基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

面向非沿迹成像的姿态跟踪扩展观测器滑模控制

针对地面兴趣点不沿星下点轨迹的动态非沿轨迹成像问题,设计一种结合扩展状态观测器的非奇异快速终端滑模控制器。首先根据非沿轨迹成像模型的需求推导卫星姿态参考轨迹。其次,根据由误差四元数描述的跟踪误差运动模型设计了非奇异快速终端滑模控制律。考虑到干扰抑制,引入了扩展状态观测器来观测系统的总扰动,从而降低滑模控制律中的切换增益,削弱系统抖振。然后再用模糊自适应系统对切换项进行在线逼近,柔化控制信号,进一步减振。最后,对具有干扰和参数不确定的姿态控制系统进行了数值仿真,结果表明该方法收敛速度快,控制精度高。     

基于神经网络干扰观测器的柔性航天器姿态稳定控制

本文针对柔性航天器在惯性参数未知、外界干扰、输入饱和等复杂条件下的姿态控制问题,提出了1种基于神经网络干扰观测器的柔性航天器姿态稳定控制方法。首先,基于包含压电振动抑制输入的柔性航天器姿态动力学模型,构建了包含外界干扰、惯性参数不确定性的综合扰动项;其次,基于RBF神经网络设计干扰观测器与自适应参数调节律实时地估计综合扰动;再次,设计了1种固定时间收敛且有限时间稳定的非线性滑模控制器,并通过Lyapunov理论进行了稳定性分析;最后,利用航天器闭环姿态动力学系统进行数值仿真。结果表明:所设计的基于神经网络干扰观测器的控制方法可以有效实现航天器的姿态稳定、振动抑制与干扰估计,从而顺利完成航天器的高精高稳控制任务。     

考虑执行机构故障的运载火箭自适应滑模容错控制

针对执行机构故障下的运载火箭姿态指令跟踪问题，在考虑内部未建模动态、外部不确定干扰等因素的影响下，设计了一种基于新型扩张状态观测器(ESO)的自适应滑模容错控制器。首先，基于一种新型级联降阶扩张状态观测器，对系统的未建模动态、外部干扰等不确定性进行估计。在此基础上，结合滑模控制理论，设计了一种固定时间收敛的自适应滑模控制律，能够获得观测器干扰估计误差的上界信息，同时消除滑模控制的抖振现象。通过李雅普诺夫方法证明了闭环系统的稳定性。仿真结果表明，所提出的基于新型扩张状态观测器的自适应滑模容错控制器在执行机构故障情况下仍具有较好的跟踪性能和抗扰能力。     

基于反馈线性化的动能拦截器姿态控制研究

动能拦截器进入末制导阶段时经常需要进行大角度姿态机动,这时拦截器姿态控制系统具有非线性、强耦合、多输入多数出(MIMO)的特点。现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。首先基于精确反馈线性化方法将系统解耦成三个独立的子系统,然后应用基于PID神经网络的自适应逆控制方法分别设计每个子系统的姿态控制器。该方法将PID神经网络控制与自适应逆控制相结合,对于拦截器姿态控制系统中的建模误差以及外部干扰具有较强的适应能力。仿真结果证明了该方法的有效性。     

拦截大机动目标的三维制导控制一体化设计

针对大机动目标拦截过程中目标加速度未知的问题,提出一种结合有限时间收敛扩张状态观测器与自适应动态面控制的复合三维制导控制一体化设计方法。首先,建立基于弹目视线坐标系下的三维全耦合六自由度侧滑转弯导弹的制导控制一体化模型,减少了假设条件;采用动态面方法,避免传统反步法设计中的"计算膨胀"问题,引入有限时间收敛的扩张状态观测器来在线估计并补偿包括目标加速度在内的不确定性,同时结合自适应鲁棒控制策略,对新型扩张状态观测器的观测误差进行补偿,有效地提高了对大机动目标的拦截精度。基于李雅普诺夫稳定性理论证明了闭环系统的稳定性。导弹六自由度全状态模型的拦截仿真证明了设计方案的有效性。     

考虑特征模型的高超声速飞行器全通道自适应控制

针对高超声速飞行器具有强非线性、高不确定性及强耦合等特点,提出一种基于反馈线性化控制与特征模型自适应控制相结合的姿态控制律设计方法,解决姿态控制系统的非线性耦合与不确定性,保证飞行器控制系统稳定。首先,建立高超声速飞行器全通道非线性耦合的动力学模型。其次,利用反馈线性化控制方法将全通道非线性耦合系统解耦成近似线性系统,并对线性解耦系统设计输出反馈控制律;而对于反馈线性化控制依赖于系统的精确数学模型,并对建模误差和外部干扰敏感的问题,设计基于误差特征模型的自适应控制律,提高系统的适应性;针对原动力学模型,证明闭环控制系统是有界稳定的。最后,通过数学仿真校验了控制律设计的正确性与有效性,仿真结果表明设计的姿态控制系统可以很好地跟踪指令,具有较强的鲁棒稳定性。     

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.     

基于误差修正的直接力／气动力双层姿态控制设计

针对直接力／气动力复合姿态控制问题,将具有扩张观测器的动态逆控制与最优控制相结合,设计了一种基于误差修正的直接力／气动力复合控制双层姿态控制方法。该控制方法以气动力控制为主,将滑模变结构控制与动态逆控制相结合进行气动力控制,通过引入扩展观测器对控制系统中的不确定干扰进行估计与补偿,以提高控制系统的鲁棒性;在此基础上,基于最优控制方法进行直接力控制设计以实现跟踪误差快速修正,达到提高系统响应速度的目的。与气动力单独控制的仿真结果对比表明,该复合控制算法能够有效改善系统的动态响应特性。     

基于自适应RBF神经网络的可重复使用运载器再入段姿态控制

针对再入段可重复使用运载器(Reusable Launch Vehicles,RLV)姿态控制问题,提出一种基于自适应径向基函数(Radial Basis Function,简称RBF)神经网络(ARBFNN)的姿态控制方法。首先,建立RLV的6-DOF非线性动态模型,并将旋转动力学模型变成严反馈形式。然后,设计了一种自适应RBF神经网络控制(ARBFNN)结构,可以减少神经网络逼近误差的影响。同时,通过李雅普诺夫和自适应控制的结合消除了控制器设计过程中的不确定影响,并验证了系统的稳定性。最后,通过仿真验证了所提算法在解决再入段RLV姿态控制问题上的有效性。     

基于非线性干扰观测器的临近空间拦截弹姿态控制

为满足临近空间拦截弹在大干扰强耦合情况下高精度姿态控制问题,设计了基于非线性干扰观测器的自适应鲁棒反演控制器。建立了基于直接力控制的拦截弹三通道姿态控制系统模型;采用二阶滑模微分器,估计计算反演控制中虚拟控制量的导数,解决了"微分膨胀"的问题;为提高姿控系统控制精度,对模型的未知信息和外界干扰做高精度的估计和补偿,依据二阶跟踪微分器,设计了一种新型非线性干扰观测器;并采用PSR调制器将连续控制量离散化,通过姿控发动机实现变推力控制。数字仿真结果显示,设计的姿态控制器跟踪速度快、精度高,对系统不确定和干扰具有强鲁棒性。     

一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题，设计了一种智能神经网络自适应复合控制方法，基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时，面向再入过程横侧通道的强耦合问题，引入了耦合控制系数，以降低横、侧通道间的控制干扰。此外，提出了一种自适应链式控制分配律，在控制信号中引入正交优化多正弦激励，基于递推最小二乘方法对气动参数进行在线辨识，进而实时更新链式分配策略。最后，对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验，验证了该方法的有效性和鲁棒性。     

一种基于ESO的导弹鲁棒自动驾驶仪设计方法

针对大机动能力滚转角稳定的战术导弹反应快、通道间耦合性强等特点,提出了一种鲁棒自动驾驶仪设计方法.首先将滚转通道模型中的参数不确定性和外界扰动作为系统的复合干扰,然后利用扩张状态观测器估计系统的状态和复合干扰,并将其用于线性二次型调节器自动驾驶仪的设计中,最后给出了控制算法的稳定性证明.仿真结果表明,基于扩张状态观测器...     

基于干扰补偿的航天器直接自适应模糊控制

带有活动式有效载荷和挠性附件的大型航天器在动力学上具有非线性、大挠性、强耦合等特点,这给控制系统的设计带来了较大难度。其突出特点是要求控制系统在控制量受限的情况下克服各种未知复杂干扰力矩的影响。本文针对这类大型复杂航天器,提出了一种基于直接型自适应模糊逻辑和干扰补偿的控制方法。在控制律的设计中,将自适应模糊系统直接用作系统的主控制律,利用扩张状态观测器对模糊系统的逼近误差和内外干扰力矩进行观测并予以实时补偿。仿真结果表明了方法的有效性。     

升力式再入飞行器非最小相位级联姿态控制

针对具有非最小相位特性的升力式再入飞行器的姿态控制问题,设计了一种基于干扰观测器的动态逆预测级联姿态控制器。提出了"外界输入控制外部状态,外部状态偏差控制内部状态"的级联控制策略。在内部状态回路中,利用模型预测控制器的最优性,以较小的控制量镇定内部状态到有界范围;在外部状态回路中,采用动态逆控制器将输出偏差镇定在内回路所需控制量上,并加入干扰观测器来消除再入过程中的建模不确定性,进而实现飞行器姿态的稳定跟踪输出。数值仿真结果表明,该级联控制策略能够有效地解决具有非最小相位特性的模型指令跟踪问题。Monte Carlo数值仿真结果表明,在建模不确定性存在的情况下,该级联姿态控制器具有良好的鲁棒性。     

基于高斯过程的航天器自适应滑模姿态控制

针对存在模型不确定性和外界干扰的刚性航天器,提出了一种基于高斯过程回归(GPR)的新型自适应滑模姿态控制算法。该算法具有自学习能力,在不同的姿态控制任务下都能够实现高精度、强鲁棒和高效率的姿态跟踪。首先,在航天器的四元数标称系统动态模型基础上,应用在线稀疏高斯过程回归(SOGP)方法学习系统的未知动态;其次,结合高斯过程的预测均值设计滑模控制算法,利用高斯过程的预测方差自适应调节控制增益,并应用李雅普诺夫方法严格证明闭环系统的稳定性,保证了航天器姿态跟踪误差的渐进收敛性;最后,通过数值仿真验证了所设计控制器的有效性。结果表明,该自学习控制算法与自适应滑模控制(ASMC)与神经网络自适应控制等算法相比,具有更快的收敛速度、更高的跟踪精度以及更低的控制成本。     

基于机械飞轮干扰补偿的小卫星自适应滑模变结构姿态控制

针对机械飞轮内干扰可能导致小卫星姿态控制系统性能下降问题,提出了一种加入机械飞轮干扰补偿的自适应滑模变结构姿态控制方法.本文针对基于机械飞轮的三轴稳定卫星姿态控制系统,首先建立系统详细的数学模型,包括基于机械飞轮的三轴稳定卫星姿态动力学方程和机械飞轮控制系统模型,然后针对此系统设计了一种基于机械飞轮干扰补偿的自适应滑模变结构控制器,其中通过设计一种状态观测器得到机械飞轮摩擦干扰的估计值,用于对机械飞轮摩擦干扰的补偿,并通过Lyapunov定理证明了此控制律能保证系统的渐近稳定性.最后仿真结果显示,此方法缩短了飞轮转速过零时间,降低了最大的姿态扰动量且提高了卫星姿态控制的精度和稳定度.     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

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。     

面向资源约束航天器控制系统的故障检测研究

针对航天器控制系统的闭环特性和星载计算机存储空间和计算能力等资源受限的特点,研究基于互质分解技术和Youla参数化方法的故障检测方法.考虑航天器控制系统动力学方程和运动学方程,建立线性化系统模型,并给出状态空间表达形式;以状态观测器为基础,利用互质分解技术和Youla参数化方法分别研究控制信号和控制误差与残差的关系,进而给出只与控制信号和控制误差相关的残差设计方法;建立卫星闭环姿态控制系统仿真平台对算法进行仿真验证.仿真结果表明:由于在故障检测过程中避免了观测器的并行运行,因此所提方法在保证故障检测性能的前提下减少了计算量.