基于自适应滑模反馈线性化的航空电动燃油泵预见控制器设计（英文）

以六相永磁同步电机直接驱动外啮合齿轮泵的航空电动燃油泵为对象,研究了其流量系统的控制器设计问题,提出了一种基于自适应滑模反馈线性化的预见控制器设计方法。首先,建立六相永磁同步电动机和外啮合齿轮泵的数学模型。其次,利用反馈线性化方法处理电动燃油泵这一非线性化模型,方便后续预见控制器的设计;接着,采用自适应滑模控制方法消除了由模型不确定性引起的反馈线性化误差,该方法可以将建模误差和负载扰动带来的不确定性分开处理,从而避免较大的切换增益引起抖振,同时不需要精确的不确定性的边界信息,从而提高了控制性能。最后,在反馈线性化得到线性模型上设计预见流量控制器,加快控制系统对燃油指令的响应速度。仿真结果表明,该控制方案具有较快的响应速度、较强的鲁棒性能和优良的抑制抖振能力。     

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。     

高超声速飞行器自适应抗饱和再入控制

高超声速飞行器（Hypersonic vehicle,HSV）再入过程中易发生舵面饱和现象,并且其动力学模型具有强烈不确定的特征,这导致其姿态控制系统的设计极富挑战性。针对舵面受限的非线性控制问题,提出外部Anti windup系统结合二阶Terminal滑模控制律的设计方法,能够实现对气动舵面饱和的控制补偿,使HSV快速平稳地跟踪指令信号。其次,针对HSV的强不确定控制问题,提出自适应滑模干扰观测器（Adaptive sliding mode disturbance observer,ASMDO）的方法来对再入气动参数不确定及强外界干扰进行估计,此方法无需干扰界已知且学习参数少,适合实时控制。最后, 再入姿态控制的仿真结果表明了该控制方法的有效性和强鲁棒性。     

复合干扰下永磁球形电机的全阶滑模控制

针对受外部干扰和模型不确定性影响的永磁球形电机运动系统,提出一种基于有限时间干扰观测器的全阶滑模控制方法。首先,在复合干扰下建立永磁球形电机的动力学模型,其不确定性包括建模误差和外界干扰。其次,设计有限时间干扰观测器以快速、准确地估计出系统的复合干扰。然后,为永磁球形电机设计了全阶滑模面,理想滑模运动时反映其全阶动态特性,而不是传统滑模控制系统中的降阶动态特性。最后,通过李雅普诺夫定理证明了所提控制方法的闭环系统的稳定性。仿真和实验结果表明所提控制器在复合干扰情况下具有良好的动态特性和抗干扰能力。     

基于LPV模型参考自适应飞行边界保护控制

进行有效的飞行边界保护控制有利于预防飞行失控。研究了一种基于线性参数变化(Linear parameter varing,LPV)模型参考自适应飞行边界保护控制方法。基于函数替换方法构建了仿射参数依赖LPV飞行动力学模型,通过调度变量的动态变化来减小与全量非线性动力学模型的失配。将实时飞行边界保护转为有约束广义预测控制问题,设计了数值算法以实现对舵偏角控制量及其增量、飞行状态参数的边界保护。通过仿真分析表明,LPV模型能够较好地逼近全量模型,反映出瞬时飞行动态;通过有约束广义预测控制数值算法能够有效地实现飞行边界的保护控制。     

基于连续螺旋滑模的无人机分布式编队控制

为了解决复杂环境中无人机分布式编队控制问题,考虑外界干扰影响和状态信息不完全反馈情况,对无人机设计分布式编队控制器。无人机利用自身位置反馈,基于二阶精确微分器设计状态观测器,得到无人机速度和干扰的估计值;结合自身估计信息和邻机位置、速度的估计,基于连续螺旋滑模控制方法设计编队控制器和姿态跟踪控制器;稳定性分析保证了无人机闭环系统稳定性。基于Matlab/Simulink数值仿真和软件在环实时仿真平台,验证了所设计控制算法的有效性,并演示了三维可视化仿真结果。     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

基于模糊小波神经网络的四旋翼飞行器鲁棒自适应控制

针对四旋翼飞行器的飞行控制问题,提出了一种基于模糊小波神经网络的鲁棒自适应滑模控制方法。首先利用牛顿-欧拉方程得到四旋翼飞行器的动力学模型,然后用模糊小波神经网络在线逼近系统中的外部扰动和未建模不确定动力学特性,最后提出鲁棒自适应滑模控制算法,通过Lyapunov稳定性理论证明了整个飞行控制系统的稳定性。仿真和实验结果验证了所提出控制方法对外界干扰和模型的不确定性具有较好的鲁棒性和自适应性。     

具有复合非线性特征不确定系统的自适应反推控制（英文）

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案。基于模型分解的方法建立了具有复合非线性特征的执行器模型。论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界。自适应近似变结构控制能够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

基于SG的Buck变换器自适应反步滑模控制器

针对Buck变换器的非线性特性,考虑在电感电流连续导通模式下的数学模型,采用自适应反步滑模法设计其闭环控制器,同时基于系统生成器（System generator,SG）提出了数字控制器的实现方法,并分析了其负载扰动和电源扰动特性,将仿真结果与PI控制方式相比较,结果表明了自适应反步滑模控制的优越性和SG设计开发的有效性,为FPGA实现Buck变换器的数字控制器提供了新的设计流程。