基于低阶干扰估计器的欠驱动三自由度直升机鲁棒控制

针对模型不确定且外部未知扰动影响显著的欠驱动三自由度（3-DOF）直升机,本文设计、分析并实验验证了一种基于不确定性与干扰估计器（UDE）的主动抗扰控制策略。具体地,针对该直升机平台动力学耦合严重且存在欠驱动特性等问题,基于全驱动系统控制思想,发展了一种基于反馈线性化的升降角和偏航角轨迹跟踪策略,同时实现了内部状态（俯仰角）的镇定;在内外环三通道虚拟控制中,进一步设计了一阶UDE,并联合UDE和标称控制,构建了可有效补偿三通道模型不确定和外部扰动的鲁棒控制方案。该方案较好应对了被控对象的欠驱动特性,控制信号连续且光滑,同时干扰补偿器还具有设计参数少、性能调节简单且清晰等优点。借助于奇异摄动理论,分析了闭环系统跟踪误差的收敛性、输入-状态稳定性、及UDE参数对误差最终界的影响规律,揭示了闭环控制系统潜在的多时间尺度属性。仿真和实验结果验证了干扰补偿的必要性,UDE的有效性和其调参的便捷性。     

基于小位移旋量的旋翼系统公差建模及分析

直升机的振动问题与加工制造技术紧密相关,降低制造误差可有效减小直升机的振动。为了分析直升机旋翼系统的几何回转精度,基于小位移旋量对零部件装配路径上的关键公差进行建模,通过齐次坐标变换方法对闭环链路上的误差传递进行分析,得到旋翼系统几何回转精度模型;在此基础上,与蒙特卡洛仿真相结合,对旋翼系统的实例模型进行分析。结果表明：旋翼桨叶根部在空间内的变动范围近似呈椭球形变化,在旋转过程中存在复杂的波动情况,桨叶根部在桨盘平面内的径向波动误差约为 0.58%,在垂直桨盘平面方向的波动相对较大,约为 0.89%。     

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

垂直起降运载火箭返回轨迹不确定性优化

针对垂直起降运载火箭一子级在返回着陆的过程中存在的参数不确定性,提出了一种基于非侵入式多项式混沌展开的序列优化和可靠度评估的返回轨迹不确定性优化方法。首先,建立了返回多飞行段轨迹在确定性条件下的优化模型。然后,为同时兼顾轨迹的鲁棒性和可靠性,建立了由鲁棒最优目标函数、基于可靠度的路径约束和鲁棒等式约束组成的不确定性返回轨迹优化模型。最后,基于非侵入式多项式混沌展开方法对鲁棒目标函数和等式约束进行量化处理,将原随机鲁棒优化问题转化为高维状态空间中的等价确定性优化问题;为提高路径约束的可靠度评估效率,基于非侵入式多项式混沌展开方法对最可能点法进行改进,进一步发展了序列优化和可靠度评估策略。数值仿真结果表明,所提出的不确定性优化方法具有较好的鲁棒性,可以满足工程可靠性指标要求,同时还具有较高的精度和计算效率。     

一类不确定分数阶混沌系统的滑模自适应同步

基于滑模自适应控制理论、Lyapunov稳定性理论和分数阶线性系统稳定性理论,在考虑系统存在模型不确定和外部扰动的情况下,选用一种具有较强鲁棒性的分数阶滑模曲面,设计了合适的自适应滑模控制器。所设计的控制器能够将系统状态控制到滑模面上,实现两个不确定分数阶混沌系统的同步,且不需事先知道不确定项上界。该控制器结构简单,控制代价小,具有较好的通用性,对未知扰动具有较强的鲁棒性。数值仿真验证了该方法的正确性和有效性。     

考虑随机干扰的高超声速滑翔飞行器轨迹优化

为解决高超声速滑翔式飞行器具有干扰不确定性的再入轨迹优化问题,提出了一种基于广义正交多项式方法的随机轨迹优化数值求解方法。针对随机干扰,基于广义正交多项式方式对其分布进行采样,形成采样空间,而后将每个采样值代入确定性轨迹优化问题中进行反复迭代求解,得出观测值的样本空间,并计算其期望、方差和协方差,估计输出值。以最大纵程为代价函数对具有随机干扰的高超声速滑翔式飞行器最优轨迹进行了数字仿真。仿真结果表明,基于广义正交多项式的随机轨迹优化方法能够有效处理随机干扰对轨迹优化问题的影响,与蒙特卡洛法相比计算效率大大提高。     

基于特征点识别的头部姿态计算

为了提升使用随机回归森林进行头部姿态分析的精度,提出了一种基于特征点识别分析头部姿态的计算框架.考虑到高误差投票的干扰,该计算框架以随机森林的特征点识别为基础从而避免异常投票干扰,将头部姿态计算问题转换为空间鼻尖特征点和朝向特征点的识别问题.在随机森林的训练中,决策函数使用了高斯曲率和平均曲率作为图形特征,根据微分熵的信息增益在随机生成的决策函数库中搜索最优化决策函数.在训练完成的随机回归森林的叶子节点中,通过分析保存的样本数据,可以得到目标特征点的高斯分布估计.根据实验测试结果,在适当的阈值设定的情况下,该方法可以实现较高的识别成功率,使用曲率后明显提高了识别精度,能够在一定程度上处理有遮挡的数据,并且该方法已经成功应用于虚拟座舱的实时头部姿态分析计算系统.     

输出重定义的高超声速飞行器鲁棒自适应控制律设计

针对一个吸气式高超声速飞行器模型,研究了其鲁棒自适应控制方法并进行了稳定性分析。针对高超声速飞行器的非最小相位特征,通过输出重定义的方法使非最小相位系统的不稳定零动态变为渐近稳定。采用反馈线性化方法设计控制器,实现对速度信号和航迹角信号的稳定跟踪,同时采用切换控制方法消除系统不确定性带来的影响,提高系统的鲁棒性。稳定性分析结果证明系统具有公共李雅普诺夫函数,且所有状态量均能收敛到原点附近的一个小邻域内。仿真结果表明,所设计的控制系统能够有效跟踪参考轨迹,且在给定的有界连续不规则变化模型不确定性和外界干扰范围内也具有良好的跟踪性能。