基于ESO的高超声速飞行器解耦控制

针对高超声速飞行器三通道具有强耦合的问题，提出一种基于扩张状态观测器的全通道解耦控制方法。该方法不需要根据耦合项特点设计耦合补偿模型，而是通过设计扩张状态观测器，将高超声速飞行器耦合项视为扰动，利用扩张状态观测器具有实时跟踪估计扰动的能力，将耦合项扰动估计出来。通过补偿控制来消除耦合的影响，从而完成解耦控制。进一步，通过LQR控制方法完成姿态控制系统的闭环反馈控制律设计，最终实现一种工程上实用的高超声速飞行器解耦控制方法，并通过数学仿真验证了该控制方法的正确性和有效性。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

考虑伺服回路动态的飞行器攻角鲁棒控制技术

为增强飞行器姿控回路与伺服回路的协调匹配性,提升整个姿态控制系统的综合性能,在考虑飞行器伺服回路动态特性的基础上研究其姿态控制方法。以俯仰通道为例,基于多鲁棒面控制和动态面控制理论,提出一种考虑伺服回路动态特性的攻角鲁棒控制方法,有效解决了回路之间的协调控制问题。计算机仿真结果表明:相比于未考虑伺服回路动态特性的攻角控制方案,该控制方案的攻角跟踪效果更好,飞行器姿控外回路和伺服内回路协调匹配性得到提升,且该方案确保了攻角控制系统具备更优越的综合性能指标。研究成果可重点应用于具有高动态和轻质化需求的飞行器姿态控制领域。     

基于LQG/LTR的高超声速飞行器全通道姿态控制

针对高超声速飞行器具有强烈的非线性、耦合及不确定性等特点,且存在系统噪声和量测噪声,使姿态控制变得困难的问题,提出了采用LQG/LTR控制方法进行全通道姿态控制的思路。首先,在平衡点通过小偏差线性化方法建立多变量耦合的控制模型;然后,运用LQG/LTR控制方法设计姿态控制器。仿真结果表明,在有高斯噪声情况下,所设计的姿态控制系统实现了指令精确跟踪,具有较强的鲁棒性。     

基于ESO的BTT飞行器多变量解耦控制方法研究

针对倾斜转弯(BTT)飞行器姿态控制系统的多变量耦合问题,提出一种基于扩张状态观测器(ESO)的多变量解耦控制方法。将BTT飞行器系统中的耦合视为扰动,利用ESO具有实时跟踪估计扰动能力的特点,将耦合扰动估计出来,通过补偿消除耦合的影响。利用极点配置的方法完成闭环状态反馈控制律设计,并通过数学仿真验证方法的正确性和有效性。     

考虑特征模型的高超声速飞行器全通道自适应控制

针对高超声速飞行器具有强非线性、高不确定性及强耦合等特点,提出一种基于反馈线性化控制与特征模型自适应控制相结合的姿态控制律设计方法,解决姿态控制系统的非线性耦合与不确定性,保证飞行器控制系统稳定。首先,建立高超声速飞行器全通道非线性耦合的动力学模型。其次,利用反馈线性化控制方法将全通道非线性耦合系统解耦成近似线性系统,并对线性解耦系统设计输出反馈控制律;而对于反馈线性化控制依赖于系统的精确数学模型,并对建模误差和外部干扰敏感的问题,设计基于误差特征模型的自适应控制律,提高系统的适应性;针对原动力学模型,证明闭环控制系统是有界稳定的。最后,通过数学仿真校验了控制律设计的正确性与有效性,仿真结果表明设计的姿态控制系统可以很好地跟踪指令,具有较强的鲁棒稳定性。