准滑模控制在大气层外拦截器姿态控制中的应用

滑模变结构控制本身的抖振问题影响了其在实际中的广泛应用,而准滑模变结构控制不仅能够削弱系统抖振,而且对干扰具有较强的鲁棒性。本文以大气层外拦截器(EKV)为研究对象,采用准滑模控制律,并经过简单的推导给出了邻域Δ的一种选择方法。数学仿真表明,EKV的姿态控制采用准滑模控制,在各种干扰情况下姿态角偏差都能稳定,还削弱了抖振。因此,准滑模控制应用于EKV的姿态控制是可行的。     

导弹电液伺服机构的模糊滑模变结构跟踪控制研究

为减小导弹电液伺服机构滑模变结构跟踪控制中的抖振,研究了一种模糊滑模变结构控制(FS-MVSC)方法。给出了模糊滑模控制器的构成,以及模糊化、模糊规则与推理、反模糊化处理的方法。在保持系统对参数变化和外干扰不确定强鲁棒性的同时,可使系统具有较优的动态响应和稳态控制精度。仿真结果表明,该控制方案有效。     

可重复使用航天器基于状态估计的再入飞行滑模控制器设计研究

给出了一种可重复使用航天器再入飞行鲁棒控制方法。在给定可用制导指令和干扰、不确定性的上界条件下，综合利用快慢双回路连续滑模控制方法，生成包括气动舵面和反推力控制系统（RCS）发动机的控制指令，得到了在建模误差和外界干扰存在的情况下拥有高精度、鲁棒性和解耦特性的气动角和姿态角速率跟踪结果。滑模控制抖振抑制逻辑利用李亚普诺夫方法，构筑滑模干扰观测器，并依据自适应增益调节思想，有效消除了控制抖振，保证了工程实际应用的能力。以某型可重复使用航天器为例，在考虑到模型不确定性、风扰以及测量噪声的情况下．通过不同的控制律设计结果对比表明，该方法高效、可靠。     

电液伺服系统的间接自适应模糊滑模跟踪控制

为改善电液伺服系统的跟踪控制,根据滑模控制原理和模糊系统逼近能力,设计了一间接自适应模糊滑模跟踪控制方案。该法以自适应模糊系统替代系统自治特性,用滑模方式设计控制律,在滑动模态附近建立一边界层,以平滑不连续控制削弱抖振。仿真结果表明该方案有效。     

基于RBF网络的飞行器姿态滑模控制器

针对中制导段飞行时间长,空间拦截器需要进行一定的姿态机动,提出一种基于RBF网络的姿态控制器.建立了拦截器3个通道的姿态运动模型,对每个通道进行变结构控制,并在此基础上对变结构控制器增益通过RBF(Radial Basis Function)网络进行自适应控制,同时给出了稳定性证明.仿真结果表明,该方法能有效实现拦截器中制导段的姿态控制.     

导弹机动突防滑模制导律

为了得到一种用于导弹机动突防的制导律,我们在制导律设计中令视线角速率跟踪正弦有界震荡信号.在导弹机动突防过程中,导弹自动驾驶仪的惯性滞后会影响制导精度.我们利用递推李雅普诺夫设计方法推导出了一种考虑自动驾驶仪惯性的运动跟踪滑模制导律,它可以令视线角速率跟踪给定的指令信号.仿真结果表明,这种制导律可以令导弹机动突防成功的概率提高到89%,而且在自动驾驶仪滞后情况下的制导精度很高,脱靶量仅有0.3mm.     

一种模型独立自适应姿态跟踪滑模控制器

以一种能够自适应变化的伪转动惯量,基于Lyapunov稳定定理,推导出一种模型独立的航天器自适应姿态跟踪控制律。理论和数值仿真结果表明,与一般情况下需确知模型参数确定性部分的滑模姿态控制律相比,该控制律能够在不依赖于模型参数确定性部分的情况下良好地实现姿态跟踪,并对模型误差的不确定性和外干扰力矩具有一定的鲁棒性。     

磁控微小卫星速率阻尼和姿态捕获研究

针对非重力梯度稳定、偏置动量轮加三轴磁控的微小卫星初始姿态控制阶段，采用B-dot控制进行速率阻尼，设计了滑模控制律进行姿态捕获。除了磁控阻尼-捕获-动量轮起旋外，还首次提出了B-dot加动量轮常速起旋、磁控加动量轮姿态捕获的新方法。仿真结果表明，纯磁控的B-dot方法能有效得进行速率阻尼，滑模控制捕获姿态精度高、时间短；B-dot阻尼同时进行动量轮开环起旋，可以迅速使姿态稳定，滑模磁控律可以有效得对偏置动量卫星进行大角度姿态控制，尤其该新方法操作简捷，明显减少初态控制时间。     

导弹电液伺服机构的变论域自适应模糊滑模控制

为减弱导弹电液伺服机构位置跟踪滑模控制(SMC)的抖振,提出了一种基于变论域自适应模糊滑模控制(AFSMC)方法。通过在线调节输入变量论域和规则后件隶属度函数,可在不影响滑模变结构控制鲁棒性的情况下有效削弱滑模切换控制产生的抖振。给出了相应的控制律。设计的控制系统具有良好的跟踪性能,提高了电液伺服机构的跟踪控制精度。仿真实验结果验证了该控制方案的有效性。     

基于快速终端滑模的模糊逼近系统及其应用

为改善模糊系统逼近的收敛速率,提出了一种基于快速终端滑模的反向传播(BP)学习算法。将快速终端滑模引入模糊逻系统的学习算法,综合终端吸引子有限时间收敛和线性系统指数收敛的性质,提高了对非线性连续函数的逼近能力。仿真结果表明:该算法能以较快速率逼近未知函数,且逼近过程稳定,较普通学习算法更为精确和有效。