基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能. RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制#br#

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能.RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

基于神经网络的电液转台非线性积分滑模控制

针对高精度电液飞行仿真转台具有高度非线性、参数不确定和不确定非线性等特点,提出了一种基于RBF（Radial Basis Function）神经网络的非线性积分滑模鲁棒控制方法.采用自适应RBF神经网络对该系统存在的参数不确定性和不确定非线性进行补偿,从而降低滑模控制器对切换项的增益的需求,进而减小系统抖振幅值.积分滑模面的设计能消除外部干扰对系统带来的稳态误差.根据积分滑模变结构控制器的特点,将控制律分为等效控制律和到达控制律.等效控制律使系统运动于滑模面附近,到达控制律可使处于状态空间内任意初始位置的系统趋近于滑模面,并进一步通过Lyapunov方法证明了系统的渐近稳定性.实验结果表明,所提出的非线性控制器不仅能满足电液转台的高精度跟踪性能的要求,且对参数不确定性和不确定非线性具有一定的鲁棒性.     

滑模干扰观测器在低速光电跟踪系统中的应用

针对摩擦等非线性干扰因素对光电跟踪伺服系统低速性能的影响,系统设计分为两部分完成.将各种干扰信号等效成控制输入端的等效输入干扰(EID,Equivalent Input Disturbance),针对系统名义模型搭建滑模干扰观测器,利用系统的状态观测误差推导出系统的等效输入干扰,并采用Lyapunov函数推导出该观测器稳定收敛的条件,通过设计增益矩阵与反馈矩阵,调整观测器跟踪系统状态的收敛速度,最终实现抑制系统跟踪过程中的干扰信号;针对系统的动态部分设计了自适应加速度稳定控制器,进一步补偿了干扰估计的不足问题,保证了系统动态跟踪的精度与稳定性,增强了控制系统的鲁棒自适应能力.仿真和实验结果证明了该方法的有效性.     

滑模干扰观测器在低速光电跟踪系统中的应用

针对摩擦等非线性干扰因素对光电跟踪伺服系统低速性能的影响,系统设计分为两部分完成.将各种干扰信号等效成控制输入端的等效输入干扰(EID,Equivalent Input Disturbance),针对系统名义模型搭建滑模干扰观测器,利用系统的状态观测误差推导出系统的等效输入干扰,并采用Lyapunov函数推导出该观测器稳定收敛的条件,通过设计增益矩阵与反馈矩阵,调整观测器跟踪系统状态的收敛速度,最终实现抑制系统跟踪过程中的干扰信号;针对系统的动态部分设计了自适应加速度稳定控制器,进一步补偿了干扰估计的不足问题,保证了系统动态跟踪的精度与稳定性,增强了控制系统的鲁棒自适应能力.仿真和实验结果证明了该方法的有效性.     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

一类微型扑翼飞行器的滑模自适应姿态控制

针对微型扑翼飞行器这类非线性时变系统,基于李雅普诺夫稳定性理论提出了滑模自适应控制算法,应对系统中的不确定性和抑制扰动,完成飞行器悬停阶段调整方位的姿态控制.在高频的扑翼状态下,系统模型利用摄动理论中的平均化法进行近似时不变处理.控制器的设计以滑模控制为主体,滑模面利用误差角三角函数和体角速度构造,来避免不必要的偏航控制,同时结合自适应控制方法,实时逼近无法准确计算的惯性张量和干扰力矩,缓解传统滑模控制中开关函数所带来的抖振问题.Simulink仿真结果表明,滑模自适应控制算法优于传统滑模控制,在正弦干扰气流的影响中有良好的鲁棒性,以此验证了算法的可行性.     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

一种非线性鲁棒PID控制器设计方法

针对一类非线性不确定系统,提出了一种基于PID(比例-积分-微分)控制的鲁棒控制方法.整个控制器由PID控制器和一个鲁棒补偿器构成.首先,基于系统的标称模型设计PID控制器;然后在PID控制的基础上,设计一个辅助鲁棒补偿器,用于补偿系统非线性、参数摄动和外界扰动等对系统控制性能的影响.补偿器的设计基于李雅普诺夫(Lyapunov)稳定性理论进行,从而保证了闭环系统的鲁棒稳定.采用该方法对倒立摆跟踪问题进行了仿真控制,仿真结果验证了设计方案的有效性.     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向，航天器结构的变化将导致质量分布发生明显变化，这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况，采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型，利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制，为提高滑模控制器的适应性，设计模糊神经网络（FNN）自适应调节滑模控制器参数，并利用径向基函数（RBF）神经网络逼近动力学模型，得到控制力矩与姿态变化之间的近似关系，用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化，仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势，证明了其在变结构航天器姿态控制方面的有效性。     

一类月面钻进采样机构的鲁棒控制

在月面复杂环境下采样机构模型会发生摄动,并会受到系统扰动影响,采样控制器的鲁棒性对顺利完成采样任务具有重要意义.针对回转与进尺复合式月面自动钻进采样机构建立名义控制模型,分析月面工作过程中的模型摄动、系统扰动下的控制系统模型,利用线性矩阵不等式方法进行状态反馈鲁棒控制律设计.仿真结果表明:在有界模型摄动、有界随机系统扰动情况下,系统具有鲁棒性,并对扰动具有抑制能力.     

飞行仿真转台基于干扰观测器的鲁棒跟踪控制

对三轴飞行仿真转台系统,提出一种基于干扰观测器的鲁棒数字跟踪控制器的设计综合方法.该控制器由前馈控制器、闭环控制器及摩擦补偿环节组成.前馈环节由零相差跟踪控制器ZPETC (Zero Phase Error Tracking Controller)及FIR滤波器构成,闭环由比例微分(PD)控制及干扰观测器构成,摩擦补偿采用基于库仑模型的固定补偿方法.实验结果表明,该方法能有效提高跟踪性能,并且对系统参数变化和力矩扰动具有很强的鲁棒性.