排序方式: 共有17条查询结果,搜索用时 452 毫秒
11.
针对无人机绕速度矢量轴滚转机动下状态易越界的问题,研究了一种自适应滑模边界保护控制方法。首先,基于二分法思想改进可达平衡集并引入指令约束方法,进而实现在线边界解算与约束指令生成。其次,为抑制不确定性和外部未知干扰对闭环系统的不利影响,利用径向基神经网络逼近系统不确定性并设计非线性二阶干扰观测器估计复合干扰,进一步设计自适应滑模边界保护控制器以实现无人机在安全边界内的姿态跟踪。最后,通过数值仿真验证了自适应滑模边界保护控制方法的有效性。 相似文献
12.
针对一类空间飞行器的非线性姿态控制问题,首先通过变换将其强耦合模型分解成若干个子系统,把各子系统之间的耦全、未建模动态和外界扰动视为系统的不确定性。而后提出了一种结合滑模控制与比例积分控制的模糊逻辑控制器,运用李亚普诺夫原理对系统的稳定性进行了分析。用这种控制器对系统进行分散鲁棒自适应控制,仿真说明相对于传统滑模控制器,它具有响应速度快,跟踪精度高,鲁棒性强的优点。 相似文献
13.
基于小波神经网络的自适应飞/推控制系统设计 总被引:1,自引:1,他引:0
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。 相似文献
14.
针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。 相似文献
15.
针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值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。仿真算例证明了所设计的鲁棒分散控制器是有效的。 相似文献
16.
一类不确定非线性系统的鲁棒自适应L2-增益控制 总被引:2,自引:1,他引:2
基于Backstepping递推设计方法对一类复杂不确定非线性系统提出了鲁棒自适应L2-增益控制方法。该方法结合了自适应控制和L2-增益控制≤γ的优点。它不仅使系统具有鲁棒性还使其对干扰具有L2-增益控制。同时,把常规设计方案需要过多参数进行辨识问题简化为只需与未知干扰个数相同参数进行辨识,简化了控制器结构。本文由于所研究对象为一般非线性系统,因此其结果具有一般性。最后。通过仿真算例验证了本文所设计控制方法的有效性。 相似文献
17.