基于ADRC和RBF神经网络的MSCSG控制系统设计

为了克服外部扰动突变对磁悬浮转子悬浮稳定度和磁悬浮控制敏感陀螺（MSCSG）输出力矩精度的影响，提出了一种基于自抗扰控制器（ADRC）和径向基函数（RBF）神经网络相结合的MSCSG径向偏转控制方法。阐明了ADRC参数对MSCSG控制效果的影响，通过优化设计ADRC，并将RBF神经网络和ADRC结合运用，实现对控制器参数的实时调试，从而克服外界扰动突变的影响。仿真证明所提方法相较于单ADRC控制，不仅改善了解耦控制精度，而且提高了系统对外部扰动和参数变化的响应速度和鲁棒性，可应用于MSCSG的高精度、快响应、强鲁棒控制。      

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

平流层飞艇巡航姿态自适应神经网络补偿控制

 研究了一种基于自适应神经网络补偿的平流层飞艇前向速度与姿态控制系统设计方法。针对近似模型进行常规线性动态补偿器设计,并引入自适应径向基函数(Radial Basis Function, RBF)神经网络对模型误差进行补偿。根据Lyapunov方法得到神经网络权值自适应律,保证了闭环系统误差信号一致最终有界。该控制器设计对模型参数信息仅有较少的要求。仿真结果表明对于两类不同的飞艇模型,所设计的控制器在响应性及对未知环境风速作用的鲁棒性方面均具有良好的效果。     

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。     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

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。     

基于约束预测控制的火星大气进入轨迹跟踪

针对火星着陆任务大气进入段的轨迹跟踪控制问题,给出了一种基于约束预测控制的跟踪策略。综合考虑大气进入段动力学模型的非线性、状态初值的不确定性、控制量限幅约束以及参数摄动,设计了基于线性化阶跃响应预测模型、反馈校正和含约束滚动优化的约束预测控制器,并通过数学仿真对该方法进行了数值验证,结果表明:约束预测控制较PID对参考指令跟踪精度更高,开伞点误差圆半径远小于PID方法;能得到控制量限幅约束条件下平稳的控制曲线。     

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性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,而且使模型不确定性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.最后通过仿真分析,验证了该方法的有效性.      

RBF神经网络在静电悬浮位置控制中的应用

静电悬浮位置控制系统具有非线性、时变性的特点,传统的控制方法不能有效抑制扰动的影响。针对该问题提出了一种神经网络与PID相结合的RBF-PID控制策略。以球形样品为例分析其受力情况,推导出静电悬浮位置控制系统的机理模型。搭建基于RBF-PID控制器的静电悬浮位置控制系统,并根据仿真结果实时在线调整控制参数。仿真结果表明,当样品带电量从10–9 C突变至3×10–9 C时,RBF-PID控制器只需0.12 s即可使样品达到稳定状态。实验结果表明,当样品处于加热状态时,实时调整参数后系统的平均绝对误差为0.0416 mm,控制效果比传统PID控制策略提高了70%。所提出的控制方法辨识精度高,具有比传统PID方法更强的鲁棒性和稳定性。      

基于神经网络的仿真转台控制系统

在转台存在偏载、摩擦等不确定负载干扰的情况下,用神经网络与PID(Proportional-Integral-Differential)控制相结合的方法,设计了适应负载变化的转台控制系统.分析了基于BP(Back Propagation)神经网络的自适应PID控制器的基本原理,建立了转台位置控制系统的数学模型,并对控制系统进行仿真分析和实验验证,通过与传统PID控制的对比实验与仿真表明:所设计系统由于有自学习能力,能动态调整PID参数,使系统表现出良好的抗干扰能力和跟踪性能,证明了所设计系统的有效性.该算法结构简单,PID初始参数调整方便,易于在转台实时控制系统中应用.     

Mars entry fault-tolerant control via neural network and structure adaptive model inversion

The capability of autonomous fault detection and reconstruction is essential for future manned Mars exploration missions. Considering actuator failures and atmosphere uncertainties, we present a new active fault-tolerant control algorithm for Mars entry by use of neural network and structure adaptive model inversion. First, the online BP neural network is adopted to conduct the fault detection and isolation. Second, based on the structure adaptive model inversion, an adaptive neural network PID controller is developed for Mars entry fault-tolerant control. The normal PID controller will be automatically switched into neural network PID controller when an actuator fault is detected. Therefore, the error between the reference model and the output of the attitude control system would be adjusted to ensure the dynamic property of the entry vehicle. Finally, the effectiveness of the algorithm developed in this paper is confirmed by computer simulation.     

基于逆动力学和在线参数辨识的飞机姿态控制

传统的综合飞行/火力控制系统的设计使用了PID(Proportion-Integral-Differential)结构的飞行/火力耦合器,具有鲁棒性差、设计工作量大等缺点.提出了一种基于逆动力学和在线参数辨识的方法,用于直接设计综合控制系统中的姿态控制器.其中,对飞机的转动动力学方程,推导得到了其逆特性的解析形式;使用在线参数辨识方法,对飞机的气动特性进行估计并用于舵面分配.以六自由度非线性飞机模型为对象进行了仿真,结果表明所设计的姿态控制系统具有快速性好、通道间解耦效果明显、对气动模型误差的鲁棒性强等优点.本方法也可推广用于其他的飞行器姿态控制系统设计.     

一种使用RBF网络的自适应滑模控制器

针对实际系统易受未知非线性、外界干扰和参数摄动等不确定因素影响的问题,以高精度模拟转台为例,采用一种基于RBF(Radial Basis Function)网络的自适应滑模控制器.控制器由名义反馈控制器和滑模干扰补偿器两个子系统组成.反馈控制器通过极点配置的方法实现,用来稳定名义系统.干扰补偿器使用一个自适应RBF网络在线辨识不确定性的上界值.计算机仿真结果表明了该法的鲁棒性和有效性.