高超声速飞行器输入受限自适应反演控制研究

针对输入受限和参数不确定时的高超声速飞行器控制问题,提出了一种基于径向基函数(RBF)神经网络补偿的自适应反演控制方法。建立了飞行器纵向运动模型,分析了由控制系统执行机构、弹性振动和避免发动机燃烧室热雍塞导致的燃料-空气比和升降舵偏角受限,通过设计辅助系统以保证受限时闭环系统的稳定性。分别采用动态逆和反演方法设计速度与高度子系统控制器,利用RBF神经网络逼近控制律的饱和特性,设计了一种非线性干扰观测器对模型不确定参数进行自适应估计,并在控制律中引入不依赖扰动上界的鲁棒项,对未观测的扰动部分进行自适应补偿,以保证控制律的强鲁棒性。引入跟踪微分器估计虚拟控制量的导数,解决了传统反演控制中"微分膨胀"问题。Lyapunov函数分析证明了闭环系统所有信号最终一致有界,闭环系统稳定。仿真结果表明:所提的控制策略能有效处理控制输入饱和问题,在受限情况下实现速度和高度对参考输入的高精度稳定跟踪,并对模型不确定性具较强的鲁棒性。     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

高超声速飞行器姿态角速度的全通道鲁棒镇定方法

根据高超声速飞行器的姿态动力学方程,给出一个可面向姿态角速度镇定的非线性设计模型.针对一类非线性系统,提出一种基于扩张状态观测器(ESO)的鲁棒动态逆设计方法,并将其应用于高超声速飞行器姿态角速度的渐近镇定中.仿真结果表明,相比传统的动态逆控制方案,本文所提出的控制方案可保证飞行器姿态角速度得到快速镇定,并且具备针对模型不确定和结构干扰力矩的强鲁棒性能.     

状态/输入约束下飞-推一体化的保性能安全控制

基于飞行-推力一体化思想提出了一种针对搭载超燃冲压发动机的吸气式高超声速飞行器速度通道的状态/输入约束自适应鲁棒保性能安全控制方案。首先根据超燃冲压发动机的机理分析与计算流体动力模型数据，建立了安全子系统与性能子系统面向控制的仿射非线性模型。之后基于障碍Lyapunov理论与动态面设计方法设计了一套安全子系统状态约束控制器，从理论上保证了飞行器在跟踪指令的全过程中，发动机相关状态不会触碰安全边界，并结合自适应技术与辅助系统提高了该控制系统的鲁棒性。针对性能子系统设计了一套鲁棒自抗扰控制器，达到“保证安全的前提下不折损性能”的目的。仿真结果表明所设计的控制系统可以在保障安全的同时达到预想的性能，并显著放宽了超燃冲压发动机对飞行器飞行姿态的约束，保证了高超声速飞行器的机动灵活性。     

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RBF神经网络及Luenberger观测器的反演设计

针对高超声速飞行器部分状态发生不可测量问题,提出基于观测器的系统控制器设计。将所设计的被观测系统在某平衡点处线性化,用Luenberger观测器理论设计观测器增益,得到渐近收敛于系统真实状态的状态观测值。采用状态观测器与控制器分开设计的方法,应用反演控制技术,引入指令滤波器,使得伪控制量的导数可以轻易获得,简化了设计。针对系统中存在高频未建模动态,采用RBF神经网络对其进行逼近,以增强系统的跟踪性能。利用Lyapunove稳定性理论保证闭环系统有界且跟踪误差收敛于原点附近的小邻域内。通过在六自由度模型上的仿真,表明了所提方法的可行性与有效性。     

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。     

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。     

基于智能PID和扩张状态观测器的姿态控制方法

针对在实际工程中人工设计飞行器姿态控制参数造成工作量大的问题,提出一种基于模型参考自适应控制的神经网络姿态控制方法。首先在模型参考自适应控制的基本框架下,利用BP神经网络的自学习特性,实现PID控制参数的自适应整定。随后设计了两阶线性扩张状态观测器以对控制量进行补偿,并对观测器进行了误差分析。仿真结果表明通过神经网络训练得到的控制参数变化规律和工程实际较为相似,姿态角指令跟踪误差在允许范围内,幅值裕度和相角裕度均符合要求。通过分别在常值干扰和正弦变化干扰下的两阶线性扩张状态观测器和三阶线性扩张状态观测器的仿真对比,发现两阶的观测器更能够降低外界扰动对系统的影响。     

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。     

基于不确定性的高超声速飞行器动态面自适应反演控制系统设计

针对飞行器非线性动力学系统具有不确定项情况,研究了高超声速飞行器的飞行控制系统设计问题。由于动力学系统中存在线性参数不确定项和由于高速高热造成的未建模动态
时,论文将研究对象扩展为控制矩阵中含有线性参数不确定系统,同时放宽了现有文献中许多苛刻的条件,如匹配条件、增长条件等,用自适应调节函数补偿系统不确定性带来的影响,设计鲁棒项函数解决了逼近误差的影响问题,通过引入投影算子避免了可能出现的控制器奇异问题。在自适应反演设计时,采用动态面设计方法,引入一阶滤波器,得到虚拟控制量的微分,消除传统反演设计中的“项数膨胀”的问题,用Lyapunov稳定性定理保证误差一致有界。仿真实验验证了该算法的有效性。
     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

一种非仿射高超声速飞行器姿态系统控制方法

针对非仿射高超声速飞行器姿态控制问题，提出了一种基于反步法的非线性控制方法。首先，通过干扰观测器估计攻角动态中的扰动量，在此基础上设计了俯仰角速度虚拟控制指令。然后，针对含有非仿射项的参数不确定的俯仰角速度动态函数，将其视为一个扩张状态，通过状态观测器对其进行估计。接着，基于动态逆方法设计了升降襟副翼的控制律并基于李雅普诺夫方法证明了闭环系统的稳定性。采用指令滤波器避免反步法应用中虚拟控制指令微分项的“复杂性爆炸”问题，并得到虚拟控制指令的一阶和二阶导数信号。所提方法能够适用于变速变高飞行模式。最后，通过对比仿真实验，验证了所设计控制方法的有效性。     

基于综合观测器的执行器过程故障量精确诊断

执行器的非线性与输出不可得在一般复杂动力学系统中具有典型性,而其过程故障量的精确诊断是个前沿难点问题.针对该问题,研究一种面向控制系统和执行器的综合观测器方法.提出一种适用于带有非线性执行器复杂系统的新型自适应观测器方法,可克服输出量不可直接获得的条件限制,实现故障诊断并获得执行器真实输出估计;基于执行器输出估计与控制器输出量,采用扩张状态观测器实现过程故障量精确估计,从而为主动容错故障调节提供诊断依据.以卫星姿态控制系统飞轮摩擦力矩增大这一典型非线性执行器故障的过程故障量精确诊断为应用实例验证了本文方案的有效性及优越性.     

行星着陆大气进入段自适应滑模抗扰控制方法

针对行星探测器着陆过程可能存在的干扰影响着陆精度问题，提出了一种抗干扰控制方法。首先建立行星探测器着陆控制模型，利用非线性干扰观测器实现对系统外部干扰的估计；在此基础上提出一种自适应滑模控制律，使得系统状态快速收敛到平衡点附近。最后，将该方法应用于火星着陆场景进行仿真。结果表明，提出的自适应滑模控制方法能够在未知扰动存在的情况下，有效实现行星探测器安全着陆，提高着陆任务的成功率。     

基于神经网络与自适应控制的系统重构方法

针对可重构飞行控制系统提出一种基于神经网络的抗扰动方法,其核心是运用神经网络的函数逼近能力去抑制非线性形式且动态特征未知的扰动。同时提出一种基于输入误差的自适应模型跟踪控制算法,可以保证系统在发生故障或局部损坏时的安全性和稳定性。将神经网络与自适应控制结合,从而降低扰动对故障检测和系统重构的影响,进而有效的降低故障误报率,提高系统的安全性。通过一个具体航空系统的仿真结果证实了该方法的有效性。     

反步法与神经网络融合的平流层飞艇轨迹鲁棒控制方法

针对平流层飞艇水平轨迹控制面临外部风场扰动和模型参数不确定的特点,提出一种反步法与RBF神经网络融合的非线性鲁棒轨迹控制方法。该方法采用Lagrange动力学模型,通过反步法直接求解推力和力矩的控制律,采用RBF神经网络动态优化调整反步法的控制增益参数。仿真结果表明,新的控制方法可实现平流层飞艇对直线/圆组合式参考轨迹的高精度跟踪控制,有效克服风场扰动和模型不确定性因素造成的不利影响。     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。