有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

基于RBF神经网络的机器人鲁棒自适应控制器没计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法.首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性.     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并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。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

一类非仿射输入和不确定性系统的输出跟踪控制

针对一类具有非仿射输入和不确定性的混沌系统,提出了鲁棒自适应RBFNN反演控制。RBF神经网络用来逼近设计过程中所有的未知非线性函数,并且对逼近的误差设计了鲁棒项,设计的自适应律是针对RBF所有权值的上界而不是权值本身,因而在线自适应参数数量减少了,节约了计算时间。该方法保证了混沌系统的输出能跟踪任意参考信号,并且跟踪误差是一致渐进收敛的。仿真结果表明该方法的可行性和有效性。     

折叠翼飞行器发射段鲁棒非线性控制系统设计

为解决折叠翼飞行器在发射段各项特性变化较大、对飞行控制律鲁棒性要求较高的问题,设计了一种以块控反步法为基础的自适应鲁棒非线性控制器.在发射段动态模型基础上,该控制器采用径向基函数( RBF)神经网络自适应逼近飞行器特性变化时的系统未知不确定性和干扰,通过在虚拟控制律中引入动态面控制技术避免多重微分运算,克服了传统反步法...     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

直连式三体绳系卫星姿态鲁棒最优跟踪控制

 针对存在参数不确定性以及外部有界干扰的直连式三体旋转绳系卫星系统姿态跟踪控制问题,提出了一种分布式鲁棒最优控制方法。该方法首先针对单体绳系卫星姿态模型,在不考虑参数不确定性和干扰的条件下,应用Hamilton-Jacobi-Bellman方程设计了最优控制器;接着,考虑到实际系统存在参数不确定性和干扰,采用自适应与鲁棒误差积分方法在线学习参数不确定性和有界干扰,与最优控制器结合设计了鲁棒最优控制器,使闭环系统满足了性能指标达到最小的要求,并应用Lyapunov稳定性定理证明了其闭环系统的渐近稳定性。进一步考虑到绳系卫星系统的运动同步性,将单体绳系卫星姿态控制器设计扩展至直连式三体绳系卫星姿态系统,设计了分布式鲁棒最优控制器。最后在MATLAB/Simulink平台上进行了仿真,验证了方法的可行性与有效性,表明其具有潜在的应用前景。     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

Predictor-based model reference adaptive roll and yaw control of a quad-tiltrotor UAV

An attempt is made to apply modern control technology to the roll and yaw control of a rudderless quad-tiltrotor Unmanned Aerial Vehicle (UAV) in the latter part of the flight mode transition, where aerodynamic forces on the tiltrotor’s wings start to take effect. A predictor-based adaptive roll and yaw controller is designed to compensate for system uncertainties and parameter changes. A dynamics model of the tiltrotor is built. A Radial-Basis Function (RBF) neural network and offline adaptation method are used to reduce flight controller workload and cope with the nonlinearities in the controls. Simulations are conducted to verify the reference model response tracking and yaw-roll control decoupling ability of the adaptive controller, as well as the validity of the offline adaptation method. Flight tests are conducted to confirm the ability of the adaptive controller to track different roll and yaw reference model responses. The decoupling of roll and yaw controls is also tested in flight via coordinated turn maneuvers with different rotor tilt angles.     

RFNN control for PMLSM drive via backstepping technique

A robust fuzzy neural network (RFNN) control system is proposed in this study to control the position of the mover of a permanent magnet linear synchronous motor (PMLSM) drive system to track periodic reference trajectories. First, an ideal feedback linearization control law is designed based on the backstepping technique. Then, a fuzzy neural network (FNN) controller is designed to be the main tracking controller of the proposed RFNN control system to mimic an ideal feedback linearization control law, and a robust controller is proposed to confront the shortcoming of the FNN controller. Moreover, to relax the requirement for the bound of uncertainty term, which comprises a minimum approximation error, optimal parameter vectors and higher order terms in Taylor series, an adaptive bound estimation is investigated where a simple adaptive algorithm is utilized to estimate the bound of uncertainty. Furthermore, the simulated and experimental results due to periodic reference trajectories demonstrate that the dynamic behaviors of the proposed control systems are robust with regard to uncertainties.     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.