永磁球形电机的自适应反演滑模控制

针对非线性、强耦合、直驱型的永磁球形电机动力学系统,设计了一种自适应反演滑模控制器。首先,通过拉格朗日第二方程以及卡尔丹角坐标变换建立永磁球形电机的转子动力学方程。然后,将反演设计方法和滑模控制有机结合抑制外界扰动和参数摄动的影响。其中,基于类李雅普诺夫方法获得外界扰动上界的自适应律,并采用一种新颖的趋近律消除抖振问题。最后,仿真结果对比证实:该控制器不仅能保证永磁球形电机动力学系统高精度的轨迹跟踪、快速的动态响应,而且对外界扰动具有较强的鲁棒性。     

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。     

高超音速飞行器的模糊滑模变结构控制

针对高超声速飞行器具有强耦合、快时变和高度非线性的特点,本研究采用反馈线性化方法,对高超声速飞行器的纵向模型进行输入/输出精确线性化,实现了控制量的解耦。然后基于线性化后的纵向模型,设计了一种模糊滑模控制器,先采用基于动态逆控制的滑模变结构控制器,对模型已知的部分进行精确控制;采用基于模糊函数逼近器,针对模型的不确定性进行自适应补偿控制。最后对某高超声速飞行器的纵向飞行控制进行仿真。结果表明,线性化模型在仿真层面上是正确的,控制方法在仿真层面上是有效性的。     

不确定非线性系统的鲁棒输出跟踪

研究了一类具有参数不确定性和外界干扰的仿射非线性系统鲁棒输出跟踪控制问题。首先利用微分几何理论中的输入输出反馈线性化技术钭不确定线性系统通过一非线性状态变换化为线性化规范形，然后利用变结构控制的思想提出了一种基于标称系统和不确定性范数界的鲁棒输出跟踪控制器设计方案，并用李雅普诺夫稳定性理论证明了利用本文设计的跟踪控制器可保证闭环系统是有界稳定的，且稳态输出跟踪误差为零。由于所设计的跟踪控制律连续，克服了常规变结构控制方案可能引起的高频抖振现象。将本文结论应用于一空间飞行器的姿态跟踪控制问题，仿结果表明了该设计方法的有效性。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

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。     

基于模型参考自适应的高超声速飞行器容错控制

针对执行机构部分失效情况下高超声速飞行器控制器的设计问题,提出了一种模型参考自适应容错控制设计方案。依据线性化的高超声速飞行器名义模型,设计名义反馈控制增益,并确定一个可保证自适应控制安全的参考模型,然后设计自适应补偿控制器消除执行机构控制效益及系统参数不确定性的影响。提出的自适应参数估计律由滤波的误差信号和特别设计的预测误差信号驱动,可实现更好的参数估计。该方案能保证闭环系统的稳定性,并能保证执行机构部分失效及系统参数不确定情况下的控制性能。仿真结果验证了该控制方法的有效性,在执行机构部分失效情况下,控制系统实现了良好的跟踪性能。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

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BACKSTEPPING的无人机飞控系统设计研究

基于状态反馈，利用BACKSTEPPING思想设计了无人机非线性自适应控制器。本文首先从非线性反馈线性化的理论缺陷出发，指出了新近兴起的BACKSTEPPNG思想的优越性，并对输入输出可反馈线性化系统的自适应控制问题进行了理论描述。本文BACKSTEEPING自适应设计过程的贡献在于提出了一种混合式的李雅普诺夫函数，它同一般的基于二次型的李雅普诺夫函数的不同在于最终导出的自适应律只含有广义误差状态的符号信息，这在一定程度上提高了系统的容错性。自适应控制算法的收敛性得到了严格的数学证明。最后对某型无人机的仿真分析表明自适应飞控系统设计是有效的。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

无人机绕速度矢量轴滚转机动自适应滑模边界保护控制

针对无人机绕速度矢量轴滚转机动下状态易越界的问题,研究了一种自适应滑模边界保护控制方法。首先,基于二分法思想改进可达平衡集并引入指令约束方法,进而实现在线边界解算与约束指令生成。其次,为抑制不确定性和外部未知干扰对闭环系统的不利影响,利用径向基神经网络逼近系统不确定性并设计非线性二阶干扰观测器估计复合干扰,进一步设计自适应滑模边界保护控制器以实现无人机在安全边界内的姿态跟踪。最后,通过数值仿真验证了自适应滑模边界保护控制方法的有效性。     

考虑瞬态特性的无人机自适应容错控制设计

针对固定翼无人机纵向轨迹跟踪控制问题,基于反馈线性化和模型跟随控制设计基础控制器,实现无故障情况下闭环系统的稳定和轨迹渐近跟踪控制。考虑固定翼无人机的执行器可能发生不同类型及大小的故障,分别针对各种不同故障模式设计与之对应的补偿控制器。为综合解决执行器故障的多重不确定性问题,采用加权融合与自适应控制相结合的方式设计综合控制器结构,并对与故障相关的控制器参数进行估计。最后,通过在基础控制器设计中添加H∞补偿项,以抑制故障补偿控制器参数估计误差对闭环系统输出跟踪性能造成的不利影响。理论分析和仿真结果表明,所提出的控制方案不仅能保证闭环系统的稳定性,而且在发生不确定执行器故障的情况下,固定翼无人机姿态控制系统输出能渐近跟踪给定的参考模型输出,通过设计适当的H∞补偿器参数可以改善故障补偿控制过程中的瞬态性能。     

基于短暂丢失参考信号预测的无人直升机轨迹跟踪控制

考虑地面目标参考信号短暂丢失与外部干扰等影响,研究无人直升机 （Unmanned aerial helicopter,UAH） 空地轨迹跟踪控制问题。首先,将短时丢失的参考轨迹进行分解, 并将其建模成平稳信号与非平稳信号两部分。然后,利用差分整合移动平均自回归 （Auto-regressive integrated moving average,ARIMA）模型预测平稳信号,并借助马尔可夫分析法对非平稳信号进行预测。其次,结合预测信息和跟踪误差信号,分别对UAH横纵向子系统和垂直子系统设计滑模控制器,以有效提升跟踪效率并减小外界干扰对跟踪性能的影响,并改进控制算法以减小由滑模导致的抖振现象。最后,利用仿真结果说明本文控制算法有效性与优越性.     

非线性飞控系统的滑模PI混合模糊逻辑控制

针对一类空间飞行器的非线性姿态控制问题，首先通过变换将其强耦合模型分解成若干个子系统，把各子系统之间的耦全、未建模动态和外界扰动视为系统的不确定性。而后提出了一种结合滑模控制与比例积分控制的模糊逻辑控制器，运用李亚普诺夫原理对系统的稳定性进行了分析。用这种控制器对系统进行分散鲁棒自适应控制，仿真说明相对于传统滑模控制器，它具有响应速度快，跟踪精度高，鲁棒性强的优点。     

高超声速飞行器再入自适应容错制导控制一体化设计

针对故障下高超声速飞行器安全再入飞行问题,考虑控制系统存在各种不确定性参数、干扰和力矩故障,进行高超声速飞行器再入自适应容错制导控制一体化(Integrated guidance and control,IGC)设计。首先,针对分离通道的制导与控制(Separate channel integrated guidance and control,SCIGC)模型设计无法同时协调制导和控制系统容错能力的问题,考虑制导环和姿态环之间关系并建立制导控制一体化模型;然后,针对一体化模型设计自适应滑模Backstepping容错控制器,并采用Takagi-Sugeno(T-S)模糊模型在线逼近由未知参数和加性故障引起的复合干扰项;最后,基于Lyapunov稳定性定理设计参数自适应律在线更新容错控制器,同时引入投影算子防止参数漂移以保证参数处于合理区间,从而完成自适应容错制导控制一体化方案设计。在飞行器故障条件下,通过IGC与SCIGC控制策略的仿真对比,验证了自适应容错IGC控制策略的有效性和优越性。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

多模型直接自适应执行器故障补偿控制系统

为了更快更好地补偿执行器故障带来的不确定性,发展了一种新的多模型自适应执行器故障补偿控制系统设计方法。首先,分析所有可能的执行器故障模式,得到故障模式集。再针对每一种故障模式,分别进行控制器设计,控制器设计时采用直接模型参考自适应执行器故障补偿控制方法进行设计。然后根据参数估计误差分别计算每种故障模式下系统的性能损失函数,选择性能损失最小的子系统对应的控制器作为当前的全局控制器。最后以飞行控制系统为例进行了仿真,仿真结果表明,所设计的多模型直接自适应执行器故障补偿系统闭环稳定,且有良好的跟踪性能。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真