响的问题,设计了基于自抗扰控制技术的飞行姿态和PID轨迹组合控制。通过分析阵风对无人机姿态的影响,利用牛顿-欧拉法推导出有风条件下的双旋翼动力学方程;然后,通过Dryden大气紊流模型建立了无人机所处的风场环境;最后,用自抗扰控制器对无人机的动力学模型作干扰补偿,并采用粒子群算法进行参数整定,解决自抗扰技术参数繁多、人工调节复杂的问题。仿真结果表明,所设计的自抗扰姿态控制和PID轨迹组合控制器能有效抑制紊流风扰动,实现稳定飞行。     

基于自抗扰控制技术的无人直升机位置控制律设计

针对无人直升机抗风性能不足的问题,将自抗扰控制方法应用于无人直升机位置控制律,该位置控制律在常规内外回路控制架构的基础上,外回路采用非线性反馈,利用扩张状态观测器（ESO）进行动态扰动补偿。此文详细阐述了设计方法和工程应用问题。半物理仿真结果表明,该控制方案具有较强的抗扰动性,位置控制精度得到显著提升。     

航空发动机自抗扰控制器简捷设计与应用

针对航空发动机的强非线性特征,进行了自抗扰控制器(ADRC)技术在航空发动机控制系统中的应用研究。首先,从工程应用的角度出发,给出1种简捷自抗扰制器设计方法,从而减少需整定参数和以增强设计参数的物理直观性,以方便设计;然后,将该方法应用于某型涡扇发动机控制器设计。仿真结果表明:ADRC比PID控制方法有效。     

运载火箭电动伺服机构前馈自抗扰控制方法的设计

运载火箭伺服机构是火箭的执行机构,在工作过程中不仅要求伺服机构具有较好的阶跃响应和力矩抗扰性能,还要求伺服机构能够较好地跟踪箭载计算机发送的位置随动指令。常规的自抗扰控制(ADRC)建模时,将输入的微分量近似为0,使得输入时变信号时会产生建模误差,该误差无法通过扩张状态观测器(ESO)进行观测并补偿,导致系统的跟踪误差较大。针对常规自抗扰控制对时变信号跟踪误差较大的问题,提出了一种将位置输入微分前馈(PIDF)引入自抗扰控制的前馈自抗扰控制方法。通过理论推导和建模仿真得知,该方法可降低系统对正弦输入信号的跟踪误差并提高系统的动态特性,同时仍具有较强的抗干扰性能。最后通过试验验证了该方法的有效性。     

A New Hybrid Control Scheme for an Integrated Helicopter and Engine System

A new hybrid control scheme is presented with a robust multiple model fusion control(RMMFC) law for a UH-60 helicopter and an active disturbance rejection control(ADRC) controller for its engines.This scheme is a control design method with every subsystem designed separately but fully considering the couplings between them.With three subspaces with respect to forward flight velocity,a RMMFC is proposed to devise a four-loop reference signal tracing control for the helicopter,which escapes the closed-loop system from unstable state due to the extreme complexity of this integrated nonlinear system.The engines are controlled by the proposed ADRC decoupling controller,which fully takes advantage of a good compensation ability for unmodeled dynamics and extra disturbances,so as to compensate torque disturbance in power turbine speed loop.By simulating a forward acceleration flight task,the RMMFC for the helicopter is validated.It is apparent that the integrated helicopter and engine system(IHES) has much better dynamic performance under the new control scheme.Especially in the switching process,the large transient is significantly weakened,and smooth transition among candidate controllers is achieved.Over the entire simulation task,the droop of power turbine speed with the proposed ADRC controller is significantly slighter than with the conventional PID controller,and the response time of the former is much faster than the latter.By simulating a rapid climb and descent flight task,the results also show the feasibility for the application of the proposed multiple model fusion control.Although there is aggressive power demand in this maneuver,the droop of power turbine speed with an ADRC controller is smaller than using a PID controller.The control performance for helicopter and engine is enhanced by adopting this hybrid control scheme,and simulation results in other envelope state give proofs of robustness for this new scheme.     

弹性飞行器操纵机构最优位置的确定

本文研究了弹性飞行器操纵机构最优位置的确定。在具有速率反馈的控制系统中,把控制作用看作等效阻尼,推导了由气动弹性效应所决定的舵面最优位置准则,给出了表征舵面位置与陀螺位置协调关系的公式。附有实例验证。     

Neural adaptive control for a ground experiment of the space proximity operation in a six-degree-of-freedom micro-gravity simulation system

In this study, a neural adaptive controller is developed for a ground experiment with a spacecraft proximity operation. As the water resistance in the experiment is highly nonlinear and can significantly affect the fidelity of the ground experiment, the water resistance must be estimated accurately and compensated using an active force online. For this problem, a novel control algorithm combined with Chebyshev Neural Networks (CNN) and an Active Disturbance Rejection Control (ADRC) is proposed. Specifically, the CNN algorithm is used to estimate the water resistance. The advantage of the CNN estimation is that the coefficients of the approximation can be adaptively changed to minimize the estimation error. Combined with the ADRC algorithm, the total disturbance is compensated in the experiment to improve the fidelity. The dynamic model of the spacecraft proximity maneuver in the experiment is established. The ground experiment of the proximity maneuver that considers an obstacle is provided to verify the efficiency of the proposed controller. The results demonstrate that the proposed method outperforms the pure ADRC method and can achieve close-to-real-time performance for the spacecraft proximity maneuver.     

一种航空发动机多变量自抗扰解耦控制律设计

研究了航空发动机多变量解耦控制律设计问题。提出了一种用于航空发动机多回路控制的多变量自抗扰解耦控制算法:首先通过静态解耦算法实现多变量耦合系统的静态解耦,而后通过ADRC非线性扩张观测器的补偿控制实现各回路的动态解耦,最终实现复杂多变量耦合系统的解耦控制。以某涡扇发动机非线性部件级实时数学模型为被控对象,基于上述多变量自抗扰解耦控制算法设计了发动机中间状态以上多变量控制律。在全包线内,与基于增广LQR控制方法设计发动机闭环系统,进行了对比研究。数字仿真结果表明,前者使得发动机闭环系统具有更好的指令跟踪和多回路解耦能力。