四旋翼无人机风场扰动轨迹控制器设计

针对四旋翼无人机飞行时受风场扰动影响大的问题,以及在任务场景中对期望姿态角有约束的要求,提出了一种具有输出指令限制的自适应滑模位置控制器,将位置控制器指令转换成为期望姿态指令后,能够保证所生成的期望姿态有界,且能够有效抑制风场扰动对轨迹跟踪的影响.针对旋转矩阵形式表示的期望姿态指令,设计了一种SO(3)滑模姿态跟踪控制器,并分别用Lyapunov稳定性理论进行了分析,得到了全局稳定性的结论.最后进行了无人机在风场中盘旋爬升飞行的仿真,结果表明控制器具有较好的轨迹跟踪性能.     

基于滑模控制的四旋翼无人机自适应跟踪控制

针对四旋翼无人机在系统内部模型参数不确定性情况下的轨迹跟踪问题,提出了一种基于滑模控制的四旋翼无人机自适应跟踪控制方法。首先,采用单位四元数来描述系统姿态,将系统分解为位置子系统和姿态子系统;考虑到位置子系统的欠驱动特性,引入了虚拟控制力,跟踪位置信息并解算出实际升力和理想姿态;其次,通过自适应滑模控制器补偿了质量和转动惯量的不确定性,实现了轨迹的跟踪;最后,利用Lyapunov理论证明了闭环系统的稳定性。仿真结果表明了算法的有效性。     

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。     

自适应严格收敛非奇异终端滑模制导律

针对机动目标的末制导拦截问题,设计了一种带终端角度约束的有限时间收敛终端滑模制导律。首先,分析了现有非奇异终端滑模制导律存在的滑模面不能严格有限时间收敛的问题,进而构造了一种新型的非奇异终端滑模面。其次,设计了一种对目标机动上界的自适应估计,提出了一种自适应严格收敛非奇异终端滑模制导律的设计方法。最后,基于Lyapunov稳定性理论,证明了设计的制导律能够使得制导系统在有限时间内收敛到零,并且保证了滑模面在收敛过程中不存在非收敛因子,是严格有限时间收敛的。仿真实验验证了该制导律能够有效地拦截机动目标,同时和与现有的非奇异终端滑模制导律以及基于转换滑模面的非奇异制导律相比,拦截时间更短,终端攻击角度精度更高,导弹机动消耗的能量更少。     

基于快速非奇异终端滑模的姿态控制技术

针对存在执行器故障与外部干扰的刚体飞行器姿态控制系统,提出一种基于快速非奇异终端滑模(NSFTSM)的姿态容错控制方法.控制方法不仅保证姿态机动过程的快速性,而且避免了传统的终端滑模面所带来的奇异性问题.采用二阶鲁棒精确微分器估计执行器故障与外部干扰,采用快速非奇异终端滑模技术设计姿态容错控制律,根据Lyapunov稳定性理论证明了方法的稳定性.稳定性分析表明,通过引入新型快速非奇异终端滑模,控制器使得闭环系统能够快速收敛到滑模面的微小邻域内,进而收敛到系统平衡点的微小邻域内,并且系统对外部干扰具有较强的鲁棒性.数值仿真结果验证了方法在姿态跟踪控制中的有效性.     

四旋翼无人机预设性能反步轨迹跟踪控制

针对四旋翼无人机轨迹跟踪过程中存在外界干扰和跟踪误差估计的问题,设计了一种基于双闭环的预设性能函数约束的反步自适应控制方法。首先,将四旋翼无人机系统转化为位置外环和姿态内环的双闭环系统,利用性能函数通过误差转换将输出约束问题转化为无约束问题;然后,根据反步自适应方法分别对位置子系统和姿态子系统设计控制器,设计指数干扰观测器对参数不确定和外界干扰进行估计。仿真结果表明,所设计的控制器既能保证系统的稳定性和鲁棒性,又具有良好的瞬态误差跟踪特性。     

基于高增益观测器的四旋翼无人机轨迹跟踪控制

为了实现四旋翼无人机对给定姿态的快速跟踪,基于Terminal滑模控制方法设计了一种四旋翼无人机的姿态控制器,在设计滑模面时引入非线性函数来保证跟踪误差在有限时间内收敛。考虑在线速度未知的情况下,通过设计高增益观测器来对无人机速度进行观测,并利用所观测的信号设计位置控制器。最后利用Lyapunov理论证明了系统的稳定性。仿真结果表明,四旋翼无人机在线速度不可测的情况下,仍可进行轨迹跟踪控制。     

基于干扰观测器的四旋翼无人机离散时间容错控制

为了飞行控制方案便于在计算机上实现,针对具有外部干扰和执行器加性故障的四旋翼无人机（UAV）角度运动方程,给出一种基于干扰观测器的离散时间跟踪控制方案。通过设计离散时间干扰观测器抑制外部干扰和执行器故障的不利影响,并结合干扰观测器设计离散时间控制器。通过数值仿真验证了基于干扰观测器的离散时间容错控制方案的有效性。仿真结果表明,设计的离散控制器能够保证外部干扰和执行器故障综合作用下的四旋翼UAV系统跟踪控制性能。     

基于非奇异快速终端滑模观测器的永磁同步电机无位置传感器控制

在基于滑模观测器(SMO)的永磁同步电机无位置传感器控制中,位置和转速观测误差较大且抖振较强。为了解决这个问题,在分析传统SMO的基础上,研究一种非奇异快速终端滑模面,并探讨了一种带有积分的滑模控制律,有效地提高了观测精度,且降低了抖振,省去了低通滤波器和转子位置的补偿环节。通过李雅普诺夫函数证明了该观测器的稳定性。最后利用MATLAB/Simulink软件进行仿真。结果表明:所研究的观测器相比传统SMO拥有更好的控制性能。     

四旋翼无人机建模及其四元数控制律设计

对四旋翼无人机进行建模与控制.在建模时采用了物理机理建模方法,尤其是对电机和螺旋桨进行了详细的建模,然后应用四元数对所建的模型进行了姿态角的控制.首先将欧拉角转换为四元数,然后求出误差四元数,接着由误差四元数推导出所要转动的角度和所要绕的轴.在此基础上,又对各个方向上的速度进行了控制,并与PID控制结果进行了对比.仿真结果表明,基于四元数的控制律更能有效地控制四旋翼速度较大的情况.     

基于RBF网络的航空发动机terminal滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模控制和神经网络控制的优点,提出了一种基于径向基函数(radical basis function,简称RBF)网络的航空发动机terminal滑模控制方法.分析了传统指数趋近律的不足,提出了一种改进的指数趋近律来削弱抖振.该控制器采用terminal滑模面,并且利用径向基函数神经网络在线实时补偿未知干扰和不确定项的影响.仿真结果表明,所设计的控制器取得了令人满意的控制效果,能有效地抑制干扰和参数不确定性的影响,削弱了抖振.      

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。     

航空发动机自适应全局快速非奇异Terminal滑模控制

针对航空发动机控制系统须具有强鲁棒性和快速响应等特点及Terminal滑模控制存在奇异性等缺点,提出了一种航空发动机自适应全局快速非奇异Terminal滑模控制器设计方法.设计了一种快速非奇异Terminal滑模面,同时解决了传统Terminal滑模控制的奇异性和远离平衡点收敛速度慢两个缺点.采用自适应方法估计等效干扰,无需已知航空发动机的干扰上界,利用Lyapunov理论分析了其稳定性.仿真结果表明:设计的Terminal滑模控制器具有良好的动态性能,状态输出响应快速,调节时间在2s左右,无稳态误差,无超调,未发生奇异现象.      

用于离心式作动器的变滑模面滑模控制

作动器系统是组成直升机结构响应主动控制（ACSR）系统的重要子系统之一,为解决离心式作动器同时实现输出力幅值、相位和频率跟踪以及输出力跟踪误差问题,提出了一种基于滑模变结构控制的变滑模面控制（VSMSMC）方法。首先,根据离心式作动器原理建立了偏心块的输出力方程以及包含参数变化、外部扰动及线性摩擦等不确定因素的永磁同步电机（PMSM）动态方程;然后,通过对离心式作动器输出力控制原理进行分析,结合滑模控制理论的特点,将离心式作动器偏心块相位控制期望信号引入滑模控制的滑模面方程,设计了基于PMSM电流环的变滑模面滑模控制律,并利用李雅普诺夫函数证明了所设计的滑模控制律的可达性和稳定性。最后,在MATLAB/Simulink环境下将所设计控制律应用于离心式作动器输出力控制进行了仿真实验,与现有方法相比,所设计控制律能够较好地同时跟踪期望谐波力的幅值、相位和频率,提高了离心式作动器跟踪精度和离心作动器启动时的输出力跟踪响应速度并具有较好的抗干扰能力。     

无人机编队的高阶滑模控制方法研究

在未知干扰环境下,对无人机编队飞行的稳定性和精度提出了更高的要求,采用常规滑模控制的编队算法由于"抖振"等问题,不适应高精度和稳定性的要求.针对此问题,提出了一种基于高阶滑模控制的编队飞行控制方法,以三架无人机编队为例,建立了三维空间高阶滑模控制编队控制模型,实现了长机的航路跟踪及僚机的编队队形控制和保持.仿真结果表明...     

航空机电作动器神经网络快速终端滑模控制

目前机电作动器由于具有干净、维护方便等优点,越来越受到航空业的青睐。航空机电作动器的特点是控制精度、稳定性和响应速度要求高,针对以上特点,提出了一种基于多层神经网络的快速终端滑模控制策略。为了提高航空作动器响应速度和跟踪精度,设计了快速终端滑模控制策略,不仅可以加快系统响应而且可以在无扰动情况下实现系统的有限时间稳定。针对系统参数不确定性和外部扰动,设计多层神经网络进行估计并通过前馈方法加以补偿。针对神经网络的重构误差,设计了非线性鲁棒项加以克服。利用李亚普洛夫稳定性定理证明了控制系统在有扰动情况下可以实现有界稳定。实验结果表明：所设计的控制器具有良好的参数自适应和抗干扰能力,同时具有更高的跟踪精度和更快的响应速度。     

基于BSP-ANN的四旋翼无人机轨迹跟踪方法

为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步（Backstepping）法进行改进提出一种基于反步神经网络（BSP-ANN）的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明：该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。