歼击机的鲁棒反馈控制器设计

本文应用时域多变量鲁棒控制方法设计歼击机的飞行控制系统。设计出的鲁棒控制器具有固定的设计参数和增益。在模型误差、参数波动和歼击机气动特性显著变化的情况下,可以保证飞行稳定并有良好的动态响应。     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

综合非线性鲁棒飞行控制系统设计

提出一种综合非线性鲁棒飞行控制系统设计方法,用于解决现代复杂战场环境下的飞行控制问题。为了克服系统的不确定性、时延性以及未建模动态给飞行控制系统带来的不利影响,在动态逆控制法的基础上,进一步设计了基于多层感知器神经网络和动态非线性阻尼控制的综合非线性鲁棒飞行控制器。利用神经网络参数的在线调整和动态非线性阻尼控制的抑制作用,使飞行控制系统能够跟踪给定信号,且满足一定的性能指标。最后将所设计的飞行控制系统用于某型歼击机的飞行仿真,结果证实当存在时延和平尾损伤时,设计的飞行控制系统具有很强的补偿能力。     

非线性系统的在线鲁棒故障检测

提出了一种具有建模不确定性的非线性系统在线故障检测方法。故障被假定为状态变量和输入变量的函数，该系统仅是输入、输出可测量的。一种基于RBF神经网络的在线非线性估计器用来跟踪系统中的出现的故障，该估计器对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性。文中所提出的方法的收敛性在理论上进行了较详细证明。仿真实例说明了该故障检测方法的有效性和实用性。     

一种无人机鲁棒自适应控制律设计

针对现代无人机作战时存在强不确定性、全包线大机动飞行时的强非线性、战损/故障导致的舵面效能变化问题,提出一种包含基本控制器和补偿控制器的鲁棒自适应控制律设计方法。以鲁棒伺服LQR作为基本控制器,L自适应作为补偿控制器,在保证无人机控制系统稳定性和动态特性的同时,拥有较强的鲁棒性。仿真结果表明了该方法的有效性和优越性。     

不确定非线性系统的鲁棒输出跟踪

研究了一类具有参数不确定性和外界干扰的仿射非线性系统鲁棒输出跟踪控制问题。首先利用微分几何理论中的输入输出反馈线性化技术钭不确定线性系统通过一非线性状态变换化为线性化规范形，然后利用变结构控制的思想提出了一种基于标称系统和不确定性范数界的鲁棒输出跟踪控制器设计方案，并用李雅普诺夫稳定性理论证明了利用本文设计的跟踪控制器可保证闭环系统是有界稳定的，且稳态输出跟踪误差为零。由于所设计的跟踪控制律连续，克服了常规变结构控制方案可能引起的高频抖振现象。将本文结论应用于一空间飞行器的姿态跟踪控制问题，仿结果表明了该设计方法的有效性。     

GPS/INS组合导航系统的鲁棒滤波研究

卫星定位／惯性导航(GPS／INS)系统可形成优势互补而使短期和长期精度都有保证。GPS／INS组合导航系统通常使用Kalman滤波进行信息融合来削弱或消除系统噪声和测量误差,然而使用Kalman滤波要求系统动态模型精确和噪声的统计参数已知。但实际中构造精确的系统动态模型是十分困难的,并且噪声的统计参数也很难事先精确预知。对H∞问题进行了理论上的分析,构造了H∞滤波来提高系统对参数不确定的鲁棒性。仿真结果表明H∞滤波对模型的不确定性的鲁棒性比应用Kalman滤波的方法有较大的提高。     

一类具有极点约束的不确定采样系统鲁棒H∞状态反馈控制

为了适应干扰对系统输出的影响,本文研究了一类参数不确定采样系统具有极点约束的鲁棒H_∞状态反馈控制问题。在该控制器控制下,采样系统同时受到参数扰动和未建模扰动时仍然是稳定的,且扰动后各项性能指标变化较小。控制器的求得借助于求解一类具有LMI约束的凸优化问题,方法简单易行,为实际系统中的应用提供方便,最后给出了算例仿真,说明了本文方法的有效性。     

无人机栖落机动的一种离线鲁棒预测控制算法

针对固定翼无人机栖落机动过程的纵向运动,研究了一种在线计算量小的栖落机动鲁棒预测控制方法。首先将飞行器栖落机动动力学模型沿参考轨迹建立分段线性切换系统模型。考虑外部风扰动,进一步建立张量积模型。然后,利用渐近稳定的椭圆不变集的概念,采用"离线设计、在线综合"的方法设计了在线计算量较小的栖落轨迹跟踪控制律;结合鲁棒预测控制和切换系统全局稳定分析方法分析了系统稳定性。最后,对外部风扰动下的固定翼无人机栖落机动过程进行了仿真。仿真结果表明所设计的跟踪控制器在线计算量小并具有良好的控制效果。     

MIMO非线性非最小相位系统的鲁棒跟踪控制

针对仿射多输入多输出非线性非最小相位系统,提出了一种新的鲁棒跟踪控制方案.用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,通过模型预测控制镇定系统内部动态,所设计的控制器能保证跟踪控制闭环系统的指数稳定性,且对系统参数扰动具有鲁棒性.仿真结果表明了所提出方法的有效性和优越性.     

基于神经网络非线性时滞系统的鲁棒可靠控制器设计

将一类非线性时滞控制系统中的非线性部分，用一个单隐层神经网络来近似代替，采用线性微分包含（LDI-linear differential inclusion）的方法来线性化该非线性环节，对于线性化所产生的近似误差、时滞和执行机构故障作为系统的一部分设计可靠鲁棒控制器，相关的定理也一并给出。高阶微分和偏微分方程一般是用来解决这类非线性系统的主要方法，文章中提出的可靠鲁棒控制器设计方法克服了以上这些方法求解困难的缺点，仿真示例用设计好的可靠鲁棒控制器与常规极点配置法进行了比较，从而表明了这种方法的有效性。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

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。     

非线性不确定系统的时滞相关鲁棒H∞控制

针对一类带有输入时滞的非线性不确定时滞系统,基于适当形式的Lyapunov泛函,利用线性矩阵不等式(Linear matrix inequation,LMI)方法,讨论了时滞相关型鲁棒H∞状态反馈控制器设计问题,其中非线性不确定性满足增益有界条件,且控制器存在的充分条件由线性矩阵不等式的形式给出.最后给出一个具体算例说明了该方法的有效性.     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

无人机非线性非仿射飞控系统的自适应模糊H∞ 输出反馈控制及其应用

研究了非仿射非线性系统的模糊自适应H∞输出反馈跟踪。在非仿射非线性模型不确定或未知的情况下,首先将非仿射系统展开为仿射系统的形式,使用模糊自适应控制器对系统进行控制,然后基于Lyapunov稳定性定理得出自适应律,并通过解一个代数Riccati方程实现了H∞跟踪性能。在状态不可测情况下,引入高增益观测器估计系统状态并设计了输出反馈控制器,实现了系统的输出反馈控制性能。最后,通过对无人机飞行控制的仿真验证了算法的有效性。     

一类非线性不确定中立延迟系统的鲁棒自适应滑模控制

针对一类非线性不确定中立型时变时滞系统的鲁棒镇定问题,利用Lyapunov稳定性理论,提出了一种能渐近稳定系统的自适应无记忆滑模控制器.基于滑模控制技术,确保了该控制器能驱赶系统状态达到事先指定的滑动超平面,从而获得预期的动态性能.一旦系统动态达到滑动运动阶段,系统对不确定是不敏感的.自适应技术的应用克服了不确定的未知上界,使可达条件能被满足.最后,仿真例子证明了该无记忆自适应滑模控制器的有效性,从而保证了闭环系统的全局渐近稳定性.     

一类不确定非线性系统的鲁棒自适应L2-增益控制

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。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。