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.     

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。     

导弹纵向机动飞行鲁棒控制

将非线性无源方法,用于导弹纵向机动飞行控制,并通过H_∞控制器补偿系统的不确定性。此方法设计的控制器,能保证系统的鲁棒稳定性。将此方法用于导弹地形跟踪控制,仿真结果表明,此种方法在导弹纵向机动飞行中控制效果较好。     

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。     

基于鲁棒动态逆的高超声速滑翔飞行器动态面姿态控制

针对高超声速滑翔飞行器参数变化快、不确定性高、通道耦合强的特点,研究了一种姿态控制的非线性设计方法。根据无动力飞行姿态运动模型,建立了可面向姿态控制的非线性设计模型。提出了一种具有鲁棒性能的动态逆控制方案,并通过动态面控制方法,将其应用于滑翔飞行器的姿态控制中。仿真结果表明,相比基于传统动态逆的控制方案,所提出的方案可以保证滑翔飞行器快速、精确地跟踪指令,并且具备针对系统不确定性的强鲁棒性能。     

基于μ综合的新型空空导弹稳定控制系统控制律设计研究

为避免控制律设计结果出现较大的保守性,考虑新一代大机动空空导弹的非线性、各通道的耦合作用、不确定性和未建模动态特性等问题,研究了基于μ综合方法的导弹稳定控制系统控制律设计。建立了某空空导弹的俯仰通道模型,给出了控制律结构、权函数设置与选取、控制律设计指标,对未建模不确定性、参数不确定性和传感器测量噪声进行了建模,设计了控制结构,用D-K迭代获得了μ综合控制器。数字仿真验证结果表明:设计的俯仰通道鲁棒控制器满足控制性能指标要求,有良好的鲁棒性与稳定性,对大机动空空导弹的非线性、各通道的耦合作用、不确定性和未建模动态特性等具良好的控制效能,实现了一个控制器控制多个工作点,突破了经典控制系统中一个控制器控制少数几个工作点,需在飞行包络内进行复杂动态调参的传统控制模式。     

BTT导弹的神经网络自适应非线性自动驾驶仪设计

针对BTT导弹的飞行控制问题,提出一种基于近似动态逆及神经网络理论的非线性自动驾驶仪设计方法.给出了神经网络自适应动态逆控制规律,建立了BTT导弹的数学模型,设计了导弹的神经网络自适应动态逆控制系统结构,并进行了控制效果的数值仿真分析.仿真结果说明了神经网络自适应非线性自动驾驶仪在导弹飞行控制中具有较高的控制精度和很好的鲁棒稳定性.     

飞行器姿态的一种鲁棒自适应模糊解耦控制

飞行器姿态系统具有非线性、强耦合、多输入多输出(MIMO)的特点。本文针对飞行器姿态模型的非线性和不确定性，提出鲁棒自适应模糊解耦控制方法，对飞行姿态进行机动控制。首先，设计基于精确反馈线性化的模糊解耦控制环节。针对模糊逼近所带来的误差以及外部干扰项，采用H∞鲁棒补偿控制方法，使误差干扰项对系统的影响最小。为充分利用有限的模糊规则，采用非线性可调参数模糊模型。模糊参数的自适应调节律由李雅普诺夫综合法得到。数学仿真表明，该控制方案对于空间飞行器姿态系统中的非线性和参数不确定性具有较强的适应能力。     

反演法在导弹非线性控制系统设计中的应用

反演控制方法是非线性控制领域的一种新方法,可以有效解决系统的非线性、耦合性和不确定性。本文在三维空间六自由度非线性导弹系统模型的基础上设计了俯仰、偏航、滚转三通道控制系统,并针对空气动力学参数的不确定性进行了系统鲁棒性分析。仿真结果表明反演控制是一种非常有效的非线性控制方法,并具有较强的鲁棒性。     

高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点，提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先，采用现有特征建模方法，将对象模型中的非线性、时变不确定性压缩至特征参量中；进一步，结合模糊神经网络，将快时变特征显式地表征在特征模型中，使得待估计的特征参量具有时不变特性，从而易于其自适应律的设计。然后，在该神经网络特征模型的框架下，设计递推形式的自适应滑模控制律，以进一步提高飞行控制系统的鲁棒性。最后，通过仿真校验了所提出控制方法的正确性和有效性。