高超声速飞行器的神经网络PID控制

高超声速飞行器是一种强耦合性、存在不确定性和高度非线性的复杂控制系统,在其应用神经网络PID控制方法进行纵向通道的姿态控制时,将控制系统分为快慢内外环,基于神经网络控制理论,针对高超声速飞行器的动力学模型和运动学模型设计单神经元PID控制律和PID神经网络控制律,推导了权值调整的学习算法。仿真结果表明,高超声速飞行器的神经网络PID控制系统能够有效抑制气动参数变化的影响,较好地跟踪期望攻角,有较强的鲁棒性。     

高超声速飞行器全局有限时间姿态控制

针对飞行中气动参数剧烈变化的高超声速飞行器(Hypersonic Vehicle,HSV)的姿态控制问题,提出了一种基于非线性积分滑模的全局有限时间控制策略。首先,根据多时间尺度理论将HSV姿态控制系统分为慢回路子系统和快回路子系统;其次,对快慢回路分别设计非线性积分滑模全局有限时间控制器和非线性干扰观测器,以实现系统的全局有限时间稳定;利用干扰观测器对气动参数变化引起的模型不确定性进行精确估计,从而实现控制器的有效补偿,并基于Lyapunov理论证明了整个系统全局有限时间稳定。仿真结果表明,所提出的控制方法具有良好的控制性能和强鲁棒性。     

挠性卫星的自适应模糊滑模控制

将自适应模糊滑模控制应用于挠性卫星的姿态稳定控制中 ,给出了详尽的实现方法。用一个自适应模糊控制器逼近滑模控制中的等效控制 ,推导了规则参数调整的自适应率 ,确定不连续控制以保证闭环控制系统的稳定性 ,用另一个模糊控制器光滑不连续控制以抑制抖振。仿真结果表明 ,该方法实现了较高精度的卫星姿态控制。     

基于分数阶滑模的风力发电机直接功率控制

为了改善双馈风力发电系统的控制性能,将分数阶滑模控制应用于双馈风力发电机的直接功率控制系统中。将分数阶微积分引入到滑模控制中,构成分数阶滑模控制器,利用分数阶的遗传衰减特性削弱滑模控制的抖振。推导了应用于双馈风力发电系统的分数阶滑模控制律,并用李雅普诺夫稳定性定理证明了系统的稳定性。所提出的分数阶滑模控制系统省略了电流环控制,简化了控制结构,实现了有功功率和无功功率的有效控制。仿真与试验结果显示出所用分数阶滑模控制策略的有效性,同时表明该系统削弱了传统滑模控制中存在的抖振。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振；接着,设计了径向基神经网络对系统的不确定部分进行逼近；最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

大型挠性航天器的鲁棒模型预测姿态控制

针对大型挠性航天器的三轴姿态控制问题,考虑了控制输入约束,设计了鲁棒模型预测姿态控制器。首先,将模型预测控制应用到不考虑扰动的标称挠性航天器系统中,通过求解优化问题推导预测控制律,从而得到三轴姿态的标称轨迹。然后,为有效处理大型挠性附件振动对中心刚体姿态造成的扰动,针对带有扰动的挠性航天器实际姿态控制系统,设计由最优状态与实际系统状态的误差构成的辅助反馈控制器,使实际系统状态维持在以标称轨迹为中心的“管道”(Tube)不变集内,并驱使实际系统状态到达标称轨迹上,最终沿着标称轨迹到达平衡点。仿真结果表明,在鲁棒模型预测控制的作用下,实现了姿态角的快速精确跟踪,有效地处理了由大挠性附件振动对中心刚体姿态产生的扰动,增强了系统的鲁棒性。     

大挠性航天器的模糊模型预测控制

针对带有大型挠性附件的航天器姿态控制系统，将自适应模糊控制和模型预测控制相结合，设计了大挠性航天器的模糊模型预测姿态控制策略。基于大挠性航天器的动力学模型，采用泰勒展开设计出了非线性模型预测控制律，避免了预测控制在线优化过程中繁琐的计算，有效降低了计算复杂度。针对大挠性附件振动导致的不确定性扰动对姿态控制的影响，使用自适应模糊控制来逼近不确定扰动。基于Lyapunov理论证明了控制系统的稳定性，并推导了模糊参数的自适应律。仿真结果表明所设计的控制策略对大挠性附件振动有很好的抑制作用，可以控制姿态角对期望值实现快速跟踪，具有较好的控制特性。