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。     

基于跟踪微分器的高超声速飞行器Backstepping控制

针对存在模型参数不确定和外部干扰的高超声速飞行器（HFV）跟踪控制问题,提出一种基于Backstepping方法的抗饱和非线性控制器。将飞行器纵向动力学模型分为速度子系统和航迹倾角子系统,然后针对每个子系统单独设计控制器。设计跟踪微分器获得信号的一阶导数,用以估计系统中的不确定干扰项和避免"微分项膨胀"问题。控制器设计过程考虑了控制量发生饱和的情况。基于Lyapunov理论证明了闭环系统信号的稳定性。与传统高超声速飞行器Backstepping方法相比,所设计的控制器采用待跟踪状态与理想控制指令之间的实际误差作为反馈量,放宽了对系统干扰项的限制,提高了控制器对控制增益变化的适应性,进而提高了闭环系统的跟踪控制性能。对比仿真结果验证了所设计方法的有效性。     

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。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波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。用小波神经网络逼近非线性函数,并把逼近误差引入到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。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

飞机-驾驶员闭环系统模糊预见控制器设计

针对驾驶员操纵延迟和飞机不确定性所导致的人-机系统跟踪性能降低的问题,提出一种基于T-S模糊模型的鲁棒预见辅助驾驶方法。建立驾驶员-飞机时滞不确定T-S模糊模型,引入预见控制思想补偿驾驶员延迟,以跟踪误差和驾驶员操纵负担为性能指标,将存在模型不确定性的人-机指令跟踪问题转化为模糊最优保性能控制问题,并推导了该凸优化所应满足的线性矩阵不等式。为克服预见步数增多引起增广系统维数较大、进而导致线性矩阵不等式不易求解的缺陷,设计了一种次优的预见控制器。最后,分别通过驾驶员模型仿真和飞行模拟器实验,验证了所设计的模糊预见控制器的有效性。     

基于零点配置的BTT导弹逆控制研究

为实现BTT导弹准确快速跟踪指令的要求,采用能够提供品质良好的微分信号,并具有较强滤波能力的跟踪微分器设计了导弹控制器。该方法将跟踪微分器用于零点配置,构造了BTT导弹的逆系统,并与原系统串联构成伪线性系统,进而采用线性控制方法设计外环控制器,实现三通道的渐进无误差跟踪。仿真结果表明,所设计的控制器能很好地跟踪指令信号,且具有较强的鲁棒性。     

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。     

航天器自适应快速非奇异终端滑模容错控制

针对存在外部干扰、转动惯量矩阵不确定、控制器饱和以及执行器故障的航天器姿态跟踪控制问题,提出了基于自适应快速非奇异终端滑模的有限时间收敛控制方案。通过引入能够避免奇异点的具有有限时间收敛特性的快速非奇异终端滑模面,设计了满足多约束的有限时间姿态跟踪容错控制器,并利用参数自适应方法使控制器设计不依赖于系统惯量信息和外部干扰的上界。此外,所设计的控制器显式考虑了执行器输出力矩的饱和幅值特性,使航天器在饱和幅值的限制下完成姿态跟踪控制任务,并且无须进行在线故障估计。Lyapunov稳定性分析表明：在外部干扰、转动惯量矩阵不确定、控制器饱和以及执行器故障等约束条件下,所设计的控制器能够保证闭环系统的快速收敛性,而且对控制器饱和与执行器故障具有良好的容错性能。数值仿真校验了该控制器在姿态跟踪控制中的优良性能。     

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。     

航空发动机结构参数和非结构参数不确定系统鲁棒H∞输出反馈控制

分析了航空发动机混合不确定性系统的鲁棒稳定性和鲁棒性能;引入结构奇异值μ综合法,研究了结构参数和非结构参数混合摄动下的鲁棒H∞输出反馈控制;对航空发动机不确定性系统设计的控制器在双转子涡喷发动机气动热力学非线性模型上。      

直连式三体绳系卫星姿态鲁棒最优跟踪控制

 针对存在参数不确定性以及外部有界干扰的直连式三体旋转绳系卫星系统姿态跟踪控制问题,提出了一种分布式鲁棒最优控制方法。该方法首先针对单体绳系卫星姿态模型,在不考虑参数不确定性和干扰的条件下,应用Hamilton-Jacobi-Bellman方程设计了最优控制器;接着,考虑到实际系统存在参数不确定性和干扰,采用自适应与鲁棒误差积分方法在线学习参数不确定性和有界干扰,与最优控制器结合设计了鲁棒最优控制器,使闭环系统满足了性能指标达到最小的要求,并应用Lyapunov稳定性定理证明了其闭环系统的渐近稳定性。进一步考虑到绳系卫星系统的运动同步性,将单体绳系卫星姿态控制器设计扩展至直连式三体绳系卫星姿态系统,设计了分布式鲁棒最优控制器。最后在MATLAB/Simulink平台上进行了仿真,验证了方法的可行性与有效性,表明其具有潜在的应用前景。     

卫星姿态控制的一种鲁棒控制方法

针对含有不确定性的Delta算子离散系统,研究了其鲁棒控制问题。鲁棒控制律的存在条件及设计由线性矩阵不等式描述,便于求解。将所得结果应用于卫星姿态控制系统的设计,以解决对模型进行线性化处理时产生的误差。针对所得控制律进行了仿真研究,结果证明了方法的有效性。     

高精度液压仿真转台鲁棒控制

 针对液压仿真转台具有时变不确定性、复杂外干扰等特点和高精度控制性能要求,提出了一种鲁棒复合控制结构,该结构由鲁棒内回路补偿器、外回路反馈控制器和输入信号前馈补偿器三部分组成。其中,鲁棒内回路补偿器用来抑制外干扰和时变不确定性的影响,外回路反馈控制器的作用是保证闭环系统的整体性能,输入信号前馈补偿器实现对系统动态时滞的补偿,以保证对参考信号的精确跟踪。以某型液压仿真转台内环为例,首先根据所提出控制策略的基本思想,给出了控制系统的具体设计过程,然后,进行了阶跃响应、低速跟踪和正弦响应试验。试验结果表明,所提出的鲁棒控制策略是有效的和可行的。     

编队卫星分布式鲁棒饱和姿态协同控制

研究跟踪时变参考姿态情况下控制输入饱和的编队飞行卫星姿态协同控制问题.针对不同情形,通过恰当地利用双曲正切函数,提出3种连续有界的协同控制器.首先,在无外部扰动和参数不确定性的情况下,提出一种理想的饱和协同控制器.进一步,考虑角速度不可测量的情况,利用无源滤波器设计无角速度反馈的饱和协同控制器.当外部扰动和参数不确定性...     

Compound Control for Hydraulic Flight Motion Simulator

The design of a compound control is presented for the servo system of hydraulic flight motion simulator, which suffers from highly nonlinear dynamics, large parameter time-variation and severe load coupling among channels. The compound control is composed of a robust feedback controller and a feedforward compensator. The design aim is to achieve high tracking performance even in the presence of considerable uncertainty, external disturbance and load coupling among channels. Toward this aim the feedback controller for rejecting perturbation and disturbance is designed by using μ synthesis optimization technique and the feedforward compensator for compensating time lag of dynamic system is established based on the basic idea of zero phase error tracking. To validate the proposed control strategy, simulations and experiments are implemented, and show that the resulting system is highly robust against model perturbation and possesses excellent capability of suppressing the load coupling and improving the tracking performance.     

Attitude tracking control for variable structure near space vehicles based on switched nonlinear systems

An adaptive robust attitude tracking control law based on switched nonlinear systems is presented for a variable structure near space vehicle (VSNSV) in the presence of uncertainties and disturbances. The adaptive fuzzy systems are employed for approximating unknown functions in the flight dynamic model and their parameters are updated online. To improve the flight robust performance, robust controllers with adaptive gains are designed to compensate for the approximation errors and thus they have less design conservation. Moreover, a systematic procedure is developed for the synthesis of adaptive fuzzy dynamic surface control (DSC) approach. According to the common Lyapunov function theory, it is proved that all signals of the closed-loop system are uniformly ultimately bounded by the continuous controller. The simulation results demonstrate the effectiveness and robustness of the proposed control scheme.     

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.