间隙非线性气动弹性颤振控制

研究了亚音速不可压来流中二元机翼气动弹性颤振主动控制问题.采用Theodorsen准定常气动力建立俯仰方向含有间隙非线性的气动弹性动态方程,然后基于状态依赖Riccati方程推导了非线性颤振控制律.假设只有俯仰角位移和控制面偏转位移可以直接测量,状态空间中的其它变量通过所设计的状态观测器进行了估计.仿真结果显示,观测器可以快速准确地对非直接测量变量进行估计,系统状态变量与控制变量都能够迅速地收敛于零点,表明所设计的控制律可以有效地实现对间隙非线性二元机翼颤振的抑制.      

基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

基于降维观测器的最优故障诊断算法研究

为降低诊断算法的计算量,优化算法参数,设计了一种基于降维观测器的最优故障诊断算法。首先,利用正交原理,将故障状态与系统状态进行解耦,从而构造了用于故障估计且无需进行矩阵分块运算的降维观测器。其次,基于对偶原理,将诊断算法的增益优化问题转化为诊断误差方程对偶系统的最优控制律设计问题,从而实现了对故障的最小方差估计。然后,利用诊断结果设计了基于故障补偿思想的容错控制律,以此实现了系统与故障的隔离。最后,通过数值仿真验证了所提方法的有效性。结果表明,对于二阶系统,该诊断算法可在7s内快速收敛到故障真实值。     

四旋翼无人机执行器可重构性量化评价方法研究

随着对系统安全性和可靠性要求的不断提高,故障系统的自主恢复能力即系统的可重构性受到高度关注,然而现有对于控制系统可重构性量化评价的方法主要针对线性系统,因此以具有强耦合、欠驱动、强非线性的四旋翼无人机（quadrotor UAV）为被控对象,提出了一种基于双滑模面鲁棒观测器与马氏距离结合的非线性系统可重构性量化评价方法。首先,在四旋翼无人机非线性模型的基础上,设计了具有对扰动和故障均不敏感的双滑模面鲁棒观测器,用于实现对系统状态的准确估计;其次,在执行器饱和及系统状态误差指标双约束条件下,采用基于马氏距离的相似度法,对非线性系统可重构性进行量化评价;最后,通过四旋翼无人机仿真实验验证了所提方法的有效性。结果表明,所提方法能够真实反映不同故障程度下系统的可重构性量化水平,为非线性故障系统控制策略调整补偿提供了重要依据。      

基于扩张状态观测器的飞轮故障检测与恢复

飞轮是卫星姿态控制系统中的主要执行部件,实现其自主故障检测与恢复对于维持卫星正常姿态具有很重要的意义.在建立了精确飞轮开环系统模型的基础上,设计了二阶非线性连续扩张状态观测器ESO(Extended State Observer).将飞轮故障视为系统外扰,并假设其余外扰是小量可忽略,则利用此ESO不仅能实时得到飞轮开环系统的状态量,当飞轮发生故障时更能快速准确地估计出故障量.因而无需产生系统残差即可直接进行故障检测,同时根据故障量的大小对系统输入即驱动电压进行补偿,使飞轮转速仍能维持正常值,保证卫星姿态不受故障影响.数值仿真验证了此方法的有效性.      

基于速度观测的双余度电液舵机系统容错同步控制

考虑飞机电液舵机活塞杆运动速度不易测量的情况,提出一种基于速度观测的容错同步控制策略,解决了双余度电液舵机系统（DREHAS）内泄漏共模故障（IL-CMF）下的位置跟踪控制问题。首先,通过引入2组参考轨迹并对模型进行线性变换,实现舵面位置跟踪与两舵机力输出同步控制解耦;其次,在扩展状态观测器（ESO）中加入故障参数自适应项,设计一种自适应扩展状态观测器（AESO）估计两通道舵机活塞杆速度和扰动,从而克服了故障条件下利用原系统模型设计ESO带来的估计结果不准确问题;最后,基于AESO的估计结果及故障参数在线更新结果,利用反步法设计了一种非线性容错同步控制器。Lyapunov稳定性分析结果表明,该控制方法可确保IL-CMF故障及时变干扰条件下,闭环系统所有信号有界,系统输出满足规定的性能要求。IL-CMF故障及常值干扰条件下,系统跟踪误差渐进收敛于零。仿真实验进一步验证了所提方法的有效性。      

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。     

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

大型柔性空间结构的状态估计及变结构控制

本文研究大型柔性空间结构作单轴大角度操纵时的状态估计及变结构控制方法。所建立指数律的状态观测器,实现了以较少传感器估计系统弹性振动模态的目的。利用状态观测器的状态及系统输出变量反馈方法,设计了大型空间结构的动态输出变结构控制律。针对一个实际模型仿真计算,得到了满意的结果。     

基于扩张状态观测器的运输机多故障容错控制

针对含有传感器与舵面故障的运输机姿态跟踪问题, 提出了一种基于扩张状态观测器的反步容错控制方法。采用状态观测器与控制器分开设计的方法, 设计含神经网络的扩张状态观测器估计系统状态、传感器和舵面故障信息。在此基础上, 利用状态估计值代替实际状态, 采用反步法设计姿态角跟踪控制律, 并引入指令滤波器提高反步法的控制性能, 基于Lyapunov稳定性理论推导证明了闭环系统跟踪误差的最终有界收敛。仿真结果表明, 在系统存在传感器与舵面多故障的条件下, 所提方法依然可以实现运输机姿态角的稳定跟踪。      

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

双星跟飞立体成像的构形保持控制

针对强干扰及输出饱和条件下微小双星立体成像的构形保持问题,提出一种基于观测器的抗干扰复合控制策略.根据立体成像双星跟飞运动机理,建立双星相对运动动力学模型;设计了一种自适应干扰观测器,可同时实现系统状态和干扰信息的在线估计,并采用Lyapunov稳定性理论和线性矩阵不等式技术给出观测器存在条件.采用极点配置方法改善观测器系统的动态性能,引入指数衰减因子提高控制器的收敛速度.考虑执行机构的输出饱和特性,提出一种加权PD+LQR反馈与干扰前馈补偿的复合控制策略,能够抑制未知干扰的影响,保证系统的动态和稳态性能,具备双星构形保持控制能力.仿真结果验证了所提算法的有效性.      

绳系拖曳飞行器高抗扰轨迹跟踪控制

针对受未知风扰动作用下的绳系拖曳飞行器轨迹精确控制问题,设计了一种基于最小学习参数神经网络估计器的拖曳飞行器轨迹动态面控制方法。首先,结合绳系拖曳系统多刚体动力学模型,构建拖曳飞行器六自由度非线性模型,并完成其仿射非线性化处理。其次,考虑到拖曳飞行器可能受到前方飞机尾涡、紊流和阵风等未知气流及不可测量瞬变缆绳拉力等扰动的综合影响,构建了基于最小学习参数神经网络的拖曳飞行器状态/扰动在线估计器,以准确重构系统不可测量集总扰动。然后,基于所提状态/扰动在线估计器,设计了一种基于最小学习参数神经网络状态/扰动在线估计器的拖曳飞行器轨迹动态面控制方法,并分析了系统稳定性。最后,仿真表明,所提方法能够在多重气流扰动下实现拖曳飞行器位置稳定和机动轨迹跟踪。      

Estimation of flexible space tether state based on end measurement by finite element Kalman filter state estimator

This paper proposes a novel finite element Kalman filter to estimate the unmeasurable state of space tether systems based on the measured state at its ends only. The finite element method calculates the unmeasurable internal state as the virtual measurement based on the dynamic model of the system by imposing the input of measured state at the boundary to the model using the Lagrange multiplier method in the spatial space. Combining the real and virtual measurement into a hybrid measurement model of the system, the full state is reconstructed and propagated in the temporal space by the extended Kalman filter. Two state-space system models, the dynamics-based and kinematics-based state models, in the Kalman filter are explored. The observability and stability of the newly proposed finite element Kalman filter are examined and proved. The advantages of the proposed state estimator are (i) the singularity in the virtual measurement of state caused by the number of internal state greater than the number of state measured at the boundary is eliminated in the statistic meaning by the Kalman filter, and (ii) the effects of noises of the observation data and the uncertainties of model discretization are considered and minimized. The correctness and effectiveness of the proposed state estimator is demonstrated by the numerical analysis of a space tether system orbiting around the Earth. The results show the proposed state estimator with only measured state at the ends of the tether successfully provides an accurate time history estimation of geometric configuration and motion of the entire tether. Moreover, the results also show the difference caused by the dynamics-based and kinematics-based system models in the state estimator is negligible. The kinematics-based system model should be used in the state estimator due to its significantly low computational load. Finally, the proposed method can be easily applied for the state estimation process for other space tethered spacecraft systems.     

基于观测器的网络化控制系统的变结构控制

给出了传感器和控制器之间存在网络时网络化控制系统的一种变结构控制方法.由于对象状态的不完全可测性,利用观测器的状态来设计控制器.如果实际时延小于最大允许时延,则观测器增益矩阵可以通过求解一个线性矩阵不等式来求取,从而保证误差系统是指数渐近稳定的.控制器增益矩阵可以利用极点配置或最优控制的方法来确定,并且能够保证滑动模态是指数渐近稳定的.采用指数趋近律的方法,可以调节相应参数削弱抖振,保证系统具有要求的性能.仿真算例表明了该方法的可行性与有效性.     

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.     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。