基于高阶LADRC的V/STOL飞机悬停/平移 模式鲁棒协调解耦控制

针对垂直/短距起降（V/STOL）飞机在悬停/平移模式下存在的动力学耦合、推力矢量控制冗余以及易受扰动风影响的问题,提出了一种基于高阶线性自抗扰控制（LADRC）的鲁棒协调解耦控制方法。首先根据V/STOL飞机的概念方案,建立了推力矢量模型和扰动风影响下的非线性悬停/平移运动模型。然后在此基础上,给出了该模式下位置和姿态的协调控制策略,据此通过控制量变换设计了六通道的自抗扰解耦控制律,其中利用LADRC对总扰动的实时估计补偿能力避免了多推力矢量的冗余控制。仿真比较结果验证了LADRC对悬停/平移模式控制的有效性以及对飞机内部参数摄动和外界突风干扰的鲁棒性。      

变质心固定翼无人机动力学分析与抗扰控制

变质心无人机具有气动效率更高、隐身性能更好、机翼结构更加简单等优点。提出了时滞更小、结构更加简单的单滑块变质心无人机布局方案,分析了滑块参数对变质心无人机动力学特性的影响,在此基础上给出了滑块的理想安装位置,并研究了变质心无人机布局方案控制效率随速度的变化情况。针对变质心无人机强耦合、强非线性的特点,基于粒子群算法(PSO)设计了自抗扰控制器(ADRC),其中扩张状态观测器估计出包含耦合和参数摄动的总和扰动项,并基于此进行动态补偿。仿真结果验证了所设计控制器的有效性和鲁棒性。      

基于重复自抗扰控制的索网天线振动抑制

为解决索网天线在轨运行过程中的振动抑制问题,提出一种基于重复自抗扰复合控制器的主动振动控制方法。首先,使用有限元法建立天线型面的振动动力学模型,基于模态截断的方法对动力学模型进行降阶并转化为状态空间方程的形式。然后,基于能量最小化准则,使用遗传算法对传感器/作动器的位置进行优化。最后,设计了基于线性自抗扰控制的天线型面振动主动抑制算法,并在此基础上设计前馈重复控制算法,通过对反馈控制周期性误差的学习,提高控制器抑制周期性扰动的能力。仿真结果表明,相比无控状态时,所提出的控制方法可将型面扰动降低97.0%,振动抑制效果优于PID控制器。所设计的控制方法为天线型面的振动控制提供了一种新的技术手段。     

基于ADRC的MSCMG框架系统高精度控制

针对非线性摩擦和外部随机扰动影响磁悬浮控制力矩陀螺(MSCMG, Magnetically Suspended Control Moment Gyroscope)框架系统角速率精度的问题,提出了一种基于自抗扰控制器(ADRC, Active Disturbance Rejection Controller)的高精度转速控制方法.通过三阶扩张状态观测器将框架系统负载力矩、非线性摩擦力矩及外部随机扰动力矩作为"总扰动"进行估计,并对该扰动力矩进行补偿.仿真及实验结果表明:基于自抗扰控制器的框架系统控制方法使框架转速精度和稳定度提高了50%以上,且具有抗干扰能力强和动态特性好的特点.     

高抗扰高精度无人机着舰纵向飞行控制

针对无人机着舰过程中舰尾流扰动和甲板运动扰动对着舰点散布的影响,对复杂着舰环境下的无人机着舰纵向控制策略、控制结构和控制律参数设计方法进行研究。针对常规控制结构抗扰能力不足的问题,提出了无人机着舰纵向多操纵面平衡态直接力控制(DFC)策略及控制结构。提出了面向着舰点散布的控制律参数优化设计方法,该方法在保证系统满足稳定裕度指标的基础上,综合考虑了舰尾流扰动和甲板运动扰动对着舰点散布的影响,使2种扰动造成的着舰点散布最小。构建控制律参数优化设计问题,通过粒子群优化(PSO)算法进行优化设计,得到高抗扰性能的控制律参数。在控制律参数优化中考虑舰尾流和甲板运动的功率谱密度分布,使设计更具有针对性,减小了控制律设计的保守性,进一步提高控制的抗扰性能。算例设计及仿真验证了多操纵面平衡态DFC控制结构在抵抗舰尾流扰动和甲板运动扰动方面的优异性能,并证明了所提控制律参数设计方法的有效性。     

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明：设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。     

基于ADRC姿态解耦的四旋翼飞行器鲁棒轨迹跟踪

针对欠驱动四旋翼飞行器的控制特性,提出一种基于自抗扰控制(ADRC)的姿态解耦控制算法,该算法可以克服传统欠驱动四旋翼控制方法中存在的问题,如系统状态间耦合严重,抗干扰能力弱及系统建模误差对跟踪性能影响较大等弱点.该算法利用扩张状态观测器(ESO)实现状态间耦合项的跟踪和估计,同时ESO也可实现对系统干扰的估计,干扰包括系统内扰和外扰.利用动态反馈线性化将非线性MIMO系统转化成线性SISO系统,然后利用非线性反馈控制律实现四旋翼姿态系统的高品质控制,在上述姿态解耦控制的基础上研究飞行器的鲁棒轨迹跟踪问题,不同情况下的仿真结果验证了上述姿态控制算法可提高系统轨迹跟踪的鲁棒性.该算法不依赖于精确的系统模型,降低了实际应用的难度,并有很强的抗干扰能力,具有实际应用的价值.      

改进型自抗扰四旋翼无人机控制系统设计与实现

针对提高四旋翼无人机姿态控制抗干扰能力的目标,设计了一种内外环嵌套结构的改进型自抗扰控制（ADRC）器。根据所搭建四旋翼无人机的实际参数,构建了四旋翼无人机姿态控制系统的数值仿真模型。通过与传统双闭环PID控制器进行对比,证明所设计的自抗扰控制系统在快速响应、无超调的前提下,具有很强的抗干扰能力以及较高的控制效率。将所设计的控制系统,应用于四旋翼无人机之上,在具有大偏载以及方向不确定的强干扰的飞行试验中,取得了良好的控制效果。      

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

基于自抗扰的运载火箭主动减载控制技术

针对运载火箭穿越大风区的减载控制技术进行研究,首先对攻角反馈和加表反馈2种减载技术进行理论研究和仿真分析,得出2种方案对火箭减载都存在一定的局限性。因此引入自抗扰控制器(ADRC)技术并针对飞行减载控制对其进行改进,一方面通过状态观测器将误差补偿引入自抗扰回路;另一方面改进了自抗扰控制器中的控制律,并推导证明了新的控制律下自抗扰控制器抑制风载干扰的能力,给出了控制方程中增益的选择方法。最后以某型液体运载火箭为例在考虑其弹性振动和液体晃动条件下对比了几种方案的减载效果,仿真结果表明改进后的自抗扰控制器使飞控系统抗干扰能力增强,增大了控制律中增益选择范围,有效提高了运载火箭的减载效果,具有很强的工程应用价值。      

基于ADRC的航空发动机限制保护器设计

发动机限制保护器在航空发动机运行过程中对特定的被限制量进行实时监控,在其超出安全范围时实施限制,实现对航空发动机的保护.将自抗扰技术用于限制保护控制器设计,利用自抗扰控制器的扩张观测器,动态估计未知扰动和系统特性,对实际控制量进行反馈补偿,实现超限后的快速保护,提高了发动机的安全性.仿真结果表明:所设计的自抗扰限制保护控制器能将超限偏差有效转化为对主回路指令的修正,综合控制系统响应速度快,达到了限制保护的目的.     

基于奇异谱分析的空间环境数据插补方法

空间环境数据具有典型的非线性、非平稳特征,并经常包含有缺失数据,给预报模型的建立、预测以及物理过程的分析带来了一定的困难。为了实现对缺失数据的插补,基于奇异谱分析(SSA)迭代插补的思想,设计了一种能够适用于不同缺失数据分布的插补方案。该方案提取出原始时间序列中缺失数据分布数组,利用缺失数据分布数组生成交叉验证所用的测试数据集,并利用离散粒子群优化算法寻找SSA的2个关键性参数,即嵌入窗口长度和主成分个数。通过不同太阳活动年份实际观测的太阳风参数、地磁指数等实例验证了算法的有效性。      

基于切换系统的变体飞行器鲁棒自适应控制

针对变体飞行器变形过程的控制问题,将切换系统理论与多变量自适应控制理论相结合,提出了一种基于切换系统的鲁棒自适应控制器设计方法。首先,建立了变体飞行器纵向短周期线性切换模型,描述了飞行器的整个变形过程;然后,设计了一种改进的鲁棒自适应控制律,抑制了各类干扰和不确定性对系统的影响,实现了切换系统对参考模型的良好跟踪;最后,提出了一种基于模型依赖驻留时间（MDDT）的切换控制律,保证了变体飞行器在变形切换过程中的稳定性,利用Lyapunov函数方法证明了本文方法最终一致有界。仿真验证表明,在存在外部干扰和各类不确定性的情况下,本文方法能保证飞行器在变形过程中精确跟踪参考模型,且具有较好的抗干扰能力。      

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。     

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...