共查询到10条相似文献,搜索用时 15 毫秒
1.
基于自适应动态逆的高超声速飞行器姿态复合控制 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
4.
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。 相似文献
5.
基于RBF神经网络的导弹鲁棒动态逆控制 总被引:2,自引:0,他引:2
讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把逼近误差引入到网络权值的调节律以改善系统的动态性能;鲁棒控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪精度的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪精度的影响减小到给定的性能指标。最后通过仿真分析,验证了该方法的有效性。
相似文献
相似文献
6.
基于自适应控制的近空间高超声速飞行器研究进展 总被引:1,自引:0,他引:1
综述了高超声速飞行器数学建模与自适应控制技术。在概述典型数学模型基础上,着重概述了模型参考自适应控制、浸入-不变集非线性自适应控制、自适应动态面反步控制、自适应滑模控制、自适应模糊滑模控制和神经网络自适应控制等多种自适应控制技术在高超声速飞行器中的应用与研究。对高超声速飞行器自适应容错控制技术现状,自适应控制在高超声速飞行器飞行测试中的应用情况进行概述。总结了高超声速飞行器的当前研制项目和技术现状,重点展望了若干种鲁棒非线性自适应控制技术。与已有综述相区别,重点概述自适应控制在解决高超声速飞行器鲁棒、稳定、切换、协调等关键控制问题的研究进展。 相似文献
7.
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. 相似文献
8.
针对高超声速飞行器纵向模型的高度非线性特点,在考虑模型不确定性的情况下,提出了高超声速飞行器动态神经网络调节函数反推自适应控制方法.对给定的速度指令,引入积分型Lyapunov函数设计跟踪控制器,取消了控制增益一阶导数上界的限制,且避免了控制器的奇异性;对给定的高度指令,引入调节函数技术,设计了反推控制器,避免了将模型化为严反馈形式;采用动态神经网络对未知系统动态进行自适应在线逼近.根据Lyapunov理论证明了设计的控制律保证了闭环系统的稳定性与指令跟踪的精确性.仿真结果验证了该方法的可行性及有效性. 相似文献
9.
针对无人自主飞艇上升或下降的速度控制问题,提出了一种基于神经网络自适应动态 逆控制的飞行速度控制设计方法。基于自主飞艇浮力控制系统的配置状况,建立了飞艇飞行 速度的数学模型。引入速度控制系统的参考模型,并利用神经网络学习功能,获得非线性控 制系统的动态逆;通过引入速度误差的非线性补偿项,自适应补偿整个控制系统由于动态特 性变化引起的误差,克服包括参数摄动与外界扰动在内的各类不确定性因素的影响,实现飞 艇对期望速度的稳定跟踪。最后仿真结果表明,所提出的控制方案对无人自主飞艇的飞行速 度具有良好的控制效果,从而验证了控制系统设计的有效性。 相似文献
10.
基于反馈线性化的动能拦截器姿态控制研究 总被引:6,自引:0,他引:6
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。 相似文献