基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

双星跟飞立体成像的构形保持控制

针对强干扰及输出饱和条件下微小双星立体成像的构形保持问题，提出一种基于观测器的抗干扰复合控制策略.根据立体成像双星跟飞运动机理，建立双星相对运动动力学模型；设计了一种自适应干扰观测器，可同时实现系统状态和干扰信息的在线估计，并采用Lyapunov稳定性理论和线性矩阵不等式技术给出观测器存在条件.采用极点配置方法改善观测器系统的动态性能，引入指数衰减因子提高控制器的收敛速度.考虑执行机构的输出饱和特性，提出一种加权PD+LQR反馈与干扰前馈补偿的复合控制策略，能够抑制未知干扰的影响，保证系统的动态和稳态性能，具备双星构形保持控制能力.仿真结果验证了所提算法的有效性.      

基于ASTSMO和UIO的故障估计方法

针对系统在有未知干扰情况下的故障估计问题，提出一种基于自适应Super-Twisting滑模观测器（ASTSMO）和未知输入观测器（UIO）的故障估计方法。不需要已知故障导数的上界，避免了现有自适应算法存在的滑模增益过估计问题，并且能够处理多执行器同时发生故障的情况。首先，通过非奇异变换将原系统降阶为两个子系统，其中一个子系统只受故障的影响，另一个子系统同时含有故障和不确定干扰。对两个子系统分别设计ASTSMO观测器和UIO观测器，并对误差系统有限时间内收敛的条件进行了证明，同时给出了滑模增益初始值和时变增益的设计方法。然后，基于等效控制的概念对故障进行检测和估计。最后，通过仿真算例验证了所提故障估计方法的有效性。      

基于非线性观测器的非合作目标姿态跟踪控制

非合作目标的姿态角速度、角加速度未知,给在轨服务航天器跟踪非合作目标姿态的控制器设计带来挑战.为解决这一问题,设计了一种非线性观测器,该观测器能够估计出非合作目标状态,然后构造了基于非线性观测器的姿态跟踪控制器,并证明了闭环系统的一致渐近稳定性.仿真结果表明,设计的方法不仅能够实现非合作目标的状态估计,而且实现了对非合作目标姿态的跟踪.     

基于H∞／LTR转子磁通观测器的异步电机调速系统

讨论了一种基于Ｈ∞／ＬＴＲ磁通观测器的异步电机调速系统的设计方法，提出了将Ｈ∞／ＬＴＲ过程应用于异步电机调速系统的磁通估计问题中。首先对Ｈ∞／ＬＴＲ状态观测器的设计方法、存在条件进行了分析，然后讨论了异步电机调速系统和Ｈ∞／ＬＴＲ磁通观测器的设计过程，最后给出了仿真结果。     

基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.      

基于角加速度的陀螺框架伺服系统干扰观测器

磁悬浮控制力矩陀螺(MSCMG,Magnetically Suspended Control Moment Gyro)是大型航天器姿态控制的关键执行机构,影响MSCMG输出力矩准确度的一个关键因素是其框架伺服系统的控制精度.为提高MSCMG框架伺服系统的抗干扰能力和控制精度,提出了一种基于角加速度的干扰观测器.其设计思想是:卡尔曼滤波器利用角位置估计出角速度并送往状态观测器以获取准确的角加速度,角加速度和电流作为干扰观测器的输入以获得补偿电流,补偿电流加到电流环的输入端以补偿各种干扰.干扰观测器结构简单,抗干扰能力强.实验表明:该方法有效地提高了MSCMG框架伺服系统的角速度精度与稳定度.     

高超声速飞行器迎角观测器及控制器设计

针对高超声速飞行器非线性动力学系统中所特有的输出非线性、状态向量强耦合等特性,综合考虑了飞行中的不确定性、具有复杂非线性输出、状态向量不完全可测量等因素,提出一种基于Lyapunov法的滑模观测器和控制器设计方法,用于解决高超声速飞行器迎角观测器不能精确测量的问题.首先在观测器设计过程中,利用过载输出滑模面构造了Lyapunov函数,确定出观测器收敛的条件,并基于线性化理论求出观测器增益矩阵.然后在控制器设计过程中,采用基于动态面的自适应反演方法设计出控制律,用多层神经网络调节函数逼近系统中的高频未建模动态,设计鲁棒项函数解决了逼近误差的影响问题,并进行了稳定性分析和仿真验证.      

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于速度观测的双余度电液舵机系统容错同步控制

考虑飞机电液舵机活塞杆运动速度不易测量的情况，提出一种基于速度观测的容错同步控制策略，解决了双余度电液舵机系统（DREHAS）内泄漏共模故障（IL-CMF）下的位置跟踪控制问题。首先，通过引入2组参考轨迹并对模型进行线性变换，实现舵面位置跟踪与两舵机力输出同步控制解耦；其次，在扩展状态观测器（ESO）中加入故障参数自适应项，设计一种自适应扩展状态观测器（AESO）估计两通道舵机活塞杆速度和扰动，从而克服了故障条件下利用原系统模型设计ESO带来的估计结果不准确问题；最后，基于AESO的估计结果及故障参数在线更新结果，利用反步法设计了一种非线性容错同步控制器。Lyapunov稳定性分析结果表明，该控制方法可确保IL-CMF故障及时变干扰条件下，闭环系统所有信号有界，系统输出满足规定的性能要求。IL-CMF故障及常值干扰条件下，系统跟踪误差渐进收敛于零。仿真实验进一步验证了所提方法的有效性。      

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

大型柔性空间结构的状态估计及变结构控制

本文研究大型柔性空间结构作单轴大角度操纵时的状态估计及变结构控制方法。所建立指数律的状态观测器,实现了以较少传感器估计系统弹性振动模态的目的。利用状态观测器的状态及系统输出变量反馈方法,设计了大型空间结构的动态输出变结构控制律。针对一个实际模型仿真计算,得到了满意的结果。     

基于扩张状态观测器的运输机多故障容错控制

针对含有传感器与舵面故障的运输机姿态跟踪问题, 提出了一种基于扩张状态观测器的反步容错控制方法。采用状态观测器与控制器分开设计的方法, 设计含神经网络的扩张状态观测器估计系统状态、传感器和舵面故障信息。在此基础上, 利用状态估计值代替实际状态, 采用反步法设计姿态角跟踪控制律, 并引入指令滤波器提高反步法的控制性能, 基于Lyapunov稳定性理论推导证明了闭环系统跟踪误差的最终有界收敛。仿真结果表明, 在系统存在传感器与舵面多故障的条件下, 所提方法依然可以实现运输机姿态角的稳定跟踪。      

一种自适应观测器设计和故障检测方法

利用模糊系统和径向高斯函数网络,设计一种具有自适应能力的模糊神经网络.用高斯函数表示模糊规则前件的隶属度函数,然后,构造一种递阶自组织在线学习算法,从输入输出样本数据中,通过学习提取模糊IF-THEN规则;在此基础上,提出一种非线性时变系统的自适应状态观测器设计和故障检测方法,并对其结构及特征进行了讨论,仿真结果表明,这种自适应状态观测器能很好地观测系统的状态,并能有效地应用于系统的故障检测.     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.     

无人机固定时间路径跟踪容错制导控制

针对无人机存在外部环境干扰及执行机构故障情况下的固定时间路径跟踪容错制导控制进行研究，提出了固定时间收敛的视线制导控制算法，利用反步法及固定时间收敛的视线制导控制算法确保无人机路径跟踪误差在固定时间内收敛。通过在视线制导控制算法中引入指令滤波器及误差补偿器，避免反步法中虚拟控制量微分项的复杂计算。为了抑制制导控制过程中系统状态剧烈变化，引入障碍李雅普诺夫函数对偏航角速度误差进行限制。通过非线性固定时间观测器对不确定性进行估计补偿，消除执行机构故障及外部环境干扰等因素对跟踪性能的影响。仿真结果表明:所提算法具备有效性和鲁棒性，具有良好的路径跟踪容错制导控制性能。      

免疫状态观测器的设计及应用

提出了一种新颖的免疫状态观测器的设计方法,其主要设计思想是将状态变量分解为可直接测量和不可直接测量两个部分。放弃被故障污染的动态方程,通过测量输出更新可直接测量的状态变量,利用未被污染的动态方程去估计不可直接测量的状态变量。该方法克服了传统观测器在故障状态下对系统状态估计不准确的缺点,能够实现状态估计对系统目标故障的免疫功能,提高了故障诊断的准确性。