吸气式高超声速飞行器输入受限自适应反演控制

针对输入受限和气动与推进参数存在不确定时的吸气式高超声速飞行器飞行控制问题,建立了线性参数化形式的纵向运动模型,通过引入控制量与可执行输入之间的差值滤波环节,修正跟踪误差的定义,设计了使闭环系统稳定的反演鲁棒控制器,给出了气动与推进参数向量的有界自适应估计律。轨迹跟踪仿真结果表明,提出的自适应控制方法能够保证阵风干扰情况下飞行器控制的稳定性。     

近距离航天器相对轨道的鲁棒自适应控制

针对近距离航天器的相对轨道提出了一种鲁棒自适应控制律。在追踪星本体坐标系中考虑航天器的相对运动。首先,在转动惯量未知的情形下提出了自适应控制律,保证系统的全局渐近稳定性。其次,将两星地心引力加速度之差作为干扰加速度,并假设干扰有未知上界,对自适应控制律进行修正,提出了鲁棒自适应律,使得系统是全局一致最终有界稳定的。控制律的设计不需要绝对轨道信息,适用于任意轨道。对航天器编队飞行和空间交会两种情形分别进行了仿真分析,结果表明所设计的控制律是合理有效的。     

航天器姿态控制的一种自适应方法

针对航天器转动惯量参数未知恒定或缓慢时变,以及外部扰动力矩未知恒定或缓慢时变,基于非线性系统的无源性理论,给出了姿态控制的一种自适应方法.事先不需要不确定性的任何信息,控制过程中可根据自适应律给出其估值.理论分析和数值仿真都表明,该方法在保证参数估计误差有界的同时实现航天器对姿态角指令的快速无静差跟踪.     

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。     

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。     

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。     

数字式自校正控制方法

通过实例说明自校正控制的设计和实现过程.从参数辨识开始,给出递推最小二乘算法和遗忘因子法.在数字控制器离线设计中,应用PID和极点配置两种方法来解决系统跟踪调节的参数选定问题.最后,将系统辨识、控制器设计和控制过程实现融为一体,在线实时地应用自校正算法来解决给定实例的跟踪控制,并通过计算曲线说明系统对于外界参数变化的自适应功能.     

BTT导弹的自适应滑模反演控制设计

针对具有非匹配不确定性的BTT导弹非线性动力学模型,结合反演控制、自适应控 制和 滑模控制方法,设计了一种新颖的BTT导弹自适应反演滑模控制器。反演设计的每一步中均 采用具有范数型切换函数的连续滑模控制律,并采用自适应算法对不确定性的上界进行估计 。将虚拟控制量的导数作为不确定性处理,利用自适应滑模控制的鲁棒性对其进行补偿,解 决了“计算膨胀”问题,简化了控制系统的设计,并且设计中无需事先已知气动参数摄动 的上界。采用Lyapunov稳定性理论证明了跟踪误差最终有界。仿真结果显示了本文设计方法 的有效性。

     

基于变结构控制理论的BTT导弹自动驾驶仪的三通道独立设计

对于倾斜转变导弹而言，现有的自动驾驶仪三通道独立设计方法都是在忽略通道间耦合关系前提下根据经曲控制理论的单变量频域方法设计的。本文基于变结构自适应控制理论。提出一种新的ＢＴＴ导弹自动驾驶仪三通道独立设计方法，该方法不仅在其设计过程中保留了通道间的全部耦合因素，而且控制律完全基于被控对象参数变化的上下界，无需对系统进行在线参数辨识，从而提高了设计的准确性，增强了系统的适应性和鲁棒性。运用所提出的方法     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

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。     

导弹自适应反演控制器设计

提出了一种应用反演控制技术的非线性自适应导弹控制系统的设计方法。首先采用自适应辨识算法来估计系统中存在的不确定性 ,然后利用反演控制技术处理系统中的非匹配不确定性 ,在虚拟控制中引入了微分阻尼项 ,有效地改善了系统动态性能 ,并应用Lyapunov稳定性理论证明了系统是全局指数稳定的。最后给出的数字仿真结果表明该方法的有效性     

高超声速飞行器无在线求导backstepping控制方法

针对高超声速飞行器纵向通道跟踪控制问题,提出一种无需对虚拟控制量进行在线求导的新型backstepping控制方法.首先将飞行器动力学模型划分为速度子系统和航迹倾角子系统,然后采用backstepping方法设计航迹倾角子系统控制器,利用高阶微分器技术直接设计虚拟控制量一阶导数的控制律,这样即避免了现有backstep...     

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。     

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。     

基于回馈递推方法的导弹鲁棒飞行控制系统设计

首先将一种侧滑转弯导弹的非线性运动方程变换为适用于回馈递推方法的形式,其次利用回馈递推方法设计了导弹飞行控制器,系统的收敛性通过李亚普诺夫稳定性理论得到了严格的数学证明,然后针对作动器的位置、速率饱和对于系统性能的影响,采用非线性优化方法,避免了用通常回馈递推方法继续回推分析作动器动态过程的复杂性,得出了一种折衷考虑作动器动态特性、导弹飞行性能和鲁棒性的控制器。仿真表明了本方案的有效性。     

考虑状态约束的二体旋转库仑卫星系统重构控制

研究考虑控制输入饱和与状态约束的深空旋转二体库仑卫星构型控制问题,只采用卫星之间的库仑力作为控制力,提出一种基于反步法的非线性控制方法。首先推导了二体库仑卫星在地-月系平动点附近的相对运动方程,利用旋转二体库仑卫星的特性,对方程进行了简化。为了完成禁止相对运动区域的回避,设计了新的状态限制辅助函数,结合抗饱和方法与反步法得到了二体库仑卫星的构型控制器。接着证明了由于状态限制辅助函数的加入,所设计的控制器可以保证卫星相对运动不超出限制范围。进一步应用Lyapunov稳定性定理证明了其闭环系统的一致最终有界性。最后在Matlab/Simulink平台上进行了仿真校验,结果表明了方法的有效性。     

基于RBF神经网络的导弹鲁棒动态逆控制

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。
     

飞行器制导控制一体化编队控制器设计

针对主从式结构飞行器协同编队控制问题，以侧滑转弯飞行器为研究对象，采用制导控制一体化(Integrated guidance and control, IGC)方法设计编队控制器。首先在惯性坐标系中定义相对运动坐标系，建立相对运动模型，结合飞行器动力学模型，得到全状态制导控制一体化模型；然后采用反演方法，结合滑模变结构与神经网络自适应理论设计了编队控制器，并证明了控制系统稳定性；最后在高速情况下进行了六自由度数值仿真，对比了IGC设计方法与分离设计方法的控制性能。仿真结果表明所设计的IGC控制器能够快速精确地对期望编队队形进行构建与保持，并且较分离设计方法具有优越性。