飞机纵向非线性系统的鲁棒输出跟踪控制器设计

研究了单输入单输出非线性不确定系统的鲁棒输出跟踪控制。在标称系统可输入/输出线性化、不确定性项有界且满足广义匹配条件的情况下,可得到系统的高增益鲁棒输出跟踪控制器。鲁棒控制器仅依赖于设计参数和不确定性的界。将该方法应用于飞机纵向高阶非线性动态的控制器设计,并进行了数字仿真。结果表明了该方法的有效性。     

卫星姿态跟踪系统的鲁棒控制器设计

研究了具有参数不确定性和外部干扰的卫星姿态跟踪控制问题。针对这一类多输入／多输出不确定非线性系统，提出了一个基于不确定项上界的鲁棒输出跟踪控制器设计方法。应用输入／输出反馈线性化法和李亚普诺夫方法，设计了一个控制律，它可确保系统输出按指数规律跟踪期望输出。该控制器计算简单，易于实现。仿真结果表明：即使系统存在不确定性，仍可在闭环系统中实现精确的姿态控制。     

建模不确定性下变循环发动机自适应控制器设计

针对变循环航空发动机存在建模不确定情况下的多变量控制器设计问题,给出了一种最优律下的增广模型参考自适应跟踪补偿设计方法,阐明变循环发动机建模不确定性并引出LQR(Linear Quadratic Regulator)基准控制器动态跟踪不足的问题,进而在基准控制器反馈控制结构框架下,分别实现以下技术突破:确定期望闭环动态的参考模型、基于李亚普诺夫函数严格稳定证明下建立存在建模不确定性的自适应律等,最终以达到系统跟踪误差渐进为零的目标,改善系统不确定性的动态跟踪问题。对变循环航空发动机的控制器仿真结果表明:增广模型参考自适应控制方法改善了原LQR基准控制器对存在建模不确定性时的控制问题,有效地实现了控制指令跟踪,达到了所期望的动态响应,且自适应参数一致渐进稳定。同时,各标称点的稳态控制误差均小于0.3%,系统超调量小于0.8%,调节时间小于1s,符合航空发动机控制系统技术要求。     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

一种非线性自适应切换控制混合方法及其在倾转旋翼机上的应用

为避免子控制器切换时控制量的跳变,提出了一种非线性自适应切换控制混合方法。针对输入输出反馈线性化子控制器在使用中存在的逆误差及模型不确定性,采用多层神经网络进行在线补偿,为实现此类非线性自适应子控制器的平滑切换,实际控制律采用各子控制律的凸组合,各组合系数值由切换参数确定。通过合适的设计参数选取与神经网络权值更新律设置,寻找到了闭环切换系统的公共Lyapunov函数,保证了此类系统在切换控制混合下的稳定性。在倾转旋翼机轨迹跟踪控制的应用中,设计了直升机模式、过渡模式与飞机模式的非线性子控制器,应用神经网络在线补偿与随短舱角的控制混合,仿真结果表明该方法具有对系统不确定性的鲁棒性及平滑切换的特性。     

不确定性的自适应跟踪补偿控制及在航空发动机的应用

针对多变量系统存在不确定性导致的控制性能下降问题,提出了一种基于最优控制律的增广模型参考自适应控制器补偿设计方法。通过采用最优LQR控制律实现系统性能的优化设计从而建立基本控制器,以反馈控制结构为框架,对该最优LQR基本控制器实现增广设计,以改善系统的动态跟踪和抗干扰特性,以双转子航空发动机为对象实现控制器的仿真验证。结果表明:通过增广自适应控制实现了原LQR基本控制器对系统不确定性的跟踪补偿,有效地实现了控制指令跟踪,达到了期望响应性能,控制误差小于0.25%,超调量小于0.5%,且调节时间小于1.5s,符合发动机控制系统技术要求;同时,改善了原基本控制系统在不确定性时的不稳定控制效果,保证了系统一致渐近稳定。     

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。     

一类不确定非线性系统的鲁棒自适应设计

讨论了一类含有广义不确定性的非线性系统的自适应跟踪问题。通过引入一种新颖的鲁棒函数,有效地抑制了系统不确定性对系统的影响,并利用反演设计技术设计了控制器,避免了系统控制矩阵未知时控制器可能出现的奇异问题,证明了系统的状态跟踪误差和参数误差指数收敛于原点的一个邻域。     

导弹控制系统的双积分反演PID控制

考虑空气动力系数的不确定性与线性化后产生的模型不确定性,引入了一类双积分控制律,同时保留PID控制的优点,设计了一类自适应反演PID控制器.尤其是Lyapunov函数的巧妙构造,不仅表明了积分控制规律对提高系统鲁棒性的贡献,而且将PID控制与Lyapunov函数方法有机地结合起来.该设计不仅具有预期的鲁棒性,而且有效地...     

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。     

RFNN control for PMLSM drive via backstepping technique

A robust fuzzy neural network (RFNN) control system is proposed in this study to control the position of the mover of a permanent magnet linear synchronous motor (PMLSM) drive system to track periodic reference trajectories. First, an ideal feedback linearization control law is designed based on the backstepping technique. Then, a fuzzy neural network (FNN) controller is designed to be the main tracking controller of the proposed RFNN control system to mimic an ideal feedback linearization control law, and a robust controller is proposed to confront the shortcoming of the FNN controller. Moreover, to relax the requirement for the bound of uncertainty term, which comprises a minimum approximation error, optimal parameter vectors and higher order terms in Taylor series, an adaptive bound estimation is investigated where a simple adaptive algorithm is utilized to estimate the bound of uncertainty. Furthermore, the simulated and experimental results due to periodic reference trajectories demonstrate that the dynamic behaviors of the proposed control systems are robust with regard to uncertainties.     

基于自适应模糊系统的空天飞行器非线性预测控制

 针对一类多输入多输出非线性不确定系统,提出了基于自适应模糊系统的非线性预测控制方法。控制器由基于模糊系统的非线性预测控制器和鲁棒自适应控制器两个部分组成。根据系统的跟踪误差在线调整模糊系统的权值,使得模糊系统一致逼近被控对象中的非线性函数,通过泰勒展开设计出基于模糊系统的非线性预测控制律,避免了预测控制在线优化带来的繁重的计算负担。鲁棒自适应控制器则用于减少不确定和模糊逼近误差对系统的影响。所设计的控制器保证了闭环系统的最终一致有界稳定。基于Lyapunov稳定原理,给出了理论证明和分析。最后利用提出的控制方案设计了空天飞行器高超声速飞行姿态的控制系统,仿真结果表明了控制方案的有效性。     

直升机内回路姿态模糊控制

 主要研究了直升机内回路的姿态控制技术, 将专家知识和训练数据相结合产生直升机的内回路模糊姿态控制器。由于模糊控制所固有的特点, 以及直升机的飞行状态多变, 模糊姿态控制器无法对直升机进行精确控制, 提出了利用另一个在线自适应模糊系统来补偿控制误差的方法。自适应模糊控制器的自适应学习算法通过李亚普诺夫稳定性分析得到, 从而也保证了整个系统的稳定性。仿真算例证明了本方法的有效性。关键词: 直升机; 姿态控制; 模糊控制; 自适应控制; 仿真     

相对失控翻滚目标悬停的自适应模糊滑模控制

研究了含有系统不确定性和外部干扰的追踪器相对失控翻滚目标悬停的六自由度耦合控制问题。首先,在追踪器本体坐标系中建立了非线性的六自由度耦合的一体化动力学模型,将悬停控制问题转化为相对位置和相对姿态控制问题。再基于模糊逼近原理设计了一种自适应的模糊滑模控制器,该控制器能够有效克服系统的模型不确定性和外部干扰的影响,并能消除传统的抖振问题。由Lyapunov方法导出了模糊自适应律并证明了闭环系统的稳定性。数值仿真验证了所提的自适应模糊滑模控制器的有效性。     

空天飞行器的鲁棒自适应模糊轨迹线性化控制

提出了鲁棒自适应模糊轨迹线性化控制(RAFTLC)方法并应用于空天飞行器(ASV)飞行控制系统设计.根据系统的先验知识, 设计出标称模糊系统对系统的未知干扰和不确定进行估计, 并通过鲁棒自适应控制项来克服标称模糊系统逼近误差和权值误差的影响.标称模糊系统逼近误差和权值误差的界在线调整.采用Lyapunov方法证明了闭环系统的所有信号一致最终有界.最后利用提出的控制方案设计了ASV飞行控制系统, 并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.      

陀螺稳定平台视轴稳定系统自适应模糊PID控制

 在运动载体上的光电跟踪系统中，需要采用建立在陀螺稳定平台上的视轴稳定控制。分析了平台结构和惯性稳定隔离原理。针对系统机械谐振、力矩耦合及电气参数波动等非线性不确定因素的影响，设计了复合自适应模糊PID控制器。引入自适应调整因子进行控制规则和参数的在线修正，采用复合控制克服模糊控制固有的盲区，实现无差调节。在光电跟踪转台上的实验结果显示该方法能够有效地隔离载体扰动，减小扰动造成的误差，保证视轴对目标的准确瞄准，具有快速的动态响应和较强的抗干扰性。     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.      

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

 基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素，并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少，整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统，并在高超声速飞行条件下进行了仿真验证，仿真结果表明了控制方案的有效性和鲁棒性。     

汽车ABS模糊控制方法的研究

对模糊控制理论在汽车防抱制动系统(ABS)中的应用进行了研究。在建立了汽车系统模型的基础上,设计了查询表在线插值的模糊控制器。该模糊控制器克服了直接模糊合成和查询表控制的缺点。仿真结果表明,该模糊控制方法能够达到理想的制动效果,并对不同的路面具有较强的适应能力。