一种自适应观测器设计和故障检测方法

利用模糊系统和径向高斯函数网络,设计一种具有自适应能力的模糊神经网络.用高斯函数表示模糊规则前件的隶属度函数,然后,构造一种递阶自组织在线学习算法,从输入输出样本数据中,通过学习提取模糊IF-THEN规则;在此基础上,提出一种非线性时变系统的自适应状态观测器设计和故障检测方法,并对其结构及特征进行了讨论,仿真结果表明,这种自适应状态观测器能很好地观测系统的状态,并能有效地应用于系统的故障检测.     

不确定切换系统的鲁棒自适应控制方案

针对切换信号依赖于独立决策变量的不确定切换系统,基于多Lyapunov函数方法和模型参考自适应控制理论,提出并分析一种控制器具有非线性死区特征的鲁棒自适应切换控制方案.首先,由参考切换系统和自适应控制律集合建立闭环切换系统,而后构造Lure-Postnikov形式的多Lyapunov函数,并以一组线性矩阵不等式推导给出闭环切换系统为有界模型参考自适应控制系统的充分条件.最后,选择HiMAT(Highly Maneuverable Aircraft Technology)飞行器包线内的5个工作点,以其纵向短周期运动模型建立切换系统,并设计具有非线性死区特征的鲁棒自适应控制器.仿真验证了方案的有效性,结果表明系统在快速连续切换下可良好地跟踪期望轨迹.     

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

一类非线性时滞系统的采样控制

针对于采样区间具有已知上界的非线性时滞系统,分别考虑了常采样和变采样两种情况下的采样控制问题.目标是设计一个状态反馈采样控制器,使得闭环系统指数稳定,并且满足给定的性能指标.基于输入延迟方法,可以将采样控制系统转化成具有时变延迟的连续系统.引入了新的时间依赖Lyapunov函数,这些Lyapunov函数在下一个采样时间到来之前没有增长.以线性矩阵不等式(LMI, Linear Matrix Inequality)的形式给出了具有时变延迟的非线性扰动系统指数稳定的充分条件.仿真结果说明了所提方法可以提高系统的抗扰能力.     

高超声速飞行器自适应切换控制及稳定性分析

针对高超声速飞行器巡航段控制问题,构造自适应切换控制并对闭环稳定性进行了分析.高超声速飞行器动力学模型具有非线性、多变量和开环不稳定的特点.首先给出动力学模型局部线性化的方法,并设计自适应切换律和非线性反馈控制.进而给出全局稳定性分析结果,证明在所设计自适应切换控制下,闭环系统指数收敛到状态原点附近一个小邻域内.     

冗余直接驱动阀系统的余度控制策略

针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial Basis Function Neural Network) 的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Derivative)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.      

高超声速飞行器迎角观测器及控制器设计

针对高超声速飞行器非线性动力学系统中所特有的输出非线性、状态向量强耦合等特性,综合考虑了飞行中的不确定性、具有复杂非线性输出、状态向量不完全可测量等因素,提出一种基于Lyapunov法的滑模观测器和控制器设计方法,用于解决高超声速飞行器迎角观测器不能精确测量的问题.首先在观测器设计过程中,利用过载输出滑模面构造了Lyapunov函数,确定出观测器收敛的条件,并基于线性化理论求出观测器增益矩阵.然后在控制器设计过程中,采用基于动态面的自适应反演方法设计出控制律,用多层神经网络调节函数逼近系统中的高频未建模动态,设计鲁棒项函数解决了逼近误差的影响问题,并进行了稳定性分析和仿真验证.      

基于切换多胞的飞行器变增益输出反馈控制

现代飞行器包线范围不断扩大,飞行器模型参数在飞行包线内呈现大范围变化的特点.针对包线范围参数时变飞行器的稳定性分析与输出反馈镇定问题,提出了基于切换多胞系统的飞行器模型描述方法.结合切换多胞Lyapunov函数与平均驻留时间方法,给出了保证飞行器包线范围渐近稳定的稳定性判据与静态输出反馈形式的变增益镇定控制器综合方法.将所提方法应用于高机动性飞行器的全包线飞行控制器设计,仿真结果表明:该设计方法可放宽对飞行器工作点的平均驻留时间约束,具备较低的设计保守性;所得变增益控制器可消除传统切换控制器的输出跳变现象,具有良好的瞬态响应特性.     

MIMO仿射型极值搜索系统的输出反馈滑模控制

针对一类多输入多输出(MIMO)仿射型非线性极值搜索系统的控制问题,提出了一种输出反馈滑模控制方法。将原系统分解为若干个单输入单输出(SISO)极值搜索子系统,并针对每个极值搜索子系统,考虑到系统状态量不可测的特点,以斜坡函数作为新系统输出量的参考跟踪信号,采用输出跟踪误差以及该误差符号函数的积分值建立切换函数,设计得到基于输出反馈的滑模极值搜索控制律。稳定性分析证明:在任意初始条件下,本文方法可使系统的输出量全局收敛至期望极值的任意小邻域内,并且所有状态量均一致范数有界。仿真结果验证了本文方法的有效性。      

基于NARX和Kriging的时变可靠性分析双层代理模型

针对具有动态输出性能的结构系统，传统的求解时变可靠性的代理模型方法在建模时只关注当前瞬间作用于系统的随机变量的作用，而忽视了时间累积效果，使得模型对于时变可靠性的预测效果并不理想。基于此，提出了一种基于带外生输入的非线性自回归(NARX)模型和Kriging模型的时变可靠性分析的双层代理模型方法。所提方法在内层利用NARX模型构建给定随机输入变量下输出响应随时间的变化模型，准确模拟系统的动态行为；在外层基于NARX所得极值构建系统极值与随机变量之间的Kriging模型，得到时变结构系统的可靠性。通过3个算例验证了所提方法在处理具有较强波动性输出系统的可靠性问题时的有效性和准确性。     

一类反馈型非线性系统的跟踪控制

为了完成对一类反馈型非线性系统的控制,研究了该类非线性系统。首先,根据LaSalle不变性原理论证了一类自治系统收敛的引理。然后,引入误差函数,通过误差函数的Lyapunov函数寻找使得误差函数渐近稳定的控制器,再根据引理得出系统状态所跟踪的轨迹全部收敛,从而使得系统状态均有界,系统的输出趋于输入;论述了控制器使系统状态稳定的条件,给出了闭环系统稳定性的证明。最后,给出了一个固定翼飞机纵向运动飞行控制系统的算例,并且按照所提的方法设计了控制器,在MATLAB的Simulink模块下进行了仿真验证。结果表明,对于阶跃信号和正弦信号,所提出的控制方法能够使得飞机俯仰角快速收敛跟踪指令。      

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

一类微型扑翼飞行器的滑模自适应姿态控制

针对微型扑翼飞行器这类非线性时变系统,基于李雅普诺夫稳定性理论提出了滑模自适应控制算法,应对系统中的不确定性和抑制扰动,完成飞行器悬停阶段调整方位的姿态控制.在高频的扑翼状态下,系统模型利用摄动理论中的平均化法进行近似时不变处理.控制器的设计以滑模控制为主体,滑模面利用误差角三角函数和体角速度构造,来避免不必要的偏航控制,同时结合自适应控制方法,实时逼近无法准确计算的惯性张量和干扰力矩,缓解传统滑模控制中开关函数所带来的抖振问题.Simulink仿真结果表明,滑模自适应控制算法优于传统滑模控制,在正弦干扰气流的影响中有良好的鲁棒性,以此验证了算法的可行性.     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

多变量模型参考自适应控制及在飞行控制中的应用

讨论了多变量模型参考自适应控制及其在飞行控制中的应用问题.针对相对阶任意的多输入多输出线性时不变系统,提出了一种模型参考自适应控制方案.基于SDU分解,仅要求高频增益矩阵的顺序主子式的符号已知,从而放宽了对高频增益矩阵的限制.通过构造合适的Lyapunov函数,证明了闭环系统的全局稳定性和跟踪误差的渐进收敛性.将所提方案应用到了飞行控制系统,仿真结果验证了所提方案的有效性.     

基于自适应动态逆的自动空中加油轨迹跟踪

针对自动空中加油(AAR, Automated Aerial Refueling)的受油机轨迹跟踪控制问题,采用导引环与姿态控制环分离的控制策略,提出了基于非线性路径跟随导引和自适应神经网络动态逆的受油机轨迹跟踪控制方法.该方法将改进的非线性导引应用于受油机横、纵向导引控制,使用自适应神经网络在姿态角速率回路补偿外界干扰和系统模型误差,并利用比例-积分型姿态角速率误差动态方程设计自适应神经网络权值更新律.仿真结果表明:在受油机接近加油机过程中,该方法有效提高了受油机轨迹跟踪控制系统的抗干扰能力和对模型不确定性的自适应能力,能够满足自动空中加油的控制要求.     

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.