基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近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。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

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。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

基于自适应模糊滑模退步控制的直接力/气动力复合控制导弹自动驾驶仪设计

针对直接力/气动力复合控制导弹所具有的强耦合非线性特性,提出了一种基于自适应模糊滑模退步控制的自动驾驶仪设计方法.该方法利用自适应模糊系统所具有的万能逼近特性,对大迎角飞行过程中导弹动力学方程中存在的非线性函数进行逼近,并利用变结构控制所具有对干扰的强鲁棒性,构造误差系统滑模面,克服了逼近误差和外界干扰对控制系统的影响,实现了对大机动指令的精确跟踪.仿真结果表明,所设计的自动驾驶仪对过载指令有良好的跟踪效果,对模型不确定性和外界干扰具有鲁棒性.     

基于RBF神经网络补偿的航空发动机H_∞自适应控制研究

航空发动机控制系统是飞行器的重要机构,航空发动机存在的控制增益衰减和未建模动态等不确定性问题影响了其控制性能,为此设计将H∞自适应控制和补偿控制相结合的控制器。首先,基于混合灵敏度理论设计H∞自适应控制器;然后,基于Lyapunov 严格稳定理论设计RBF 神经网络补偿控制器对不确定性进行拟合补偿,并通过与误差相关的线性函数调整拟合速度;最后,以归一化后的航空发动机模型为被控对象进行多变量仿真试验。结果表明：本文设计的自适应控制器能够有效补偿不确定性,相比H∞控制器,超调量和调节时间都有所降低。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

基于射影算子的变循环发动机鲁棒自适应控制器设计

针对变循环航空发动机大范围工作包线下的复杂外部扰动现象引起的多变量鲁棒自适应控制器设计问题,给出基于射影算子的自适应律设计方法并将其应用至模型参考自适应控制器设计中。通过理论分析与变循环航空发动机某一状态点的仿真分析,阐明系统存在外部干扰时传统自适应律的设计方法对于指令跟踪不足等问题,进而在射影算子的理论框架基础上设计自适应律,将存在干扰时的状态误差动态方程的解限制在设定的凸集范围内,从而实现系统状态误差动态方程不大于零的稳定性要求,最终在LQR基准控制器框架上,实现基于射影算子的多变量鲁棒自适应控制器设计,以改善自适应控制系统的鲁棒性。基于该方法对变循环航空发动机进行控制器设计和仿真。结果表明:基于射影算子的自适应律设计方法改善了传统自适应律设计方法的鲁棒性问题,实现了控制系统对外部干扰的有效抑制,当系统各控制回路加入不同外部随机噪声信号时,均达到了期望的控制效果;变循环航空发动机各个状态点均能够跟踪期望的闭环参考指令,各状态点稳态控制误差均小于0.5%,系统超调量小于1%,调节时间小于1.2s,动态跟踪误差不大于0.5%,符合发动机控制系统技术要求。     

先进飞机非线性H∞控制系统设计研究

应用无DGKF简化条件的非线性H∞控制器设计方法，为某型飞机设计了非线性H∞飞行控制系统。为验证设计的有效性，在大迎角和两种飞行条件下，将非线性H∞飞行控制系统与线性H∞飞行控制系统的性能进行了对比闭环仿真研究，结果表明，非线性H∞控制可使飞机的性能得到极大提高，且可保证飞控系统具有很强的鲁棒性。     

干扰和执行器故障系统的自适应神经网络控制

针对一类存在未知外部扰动和执行器故障的过驱飞行器系统的控制问题,提出了一种非线性自适应控制方案。在自适应控制方案中,设计了神经网络补偿算法逼近未知干扰项来消除环境干扰对系统的影响,提高了系统的鲁棒性。同时,控制律的输出作为控制分配器的输入,设计自适应控制分配算法来补偿执行器故障或输入饱和,从而提高了系统的稳定性和操作性,并利用李亚普诺夫稳定理论证明了所设计的控制系统能使误差系统最终一致渐近有界。最后,给出了一个数值仿真算例,验证了控制方法的有效性。     

不确定航空发动机分布式控制系统自适应滑模控制

针对存在参数摄动、外部干扰的航空发动机不确定性分布式控制系统,在系统具有时变输入时延和干扰上界未知的情况下,设计了具有鲁棒性能的自适应滑模控制器。基于预测控制和矩阵奇异值理论,对初始的发动机离散分布式模型进行等效线性变换,得到不显含时延项的规范形系统模型,便于进行滑模面参数的求解;在给定的H∞指标下,推导了滑模运动在非匹配不确定性作用下渐进稳定的充分条件,给出了线性矩阵不等式(LMI)形式的滑模面参数设计方法;最后,设计对干扰具有估计功能的自适应率,在此基础上提出自适应滑模控制器。仿真结果表明:所设计的控制器能够有效降低外部干扰对系统动态性能的影响,在所考虑的不确定性因素作用下,系统的滑模运动具有理想的H∞性能。当外部干扰强度变化时,控制器的鲁棒性较好,状态收敛时间小于0.8s,且不存在抖振。      

Adaptive Sliding Control of Six-DOF Flight Simulator Motion Platform

本文使用Newton-Euler法推导了六自由度飞行模拟器运动平台完整的线性化形式的动力学方程,并以此为基础,提出了一种在任务空间中的非线性自适应滑模控制方法。这种控制方法将系统中的不确定性分为定常不确定参数和时变不确定参数,利用非线性自适应控制对定常不确定参数进行辨识,同时结合滑模控制对时变不确定参数和外部扰动进行补偿。通过数值仿真分析表明,该控制策略能准确识别运动平台的载荷、惯量、重心等参数,同时又能有效地提高系统的鲁棒性能。     

折叠翼飞行器发射段鲁棒非线性控制系统设计

为解决折叠翼飞行器在发射段各项特性变化较大、对飞行控制律鲁棒性要求较高的问题,设计了一种以块控反步法为基础的自适应鲁棒非线性控制器.在发射段动态模型基础上,该控制器采用径向基函数( RBF)神经网络自适应逼近飞行器特性变化时的系统未知不确定性和干扰,通过在虚拟控制律中引入动态面控制技术避免多重微分运算,克服了传统反步法...     

基于滑模神经网络的自主飞艇姿态控制

针对自主飞艇飞行环境的不确定性,提出了一种基于自适应滑模神经网络的姿态控制系统.平流层高空飞行环境对飞艇控制产生了许多不确定性因素,利用自适应变结构控制和神经网络方法设计了飞艇的俯仰通道控制器.非线性仿真结果表明:控制器能够适应对象结构参数及外部扰动的大范围变化,满足姿态控制稳定性要求,同时也消除了变结构控制系统的抖振,具有良好的鲁棒性和动态性能.     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

小型无人直升机建模与鲁棒飞行控制研究

以某小型无人直升机为对象,采用分体法分析了机体各部分受力情况。根据力与力矩的平衡关系,获得了无人直升机完整的非线性飞行动力学数学模型。基于所建模型,进行了所有飞行状态下无人直升机的配平计算。根据配平结果,获得了悬停时的线性状态空间模型,在考虑风扰动前提下,采用H∞静态输出反馈控制方法对无人直升机内外回路控制器进行了设计。仿真结果表明,所建模型的配平结果与实际直升机特性基本相符,验证了模型的有效性;H∞综合控制方法较好地实现了对扰动下无人直升机状态的控制,表明该算法具有良好的鲁棒性、解耦性及跟踪特性。     

Robust wavelet neuro control for linear brushless motors

Design, simulation and experimental implementation of a wavelet basis function network learning controller for linear brushless dc motors (LBDCM) are considered. Stability robustness with position tracking is the primary concern. The proposed controller deals mainly with external disturbances, e.g. nonlinear friction force and payload variation in motion control of linear motors. It consists of two parts, one is a state feedback component, and the other one is a learning feedback component. The state feedback controller is designed on the basis of a simple linear model, and the learning feedback component is a wavelet neural controller. The attenuation effect of wavelet neural networks on friction force is first verified by the numerical method. The learning effect of wavelet neural networks on friction force is also shown in the numerical results. Then, a wavelet neural network is applied on a real LBDCM to on-line suppress the friction force, which may be variable due to the different lubrication. The effectiveness of the proposed control schemes is demonstrated by simulated and experimental results.     

航空发动机多变量鲁棒数字控制器的设计

提出了一种设计发动机多变量鲁棒数字控制器的方法,即在划分的飞行包线内,控制结构采用前馈加反馈的方法,对结构不确定性和非结构不确定性进行μ结构化处理,化为H∞控制问题求解,这一方法在发动机非线形气动热力模型上进行了仿真验证。      

新型自适应Terminal滑模控制及其应用

针对一类高阶MIMO非线性系统设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案.通过设计快速模糊干扰观测器,克服了传统模糊干扰观测器在误差较小时收敛速度慢的缺点.严格证明了跟踪误差及观测误差均在有限时间内收敛到零的小区域.最后在高超声速条件下,对空天飞行器再入过程的姿态控制进行仿真,结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.