高速无人机自主着陆纵向控制技术研究

为了提高无人机自主着陆的控制精度与安全性，以某型高速无人机为研究对象，在陡下滑段采用总能量控制，跟踪高度和速度同时变化的下滑轨迹；在拉起段接入速度控制，并在指数拉起的基础上，采用高斯伪谱轨迹优化方法设计出油门单调减小的速度轨迹；基于自抗扰控制方法设计升降速度控制律，实现对触地升降速度的精确控制。最后，在MATLAB/Simulink平台下搭建对象模型，对无人机自主着陆闭环控制系统进行仿真，并采用蒙特卡洛法对存在参数不确定性情况下的控制系统鲁棒性能进行验证。仿真结果表明，所提出的轨迹设计方法与控制结构能够满足着陆性能要求，控制系统具有较强的鲁棒性。     

具有输入约束的飞机姿态L1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。     

先进的短距起飞垂直降落(ASTOVL)升力风扇飞机的动态逆控制

研究了推力矢量喷管、升力风扇以及气动舵面共同作用下 ASTOVL升力风扇飞机的飞控问题 ,采用非线性动态逆理论进行控制系统的设计。针对 ASTOVL升力风扇飞机的俯仰控制设计了动态逆控制律 ,并将所设计的控制律进行了仿真。结果表明 ,该方法能够满足控制系统性能的要求 ,具有工程应用前景。     

基于自适应逆最优控制的卫星容错控制

针对卫星在轨飞行过程中存在的一类执行机构故障,提出一种基于自适应逆最优控制原理的卫星姿态容错控制设计方法。考虑卫星执行机构出现故障的情况,将系统的不确定性参数作为估计的自适应参数,基于逆最优原理采用积分反推方法求解辅助系统的自适应控制Lyapunov函数,设计了能够确保原系统鲁棒稳定的自适应逆最优控制器。同时基于Lyapunov方法,从理论上推导了所设计出的控制律的稳定性,并通过仿真进行了控制算法验证。仿真结果表明,所设计的基于自适应逆最优控制的卫星容错控制方法能够保证执行机构出现故障时姿态控制系统稳定。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

H∞控制与逆系统在无人机直接侧力控制中的应用

无人机直接侧力控制的关键是实现无人机运动参数的解耦。逆系统方法是一种很好的解耦方法,但其对模型的要求比较高。为了解决这一问题,本文设计一种H∞控制与逆系统的集成控制结构,对系统的输出解耦控制和鲁棒性分别进行分析,解决了传统的控制结构框架下系统控制精度和鲁棒性不能兼容的矛盾。最后,通过对某型无人机的直接侧力控制仿真验证了这种新型控制器的有效性。     

一种考虑直升机状态矩阵摄动的 改进LMI设计方法

基于线性矩阵不等式(Linear matrix inequality,LMI)的鲁棒控制方法在直升机飞控系统设计中得到了广泛的应用,现有方法在设计中仅考虑了阵风和噪声等外界干扰引起的控制对象模型不确定性,未考虑直升机飞行状态变化引起的状态矩阵摄动。本文发展了一种能够同时考虑直升机外界扰动和状态矩阵摄动的改进LMI方法,并基于Z-11直升机,针对姿态指令姿态保持(Attitude command attitude hold,ACAH)响应类型进行设计。最后在Matlab/Simulink环境下进行了仿真验证。结果表明基于本文设计方法得到的控制律具有较高的控制精度,同时具有增强的鲁棒性。     

H∞理论在双振动台解耦控制中的应用

研究了基于H∞控制理论的振动台解耦控制的双自由度控制器设计方法，克服了传统的基于模型逆的解耦控制系统鲁棒性能较差的缺点．根据截去振动系统高阶模态的降阶系统设计H∞控制器，引入了模型的不确定性扰动；利用H∞控制的整形技术对控制对象进行整形，提高了闭环系统的解耦性能。通过简化的4自由度渠并考虑截去第4阶模态的模型进行控制器设计，仿真结果表明在5～2000Hz频率范围内，H∞解耦控制方法不仅具有较好的解耦性能，而且能有效控制结构振动高阶模态的溢出。     

空天飞行器鲁棒自适应模糊跟踪控制

基于轨迹线性化方法提出了鲁棒自适应模糊跟踪轨迹线性化控制(Robust adaptive fuzzy tracking control,RAFTC)方法,并应用于空天飞行器(Aerospace vehicle,ASV)飞行控制系统设计.利用模糊系统能以任意精度逼近非线性系统的特性,对未知干扰和不确定性进行逼近,求得的模糊函数作为系统不确定界函数,且整个系统仅需在线调整不确定界函数的界,利于工程实现.采用Lyapunov方法,证明了闭环系统所有信号一致最终有界.最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.     

一种无人机鲁棒自适应控制律设计

针对现代无人机作战时存在强不确定性、全包线大机动飞行时的强非线性、战损/故障导致的舵面效能变化问题，提出一种包含基本控制器和补偿控制器的鲁棒自适应控制律设计方法。以鲁棒伺服LQR作为基本控制器，L自适应作为补偿控制器，在保证无人机控制系统稳定性和动态特性的同时，拥有较强的鲁棒性。仿真结果表明了该方法的有效性和优越性。     

定量反馈理论在鲁棒与容错飞行控制系统中的应用

定量反馈理论（Quantitative feedback theory,QFT）作为一种新颖的频率域鲁棒控制技术，综合考虑了对象的不确定性范围和对系统的性能指标要求，以定量方式在Nichols图上展开分析与设计，从而保证了设计结果具有稳定鲁棒性和理棒性。而当飞机控制舵面局部受损或失败时，飞机模型气动导数所受的影响可看作是不确定对象鲁棒性问题的扩展，因此，考虑舵面受损与失效时的容错习行控制系统也可用QFT方法进行分析与设计。本文在讨论QFT原理与设计方法的基础上，以某型无人驾驶飞机的纵向飞行控制系统为例，对鲁棒和容错飞行控制技术进行了分析、研究与设计，获得了满意的设计与仿真结果。     

Nonlinear Control Method for Hypersonic Vehicle Based on Double Power Reaching Law of Sliding Mode

The intelligence nonlinear control scheme via double power reaching law based sliding mode control method is proposed to solve the problems of model uncertainties and unknown outside disturbances.Firstly,the aerodynamic parameters of the morphing vehicle are replaced with curve-fitted approximation to build the accurate model for control design in the hypersonic flight.Then the nonlinear vehicle model is transformed into the strict feedback multi-input/multi-output nonlinear system by using the input-output feedback linearization approach.At the same time,the disturbance observer is used to approximate the unknown disturbance,and the sliding mode method is used to solve the problem of non-matching and uncertainty.Finally,according to the buffeting problem in sliding mode control,the double power is improved.Simulation results show that the proposed method can ensure the global stability of the closed-loop system,and has good tracking and robust performance.     

空空导弹自适应飞控系统的定量反馈理论设计

讨论了空空导弹自适应飞行控制系统的定量反馈理论控制设计问题。首先，简要介绍了传统的定量反馈理论（ＱＦＴ）设计方法与步骤；然后，提出了一种改进的ＱＦＴ设计方法，该方法结合了变增益和ＱＦＴ设计的优点，综合考虑了飞行范围、控制器复杂程度以及闭环特性要求之间的平衡，从而保证了整个飞行范围的鲁棒性能要求；最后，用该方法设计了一个使用捷联惯导的空空导弹自适应飞行控制系统，通过仿真验证了该方法的正确性和优越性。     

直升机神经网络反馈线化飞行控制

以SH－2G为控制对象，采用基于神经网络的非线性系统反馈性化控制方法，进行直升机机动飞行仿真，仿真结果表明，所设计的神经网络具有逢适应能力，能够在线补偿反馈线性化所产生的逆变换误差，这种方法无须获得动态逆模型，而只需某一个状态下的动力学模型，就能在全包线提供有效的控制，既避免了传统方法的增益调参，又解决了难以获得动态逆模型及计算量大的问题，是一种很有发展潜力的智能控制方法。     

无人机简化配置控制技术研究

提出了一种仅采用垂直陀螺和GPS的简化配置控制方案，形成了无人机飞行控制系统常用的俯仰／滚转控制回路、高度控制回路和航迹控制回路。由于GPS信号更新率(1Hz)较低，利用无人机运动学之间的内在关系,给出了高度、航向、位置反馈信号的融合算法。这些反馈回路的控制增益均采用改进的输出反馈LQR设计技术,该技术简化了权矩阵的选择。对比研究表明，对于自身稳定性较好的无人机，该简化配置方案能够实现姿态控制、高度控制和航迹控制。     

一种基于动态逆的控制方案在无人机中的应用研究

动态逆技术通过成功的实际飞行测试而获得广泛认同，目前该研究热点在于对象模型的不确定性的抑制及鲁棒性的研究。文中提出一种基于在线神经网络的新型动态逆控制器，其主要思想是通过在线迭代的神经网络最大程度地挖无人机非线性不确定模型及其逆模型，同时通过一个梯度修正环节来补偿误差的影响。仿真验证包括三部分：对极快变量回路的仿真、航迹角跟随的仿真以及三维空间中对给定轨迹的跟踪。仿真结果表明，该方案能够解决精确的     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

航空发动机全包线鲁棒变增益LPV控制律设计

提出了一种结合多胞形鲁棒变增益控制综合技术和基于系统广义距离的调度策略的航空发动机全包线控制方法。利用雅克比线性化方法获得包线内多点的发动机线化模型,将这些点作为多胞形模型的顶点,并利用多胞形鲁棒变增益控制综合技术设计顶点控制器。引入能够反映系统广义距离的间隙度量来计算包线内其他点的凸分解系数,结合顶点控制器实现全包线内发动机中间状态高压转速控制。全包线内的仿真结果表明,采用该控制方法能够满足航空发动机中间状态控制要求,具有较好的鲁棒性和跟踪性能,同时保证了控制器在全包线范围的稳定性。     

控制输入约束下非线性系统输出反馈容错控制

针对一类非线性系统的执行器增益故障,在考虑控制输入幅值约束下,研究了故障系统的主动容错控制策略。利用静态输出反馈控制策略,基于Lyapunov理论和线性矩阵不等式技术给出了重构容错控制器的递推设计方法,确保故障闭环系统在满足给定控制输入幅值约束下的鲁棒稳定性,并具有与无故障正常系统接近的其他优化控制性能。仿真算例表明了本文容错设计策略的有效性。