基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

迭代学习方法在PID控制器参数自动调节中的应用及收敛性分析

针对PID控制器参数在具有不确定项或输出干扰项的非线性时变系统中的调节困难,提出了应用迭代学习方法整定PID控制器参数的方法,利用系统的跟踪误差信息自动整定控制器参数,通过理论分析得到此设计方法收敛的充分条件。此方法设计简单且具有普遍性,仿真结果验证了此设计方法的有效性。     

基于交替联合迭代的关节电机滑模控制参数整定方法

机器人关节电机的控制器参数整定是实现系统良好控制性能的前提。提出了一种基于交替联合迭代的关节电机滑模控制器参数整定方法。设计了永磁同步关节电机的电磁参数,并设计了PID电流环控制器和滑模速度环控制器结合的滑模PID控制器。利用工程整定方法初步整定滑模速度环控制器的参数;增设冗余PID速度环控制器,对其参数进行整定,以冗余PID速度环控制器和滑模速度环控制器作用于系统时的输出转速为迭代变量,交替选择速度环控制器参数进行联合迭代,完成滑模速度环控制器参数的整定。利用MATLAB/Simulink软件对系统进行仿真,证明方法具有较高的整定效率,可使关节电机控制系统获得良好的控制性能。     

基于迭代学习的PID控制器研究

将目前对u(t)的记忆与修正改成对期望控制ud(t)的记忆与修正,提出两种新的拟合控制系统的PID控制器参数的方法。这两种方法实现的PID控制器较常规的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。研究目的是为迭代学习控制理论在设计性能优良的控制器方面扩大应用领域。     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

开闭环PD型快速迭代学习控制方法及其在直流电动机中的应用

针对一类非线性系统的学习控制问题,提出了一种开闭环PD型快速迭代学习控制方法。此学习控制方法利用了系统当前的跟踪误差信号和前次迭代控制的跟踪误差信号,以及它们的微分信号,同时采用可调比例系数,根据系统误差的变化及时地调节比例系数,从而使目标的跟踪能力得到提高。通过分析给出了此快速迭代学习算法收敛的条件,直流电动机的仿真应用说明了此学习控制方法对于非线性系统具有较强的有效性和较好的可行性。     

空间机械臂地面装调与空间应用迭代学习控制

针对空间机械臂系统地面装调和空间应用两阶段的末端轨迹控制问题,提出了采用闭环PD型迭代学习控制算法对空间机器人进行轨迹跟踪控制,从而使在地面重力条件下装调好的空间机械臂能够在空间微重力条件下实现在轨操控任务。建立了空间机械臂在地面装调阶段和空间应用阶段的运动学与动力学模型,给出了控制算法和控制结构,并通过对控制器的收敛性进行分析,给出系统收敛的充分条件。仿真结果表明,采用闭环PD型迭代学习控制算法对轨迹跟踪是有效可行的。     

基于终态滑模的机械臂自适应迭代学习控制

针对带未知参数且执行重复任务的机械臂,提出一种自适应迭代学习控制算法。为了克服因重置精度低带来的重置误差,引入了终态滑模和初始状态修正吸引子,实现了跟踪误差在有限时间收敛于0,并通过迭代轴上的自适应算法来调节控制器参数。理论证明了跟踪误差的收敛性和系统中所有信号的有界性,仿真结果验证了算法的有效性。     

超低空空投牵引伞失效下的全局积分滑模控制

针对超低空空投过程中发生的牵引伞失效故障情况下,影响载机飞行安全及空投任务的完成等问题,提出了二级迭代全局积分滑模飞行控制方法。首先分析了在牵引伞失效故障下载机的开环特性;然后在对模型进行反馈线性化处理的基础上,采用二级迭代全局积分滑模控制设计系统内环速度与俯仰姿态跟踪控制器,结合外环PID高度控制保持器完成整个飞控系统的设计,改善了系统的动态性能;最后通过仿真验证了控制器的优良性能,表明其应对故障状态具有很强的强鲁棒性。     

基于迭代滑模的机械臂控制策略

针对机械臂这类非线性的不确定性系统,基于迭代学习控制与滑模控制策略,提出了一种有效的迭代滑模控制方法。该控制方法通过将滑模控制律引入到迭代学习控制中,并运用Lyapunov理论对控制律进行证明,从而确保系统的稳定性。基于拉格朗日力学法建立动力学模型,得到相对简化的n关节机械臂模型。以一个二关节机械臂为例,通过MATLAB仿真验证所提控制策略可有效提高关节的跟踪速度与跟踪精度,并且在一定程度上可减缓传统滑模控制的抖振现象,与传统迭代学习控制相比,系统具有鲁棒性。物理试验验证了所提控制策略的有效性。