飞翼布局无人机反演自抗扰姿态控制

针对飞翼布局无人机模型强非线性、大不确定性及多变量强耦合等问题,设计了基于块控反演控制技术的姿态控制律,并采用自抗扰控制中的线性扩张状态观测器实现了对模型总不确定性的估计。为解决因阻力方向舵舵效非线性以及舵环节指令跟踪延迟造成控制系统动态性能下降的问题,采用函数拟合法解算阻力方向舵舵偏指令,并利用二阶振荡环节对观测器进行抗时滞处理。仿真结果表明,所设计的姿态控制律能够使飞翼布局无人机准确跟踪姿态指令,并具备较强的鲁棒性与良好的动态性能。     

基于滑模观测器和干扰观测器的弹性高超声速飞行器控制

研究了基于滑模观测器和干扰观测器的弹性高超声速飞行器纵向通道控制。首先,利用可测飞行高度、俯仰角速率估计误差设计滑模观测器,重构未知攻角、航迹角;其次,设计干扰观测器估计包含弹性耦合和阵风等外部干扰的集总扰动;再次,将高超声速飞行器纵向通道模型分为速度、高度2个功能子系统,采用基于反步法的动态逆方法,避免系统复杂度爆炸问题,设计舵面偏角和燃油当量实现对期望高度和速度信号的有效跟踪;最后,通过仿真测试验证该方法的有效性。     

基于滑模干扰观测器的无人机编队动态面控制

针对采用虚拟结构法无人机编队中的不确定性问题,提出了一种基于滑模干扰观测器的编队控制器设计方案。采用滑模干扰观测器对汇总不确定项进行估计和补偿。在此基础上,采用动态面控制(DSC)算法设计了每架无人机的三个通道的编队控制器,克服了反演控制算法的"微分膨胀"影响。利用Lyapunov稳定性理论分析了控制参数的选取条件,保证了闭环系统是半全局一致最终有界的,且编队跟踪误差最终足够小。以5架小型无人机构成编队为例开展了编队飞行仿真分析。仿真结果表明,基于滑模干扰观测器的动态面控制算法保证了编队控制系统的控制精度和鲁棒性,有效地克服了不确定项的影响。     

考虑多边界状态约束的飞翼布局无人机姿态控制

以大展弦比飞翼布局无人机为研究对象,针对强扰动环境下多边界状态约束时的飞行姿态控制问题,提出一种指令-控制律联合限制的全状态约束控制方法。该控制方法分别独立设计了指令边界限制器、过渡指令产生器和指令跟踪控制器3个部分。首先,基于无人机动力学特性设计的指令边界限制器,利用无人机的各个状态边界来限制姿态控制器的指令,实现了将非受控状态的约束问题转化为受控状态的约束问题;其次,基于"安排过渡过程"的思想并考虑约束限制环节,设计了过渡指令产生器,为无人机在线生成从当前姿态到期望跟踪姿态的过渡指令;最后,基于障碍Lyapunov函数和扩张状态观测器,设计了指令跟踪控制器,使无人机能够克服干扰且快速稳定地跟踪过渡指令。通过采用Lyapunov稳定性理论分析,该控制方法能够保证姿态跟踪误差收敛有界,且始终处于给定区间内部。仿真结果表明,该控制方法能够保证无人机飞行状态在不超出约束边界的同时,实现对姿态指令的准确跟踪。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

基于ESO的六旋翼无人机反演滑模控制器设计

针对六旋翼无人机建模过程中存在非建模动态、飞行过程中存在不确定外界干扰的轨迹跟踪控制问题,设计了一种基于扩张状态观测器的反演滑模控制器。首先,利用扩张状态观测器(ESO)进行扰动项的实时估计和系统状态的在线观测;然后,结合反演和滑模控制理论方法设计控制器,以消除系统不确定性和外界干扰带来的影响,并基于Lyapunov稳定性理论证明了闭环系统跟踪误差最终有界收敛;最后,通过仿真试验和飞行试验验证了所设计飞行控制算法的有效性。研究结果表明,存在不确定外界干扰的情况下,所设计的方法依然可以实现预定轨迹的稳定跟踪,有效提高了其抗干扰能力。     

基于LESO状态反馈的无人机速度控制

无人机速度回路的控制受外界环境、构型变换等不确定性干扰因素的影响较大,采用基于线性扩张状态观测器（LESO）的自抗扰控制方法能准确估计并补偿不确定性干扰,在观测器的基础上加入状态反馈和指令前馈,能获得良好的稳态、动态品质。性能分析与仿真结果表明,基于LESO状态反馈的无人机速度控制方法具有良好的干扰抑制能力,能够实现对控制指令的精确跟踪。     

弹性飞翼无人机鲁棒姿态控制设计

针对大展弦比飞翼布局无人机的刚体运动与弹性运动耦合动力学模型,提出了一种基于反步法的鲁棒非线性控制方法。该方法考虑了飞翼无人机的非线性因素,将动态面反步控制作为内环控制抵消系统的非线性因素;同时考虑系统实际存在的弹性耦合项、参数不确定项以及外部扰动,将内环反步控制与飞翼无人机模型整体作为新的被控对象,引入最优化理论对新的被控对象设计了外环鲁棒控制器。仿真结果表明,所提出的控制器不仅满足飞翼无人机姿态跟踪性能的要求,且对模型不确定性和气动弹性影响具有鲁棒性。     

基于扩张状态观测器的再入弹头控制系统设计

为了提高非自旋再入弹头的变质心控制系统的鲁棒性,采用滑模控制方法设计了变质心控制系统中的控制器。为了使控制系统设计简单,将弹头俯仰通道和偏航通道之间的耦合作用以及外界干扰综合为汇总不确定量,并采用扩张状态观测器进行估计和补偿。扩张状态观测器引入到滑模控制器中,从而发展了一种基于扩张状态观测器的滑模控制器。对弹头的变质心控制系统进行了仿真分析,仿真结果表明,所设计的控制器能够有效地补偿汇总不确定量的影响,使控制系统输出快速而准确地跟踪上指令信号。     

新型自适应Terminal滑模控制及其应用

针对一类高阶MIMO非线性系统设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案.通过设计快速模糊干扰观测器,克服了传统模糊干扰观测器在误差较小时收敛速度慢的缺点.严格证明了跟踪误差及观测误差均在有限时间内收敛到零的小区域.最后在高超声速条件下,对空天飞行器再入过程的姿态控制进行仿真,结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.      

飞翼气动布局飞机纵向短周期等效系统参数辨识技术研究

飞翼布局飞机由于其特殊布局形式,飞控系统设计通常采用高增益大阻尼控制增稳方法,同时飞翼布局飞机的操纵面操纵效率非线性显著,涉及多操纵面组合控制以及控制分配,因此,采用常规的杆力或杆位移作为输入指令,多数情况下无法顺利地激励出理想的纵向短周期模态。本文采用迎角指令跟踪法研究飞翼布局飞机的纵向短周期品质,利用Simulink进行创新操纵面布局飞机的闭环仿真系统建模与验证,并通过小型飞翼布局无人机进行飞行试验评估。结果表明,该方法用于飞翼布局飞机纵向短周期品质试飞时,易于激励出其纵向短周期模态,并可实现飞机精确控制。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

穿越微下冲气流的飞翼布局无人机控制方法

微下冲气流是最危险的低空风切变形式,为在起降阶段安全穿越该气流,飞翼布局的无人机控制律应具有快速响应能力和良好的鲁棒性。针对大展弦比飞翼布局无人机舵面附加升力大和低速状态俯仰操纵效能低的特点,提出了舵面附加升力和机体气动力相结合的复合控制方案,改进了以输出误差为参考量的非线性指令分配策略,设计了基于迎角保护的指令分配策略。将风干扰和模型的不确定性视为未知扰动,采用自抗扰控制(ADRC)理论设计飞翼布局无人机非线性控制律,使之对风干扰和模型的不确定性进行估计补偿。仿真结果表明,复合控制与ADRC相结合的方法加速了航迹倾角的单位阶跃响应速度,使上升时间缩短了64%,同时能够实现对风干扰的有效观测和补偿,使高度损失低于2m;能够在风切变中有效保护迎角,使其维持在5.5°以内。因此,该方法能够为飞翼布局无人机安全平稳地穿越微下冲气流提供一种参考方案。     

基于高增益观测器的四旋翼无人机轨迹跟踪控制

为了实现四旋翼无人机对给定姿态的快速跟踪,基于Terminal滑模控制方法设计了一种四旋翼无人机的姿态控制器,在设计滑模面时引入非线性函数来保证跟踪误差在有限时间内收敛。考虑在线速度未知的情况下,通过设计高增益观测器来对无人机速度进行观测,并利用所观测的信号设计位置控制器。最后利用Lyapunov理论证明了系统的稳定性。仿真结果表明,四旋翼无人机在线速度不可测的情况下,仍可进行轨迹跟踪控制。     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题，提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队，并且能够跟踪上期望的运动轨迹。在领导-跟随结构中，编队的期望运动轨迹由一个动态的虚拟领导者来表示，仅部分跟随者先验已知虚拟领导者信息，并且所有跟随者之间只能局部交互信息。首先，采用分布式状态观测器，使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后，利用该观测器的估计状态，提出了基于滑模的协同编队控制算法。最后，基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

基于小脑模型关节控制器的无人机集群快速终端滑模容错控制

针对受执行器故障和外界干扰影响的集群无人机（UAV）协同编队控制问题，提出了一种自适应快速非奇异积分滑模（FNISM）容错控制（FTC）方法。为使集群无人机在执行任务时具有良好的协同跟踪性能，通过对无人机实际飞行情况的分析，考虑了无人机编队飞行时的执行器故障和尾涡扰动等对跟踪性能的不利影响。采用小脑模型关节控制器神经网络（CMANN）来估计并消除外部干扰的影响，同时运用CMANN逼近补偿执行器故障。研究表明：所提出的容错控制方案可以保证无人机编队闭环系统在故障情况下的最终一致有界稳定，并且可以通过减小滑模设计参数提高收敛速度，通过增大虚拟和实际控制器参数提高控制精度。4架无人机的集群编队在该方法、基于径向基神经网络（RBFNN）的鲁棒动态面容错控制、比例微分（PD）滑模容错控制3种方法下的对比仿真结果表明该方法在无人机集群编队出现故障时具有更优异的协同控制性能。     

飞翼布局无人机的稳定与操纵特性分析研究

从气动和控制综合设计角度,提出了解决飞翼布局无人机稳定能力问题的多轴静不稳定增稳控制规律,通过对多操纵面操纵特性和操纵需求分析给出了操纵面的配置策略.仿真分析表明,所提出的设计方法较好地解决了飞翼布局无人机特殊的稳定与操纵问题.     

无人机编队的高阶滑模控制方法研究

在未知干扰环境下,对无人机编队飞行的稳定性和精度提出了更高的要求,采用常规滑模控制的编队算法由于"抖振"等问题,不适应高精度和稳定性的要求.针对此问题,提出了一种基于高阶滑模控制的编队飞行控制方法,以三架无人机编队为例,建立了三维空间高阶滑模控制编队控制模型,实现了长机的航路跟踪及僚机的编队队形控制和保持.仿真结果表明...     

中等展弦比飞翼无人机静气动弹性研究

飞翼布局是无人机的重要发展方向之一,弹性变形对飞翼类无人机的气动特性有着重要的影响。文中针对某中等展弦比飞翼布局无人机,采用耦合流体控制方程和结构动力学方程(CFD/CSD)的静气弹松耦合计算方法,分析弹性变形对无人机气动特性的影响。分析结果表明,弹性变形使得飞机的升力系数降低,俯仰力矩产生了一个抬头增量,同时,全机气动焦点前移,降低了飞机的静稳定裕度。马赫数越大,高度越低,弹性变形对气动特性的影响越大。该研究结果对该类无人机的设计有一定的参考价值。     

基于滑模干扰观测器的高超声速飞行器滑模控制

首先,针对存在外部干扰和输入饱和的通用式高超声速飞行器的纵向动态模型,提出一种基于滑模干扰观测器的抗饱和滑模控制器。该滑模控制器采用非线性趋近律,在保证系统快速、稳定跟踪指令的同时,能够消除传统滑模控制中的抖振现象,并针对执行器饱和问题,加入抗饱和补偿器,以提高系统的稳定性。其次,对于系统中存在的干扰和不确定性,提出一种滑模干扰观测器,用以准确估计系统中存在的等效干扰,并将该观测器对干扰的估计值应用于滑模控制器中进行补偿,以消除干扰。再次,利用Lyapunov理论对所提出的基于滑模干扰观测器的抗饱和滑模控制器进行稳定性分析。最后,对高超声速飞行器的巡航状态进行仿真。仿真结果表明,所提方法能够有效提高系统的稳定性和抗干扰性,具有一定的实际应用价值。