高超声速飞行器Terminal滑模控制系统设计

针对高超声速飞行器模型的强非线性、快时变、强耦合和强不确定性,提出了基于动态逆和Terminal滑模控制的制导/姿控一体化设计方法.该方法将动态逆控制的非线性解耦能力与Terminal滑模控制的强鲁棒性有机结合,实现了模型的反馈线性化和多通道解耦,保证高超声速飞行器在存在参数不确定性和外界干扰的条件下实现稳定飞行.仿真结果表明该控制方法对高超声速飞行器是可行的.     

高超声速飞行器的神经网络PID控制

高超声速飞行器是一种强耦合性、存在不确定性和高度非线性的复杂控制系统,在其应用神经网络PID控制方法进行纵向通道的姿态控制时,将控制系统分为快慢内外环,基于神经网络控制理论,针对高超声速飞行器的动力学模型和运动学模型设计单神经元PID控制律和PID神经网络控制律,推导了权值调整的学习算法。仿真结果表明,高超声速飞行器的神经网络PID控制系统能够有效抑制气动参数变化的影响,较好地跟踪期望攻角,有较强的鲁棒性。     

一种基于自适应变结构的高超滑翔飞行器控制方法研究

针对高超声速滑翔飞行器的不确定性及强非线性耦合特性,研究了一种自适应变结构姿态控制设计方法。首先建立了高超声速飞行器在滚转通道快速将最大升力面滚转到制导机动方向时姿态控制系统的非线性数学模型,然后将结构干扰力矩、非线性耦合和气动参数摄动等不确定的输入因素视为一类有界干扰,提出了一种自适应变结构控制方法,该法在保证系统闭环稳定的前提下,在线对不确定因素的界进行估计,从而对系统中的不确定因素进行补偿,并选择适当的趋近律,通过符号函数连续化方法来解决由于变结构控制带来的抖振问题,最后进行仿真验证。仿真结果表明该方法具有良好的解耦控制效果,与传统方法相比可有效提高控制系统的控制性能和鲁棒性。     

基于特征模型的高超声速飞行器的自适应姿态控制

研究了基于特征模型的自适应控制方法在高超声速飞行器姿态控制中的应用。对一类非线性强耦合以及大范围参数不确定性的类X-20高超声速飞行器无动力滑翔段六自由度动力学模型,建立含耦合的多输入多输出(MIMO)特征模型,并设计基于特征模型的黄金分割控制器。控制律设计中通过对非对角元控制量强制一步滞后,使得各通道控制量可以计算简单。最后通过飞行高度和速度大范围变化的长时间飞行过程中姿态角的跟踪控制仿真,验证了控制器的鲁棒性和适应性。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点，提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先，建立高超声速飞行器再入段线性化模型，并采用LQR方法完成了状态反馈控制律设计。然后，结合自抗扰控制技术，设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿，大幅增强了系统的扰动抑制能力。最后，将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真，仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令，并且对系统不确定性具有强鲁棒性。     

含扩张状态观测器的高超声速飞行器动态面姿态控制

针对高超声速飞行器复杂非线性、高不确定性和强通道耦合等特点,提出了一种飞行器姿态控制的非线性设计方法。根据高超声速飞行器无动力飞行的姿态运动方程组,给出一个可面向姿态控制的非线性设计模型。针对一类非线性系统,提出了一种基于扩张状态观测器（ESO）的动态逆设计方法,并通过动态面控制理论,将其应用于高超声速飞行器的三通道姿态控制中。仿真结果表明,相比基于传统动态逆的动态面控制方案,本文所提出的控制方案可以保证飞行器快速、精确地跟踪角位置指令,并且具备针对系统不确定性的强鲁棒性能。     

新型高超声速飞行器耦合姿态控制系统设计

针对具有强耦合和强不确定性特点的高超声速飞行器控制问题,提出一种考虑耦合特性的新型鲁棒姿态控制律。首先,建立高超声速飞行器的姿态动力学方程,并基于反步法思想转化为误差动态模型;然后结合干扰观测器提出基于耦合特性的飞行器鲁棒控制方法,并设计滑模补偿项保证姿态角渐近收敛到跟踪指令;最后基于绝对误差积分(IAE)指标从理论上证明本文方法相对于未考虑耦合特性的方法具有更好的动态性能。本文提出的控制方法不仅保证系统渐近稳定性和强鲁棒性,而且将耦合特性考虑进控制器设计中,进而提升了系统的动态性能。数值仿真考虑气动参数拉偏以及实际的执行机构幅值和速率限制,仿真结果校验了本文控制系统设计的有效性。     

高超声速飞行器鲁棒自适应控制律设计

针对具有强耦合特性与模型不确定性特点的高超声速飞行器控制问题,提出了一种新的鲁棒自适应控制律设计方法。首先,结合高超声速飞行器数学模型,在引入参考模型的基础上,建立了一种具有非匹配特性的耦合控制模型。然后,基于该非线性模型,结合Riccati方程,通过动态调节参数的方法,得到了一种鲁棒自适应控制律。最后,对该控制算法的有效性进行了仿真验证。仿真结果表明：此算法在气动参数摄动与干扰同时存在的情形下,可以满足高超声速飞行器的稳定飞行要求。     

基于反馈线性化的高速无人机自适应控制系统设计

高速无人机是典型的复杂非线性、参数不确定性系统,且各控制通道之间存在强耦合作用,这对飞行控制系统设计提出了严峻挑战。针对其非线性特性和耦合特性,采用精确反馈线性化理论将无人机动力学模型解耦为3个独立的子系统,即滚转、俯仰和偏航通道;应用模型参考自适应控制方法分别设计每个通道的姿态控制器。研究表明,上述线性化方法能够实现三通道解耦,所设计控制系统满足飞行控制性能要求,且对气动参数摄动和外部干扰具有较强的鲁棒性。     

一种高超声速飞行器的鲁棒解耦控制方法

高超飞行器的再入非线性动力学模型具有参数不确定性和外部干扰,针对这种情况基于奇异摄动理论提出了鲁棒内环外环解耦控制方案.控制系统的外环基于自适应模型参考设计简单解析的虚拟控制律,实现二阶模型动态跟踪气流系角,抑制三通道运动耦合和干扰的影响,避免了在线实时求逆计算.强耦合的内环采用动态逆跟踪虚拟的角速度指令,期望动力学采用PI形式抑制干扰和不确定性,并基于模型预测控制策略解决辅助轨迹线性化的时变控制器设计和输入约束,提高内环的鲁棒跟踪性能.最后,通过仿真验证了所提算法的有效性.     

基于模糊策略的高速飞行器滑模控制律设计

以通用高超声速飞行器GHV为研究对象,针对其俯仰通道设计了具有良好鲁棒性的飞行控制系统.为了便于应用滑模控制理论,对该模型进行了输入输出反馈线性化,将其转换成仿射型.鉴于鲁棒性与抖振的矛盾,基于指数趋近律完成了滑模控制律结构设计,进而采用了模糊控制理论改进指数趋近律.基于遗传算法完成了所有控制参数的设计,确定了模糊逻辑...     

基于变增益观测器的高超声速飞行器输出反馈控制

针对吸气式高超声速飞行器飞行控制问题，提出一种基于变增益观测器的双回路非线性输出反馈控制方案。首先，为解决部分状态信号不可直接测量的问题，设计了一种可变增益状态观测器。通过状态变换将飞行器模型变换为双回路形式，并设计自适应的观测器增益系数在保证其稳定性的同时提高鲁棒性。在此基础上，将高超声速飞行器本体模型与所设计的观测器一起构成新的严反馈系统，结合反步法与动态面设计控制器。另外，引入扩张状态观测器补偿系统观测误差及耦合项。利用Lyapunov理论证明了闭环系统的一致有界稳定。最后，在不同情况下的数值仿真校验了所提控制方案在存在较大参数不确定情况下可获得理想的指令跟踪效果。     

基于四元数反馈线性化的飞行器姿态控制方法研究

空间飞行器姿态控制系统是一个非线性多输入多输出系统,其姿控执行机构的布局及工作特性决定了姿态控制的难易程度。针对飞行器以姿控发动机作为姿控执行机构时的大角度姿态运动需求,本文采用单位四元数作为弹体姿态描述,考虑到姿控发动机布局对姿态控制的影响,直接以姿控发动机推力作为系统的控制输入,利用反馈线性化方法,将原非线性系统转化为一个六阶线性子系统和一个一阶内动态子系统。在对内动态分析的基础上,针对线性子系统设计了四元数PD反馈控制律。在转动惯量不确定性以及轨控大干扰力矩存在的情况下,对闭环控制系统进行了大角度姿态运动数字仿真。仿真结果表明,本文所设计的姿控方法能够有效地实现飞行器大角度姿态控制,并对系统参数摄动及外部干扰具有较强的鲁棒性。     

基于自适应动态逆的高超声速飞行器姿态复合控制

考虑高超声速飞行器再入过程中存在气动舵低效的问题,提出了质量矩/气动舵复合控制方式,研究了这两类执行机构的复合控制分配问题,并针对高超声速飞行器强非线性和不确定性的对象特性,基于神经网络方法设计了自适应动态逆姿态控制系统。首先给出了质量块配置原则以及质量矩/气动舵复合控制模型;其次,为获得良好的控制分配精度并保证较小的执行机构能耗,基于二次规划方法设计了质量矩/气动舵复合控制分配策略;再次,利用神经网络权值的自适应调整来逼近系统中存在的不确定性,补偿动态逆误差,设计了基于神经网络的自适应动态逆控制器。最后,通过仿真验证了文中控制分配策略和自适应动态逆方法的有效性。     

高超音速飞机鲁棒自适应控制的研究

由于高超音速飞机自身特有的结构以及飞行时所处的复杂条件，其高度非线性的数学模型往往很难获知，即便是建立的某种数学模型也是极为不准确的，因此许多传统的控制方法已经不再适用。所提出来的高超音速飞机鲁棒自适应控制，依靠在线调参的单隐层神经元来逼近其不确定的数学模型，使得整个控制过程对模型的依赖程度大大降低，除此之外，该控制方法还具有非线性解耦的能力，最后通过对某种高超音速飞机的仿真分析，验证了该方法的控制效用及强鲁棒性能。     

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。