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...     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

基于预设性能的四旋翼无人机编队安全控制

针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。     

基于Leader-Follower的多无人机编队轨迹跟踪设计

针对四旋翼无人机（UAV）群在轨迹跟踪过程中易受外界干扰而引起跟踪误差的问题，设计了基于Leader-Follower的多无人机协同编队轨迹跟踪控制方法。在该系统中，首先通过积分反步法（IBS）对所建四旋翼飞行器模型设计Leader无人机的轨迹跟踪控制器。其次设计了滑模控制（SMC）器，以控制Leader与Follower无人机实现期望的编队队形并同时跟踪参考轨迹。然后通过数值仿真验证了算法的有效性，仿真结果表明，系统具有良好的控制精度。最后通过视觉定位系统进行实验，结果表明所设计的控制器能够实现多个无人机轨迹跟踪和编队控制，所设计的算法具有可行性。     

基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

输入受限的吸气式高超声速飞行器自适应Terminal滑模控制

 针对吸气式高超声速飞行器的纵向运动模型,研究了输入受限时控制系统的设计问题,提出了一种内外环相结合的自适应Terminal滑模控制方法.以迎角和俯仰角速度作为内环控制对象,考虑到气动弹性模态和外部干扰,采用反步设计方法,设计出升降舵的自适应Terminal滑模控制律;以飞行速度作为外环控制对象,采用动态逆设计方法,设计出输入燃料当量比的动态逆自适应控制律,同时利用多层神经网络逼近控制律的饱和特性.基于Lyapunov稳定性理论,证明了采用此控制策略可以保证闭环控制系统的所有信号都是指数收敛至系统原点的一个有界邻域内,同时飞行器的气动弹性模态都是渐近稳定的.仿真结果表明,此控制策略能有效地处理吸气式高超声速飞行器在纵向运动过程中控制输入饱和受限的约束,在完成控制目标的同时,具有良好的过渡过程品质.     

发电机的浸入与不变自适应反步鲁棒励磁控制器

针对含有不确定参数的发电机励磁控制系统,设计了一种新型的自适应反步鲁棒励磁控制器。在设计过程中,基于反步法逐步进行控制器的设计,并引入非线性阻尼算法来减小反步法的“计算膨胀”问题,有效地增强了控制器的鲁棒性。接着介绍了应用浸入与不变自适应控制设计阻尼系数的自适应估计律。通过MATLAB软件进行仿真研究,验证了该算法的有效性和优越性。     

基于相对方向的非线性无人机群反步编队跟踪控制

针对具有未知动态模型的非线性无人机群的编队问题，设计了基于神经网络的反步控制策略。首先，通过径向基(RBF)神经网络来逼近无人机的未知非线性动态，增加系统的鲁棒性和抗扰能力；然后，引入方向刚性图理论，结合反步控制策略，设计了仅基于方向信息的无人机群编队分布式控制器，并通过Lyapunov方法证明了控制系统的稳定性；最后，通过Simulink仿真验证了控制器的有效性。     

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。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于距离的无人机编队路径跟踪控制

针对复杂通信环境下无人机编队跟踪控制问题，提出了基于距离的无人机编队路径跟踪容错控制方法。基于刚性图编队控制框架，引入距离误差，实现编队控制，并针对无人机编队生成的收敛速度问题，引入预设性能技术，以指定跟踪性能生成无人机编队。针对无人机执行器可能出现的故障，利用自适应滑模容错控制技术，实现具有容错性能的编队控制。考虑无人机在飞行环境中遇到的不确定扰动和模型自身存在的未建模动态，引入神经网络控制器，提高控制算法的抗干扰能力。最后，基于Lyapunov理论证明了所设计编队控制系统的稳定性，仿真验证了控制方法的有效性。     

基于神经网络的超机动飞机自适应重构控制

 讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明,在飞机发生舵面故障时,神经网络通过自适应地补偿逆误差,可以快速在线重构控制律,保持飞机稳定和一定的操纵品质。     

基于径向基神经网络干扰观测器的空天飞行器自适应轨迹线性化控制

 研究了一种自适应轨迹线性化控制策略并应用于空天飞行器(ASV)飞行控制系统设计。通过理论分析指明当前轨迹线性化控制方法(TLC)对系统中的不确定存在鲁棒性不足的问题。为了解决这一问题，首先研究了一种径向基神经网络干扰观测器(RDO)技术，严格证明了RDO对于系统中不确定因素具有良好的逼近能力。然后利用RDO输出得到一种新的基于RDO的自适应TLC控制策略。神经网络自适应律采用Lyapunov方法设计，保证了闭环系统所有信号有界。最后采用新方案实现了ASV飞控系统，仿真结果表明整个闭环系统在鲁棒性能方面得到很大提高。     

基于无源性与势场法的四旋翼避障与位置控制

针对四旋翼无人机位置控制与障碍避让问题，提出了一种无源控制理论和人工势场法相结合的控制策略。将整个控制系统分解为外环位置控制器和内环姿态控制器两部分。在外环控制器设计中，采用级联系统的无源性理论，并通过选取适当的势场函数作为存储函数，解决定点跟踪过程中的避障问题。在内环控制器设计中，采用四元数描述姿态动力学方程，并基于Lyapunov函数设计内环控制律。在此基础上，进一步构造无源位置子系统和姿态子系统的互联结构，保证了整个闭环系统的稳定性。最后，通过仿真结果验证了所提出控制策略的有效性与控制性能。     

永磁同步电机动态面模糊离散速度调节控制

针对永磁同步电机(PMSM)高阶非线性和外部负载扰动的问题,以反步法为基础,提出了动态面模糊离散速度调节控制方法。通过欧拉公式将PMSM连续模型离散化,得到离散模型；运用动态面方法,处理子系统中的虚拟控制函数,解决传统反步法中“计算爆炸”的问题；利用模糊逻辑系统逼近系统中的非线性部分,并给出模糊离散控制器。仿真结果表明:控制器能够有效地调节电机转速,对外部负载扰动具有良好的鲁棒性。     

基于多旋翼无人机的多连杆仿生起落架设计与仿真

传统的多旋翼无人机着陆架存在对着陆场地适应性差、智能化程度低的缺点，设计一种具备复杂地形自适应起降的着陆装置对多旋翼无人机的发展具有重要意义。本文设计了一种基于多连杆混联机构的仿生起落架，针对单腿的设计构型进行驱动力矩分析与机构优化，在此基础上完成结构设计，并以多旋翼无人机为对象，设计了一套四腿仿生起落架系统，针对四腿机构进行典型地形着陆仿真。结果表明，多连杆仿生起落架设计方法可应用于多旋翼无人机的起落架设计中，并实现多旋翼无人机在非结构地形的自适应着陆。     

一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

考虑未知扰动的RLV再入鲁棒容错姿态控制

针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数（RBF）神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近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。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。