EHA反馈线性化最优滑模面双模糊滑模控制

为提高电静液作动器（EHA）控制性能,提出了一种反馈线性化最优滑模面的双模糊滑模控制方法。该方法在EHA的非线性模型上,利用反馈线性化方法将其线性化,在此基础上建立线性切换函数,并采用最优控制理论对切换函数进行设计。为削弱抖振将模糊控制算法引入滑模控制中,采用一个模糊控制器,根据最优滑模函数运动特性的数值对切换控制增益进行估计;采用另一个模糊控制器,根据滑模控制原理对切换控制项进行调整。仿真结果证明了该方法的有效性。      

基于观测器的超静卫星平台关节 任务空间鲁棒控制方法#br#

超静卫星包括星体、载荷和六自由度并联的主动指向超静平台.提出了一种基于干扰观测器设计的主动指向超静平台鲁棒控制方法,利用关节 任务空间控制实现无载荷姿态敏感器场景下的高精度指向.首先,设计关节 任务空间控制策略,控制器既采用了利于实现的关节空间控制器,又包含了任务空间的模型补偿,同时避免了正解运算.然后,针对非线性耦合和建模不确定性等问题,设计干扰观测器对星体与载荷之间的相对偏差干扰进行估计.在此基础上,基于李雅普诺夫方法设计了鲁棒控制器,保证了在干扰不确定性条件下的稳定性.最终,通过对比仿真分析,验证了提出方法的有效性.     

基于观测器的超静卫星平台关节-任务空间鲁棒控制方法

超静卫星包括星体、载荷和六自由度并联的主动指向超静平台.提出了一种基于干扰观测器设计的主动指向超静平台鲁棒控制方法,利用关节-任务空间控制实现无载荷姿态敏感器场景下的高精度指向.首先,设计关节-任务空间控制策略,控制器既采用了利于实现的关节空间控制器,又包含了任务空间的模型补偿,同时避免了正解运算.然后,针对非线性耦合和建模不确定性等问题,设计干扰观测器对星体与载荷之间的相对偏差干扰进行估计.在此基础上,基于李雅普诺夫方法设计了鲁棒控制器,保证了在干扰不确定性条件下的稳定性.最终,通过对比仿真分析,验证了提出方法的有效性.     

基于时变增益ESO的多航天器SO(3)姿态协同控制

针对多航天器姿态协同控制问题,基于特殊正交群（SO（3））研究了存在干扰情形下的控制设计方法。结合有向通信拓扑建立了多航天器SO（3）模型,在此模型的基础上提出了一种时变增益扩张状态观测器（ESO）对系统的总干扰进行估计,削弱了常值增益ESO的峰化现象。利用相邻航天器的信息给出了旋转矩阵形式的协同指令,进一步基于SO（3）方法设计了协同控制器。同时采用ESO的输出在所设计的控制器中对系统的干扰进行补偿,从理论上给出了ESO的收敛性以及闭环系统的稳定性证明,保证多航天器系统能够实现稳定协同。仿真结果验证了本文方法的有效性和快速性。      

基于观测器的平台无陀螺姿态复合控制

针对超静卫星星体平台无陀螺、载荷敏感器与星体平台执行机构非共基准安装时整星存在姿态异位控制问题,提出了一种基于观测器估计星体平台姿态的复合控制方法。首先,建立星体平台/Stewart平台/载荷的动力学模型,并获得Stewart平台作动器关节空间的等效动力学模型。针对关节空间等效模型,设计super twisting观测器,以作动器平动位移为输入,以载荷和星体平台之间的相对姿态和角速度为输出,实现星体平台姿态和角速度估计。其次,以载荷测量姿态信息为输入,设计Stewart作动器的积分滑模控制律,实现载荷高精度指向控制。以观测器估计的星体平台姿态信息为输入,设计星体平台控制器实现星体平台的稳定控制。Lyapunov稳定性分析表明所设计的观测器和控制器能够保证闭环系统渐近稳定。数学仿真结果表明：在星体平台有陀螺时,载荷能够实现0.1″指向精度;在星体平台无陀螺时,采用观测器估计星体平台姿态并进行控制,载荷亦可实现0.1″指向精度。     

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.     

电静液作动器自调节积分鲁棒运动控制

针对电静液作动器系统中存在的匹配干扰及不匹配干扰,基于扩张状态观测器,设计了一种自调节积分鲁棒控制方法。首先设计扩张状态观测器估计系统的匹配不确定性并且进行前馈补偿;然后设计自调节积分鲁棒控制器分别处理系统的不匹配干扰和状态估计误差,实现了电静液作动器的渐近跟踪控制;最后通过仿真验证了该控制方案的有效性。结果表明：相较于传统的PID控制器,该控制器的跟踪误差约为0.2mm,控制精度达到0.4%左右。     

基于LMI的模糊增益调参控制器的设计

利用线性矩阵不等式(LMI)技术将增益调参的控制律设计转化为相应的LMI凸优化问题,结合 模糊控制和H_∞方法,给出了一种基于LMI的模糊参数化的飞控系统增益调参控制器的 设计方法,该方法解决了传统增益调参设计中以经验设计的弊病,并保证了系统的全局 稳定性及鲁棒性能要求.将该方法应用于某型飞机模型上,仿真结果表明该设计方法简便有 效,且控制器鲁棒性较好.     

基于有限存储空间的分布式传感器融合估计器

研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰，在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器，利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后，通过某电源系统计算实例仿真验证所提融合估计器的有效性。     

基于线性最小均方差估计的星敏感器故障诊断

针对使用两个星敏感器进行姿态测量的三轴稳定控制系统,利用星敏感器输出值与陀螺输出值的解析冗余关系,通过设计两个滤波器实现对不同星敏感器的故障隔离.考虑到陀螺测量噪声以乘性噪声的形式出现在姿态运动学方程中,利用陀螺输出测量值和目标星敏感器的测量值,采用线性最小均方差估计器得到包含目标星敏感器故障信息的残差; 以无故障情况下残差的统计方差为基础得到阈值,通过检验残差评价值是否超过相应的阈值,实现对目标星敏感器故障的检测; 分别将两个星敏感器作为目标星敏感器,综合两个故障检测结果隔离故障.对星敏感器出现测量偏差和精度逐渐下降两种故障的仿真验证了该方法的有效性.     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天...     

基于深度神经网络的航天器姿态控制系统故障诊断与容错控制研究

针对传统航天姿控系统故障诊断与容错控制诊断精度及控制分配效率较低的问题,提出了一种基于深度神经网络的航天器姿态控制系统故障诊断与容错控制方法。以控制力矩陀螺为执行机构的航天器发生执行机构故障工况时,所提出的方法可保证鲁棒的姿态控制。首先,利用三个异构深度神经网络实现传统容错控制器的故障诊断、姿态控制和力矩分配等功能,建立了全神经网络的智能自适应容错控制器架构。然后,对三个神经网络的网络层数、神经元数目和激活函数等参数进行优化调整,对比分析了神经网络参数对控制器性能的影响。最后,对所提出的新型控制器在控制力矩陀螺发生故障时的控制精度和鲁棒性进行了仿真验证。仿真结果表明,对于具有冗余控制力矩陀螺的航天器,提出的方法不仅能在单一陀螺故障下实现高精度的容错控制,也能在发生多陀螺故障时保证一定的姿态稳定控制。     

最优故障检测滤波器设计

针对执行机构故障研究检测滤波器对噪声的鲁棒性问题。首先利用特征结构配置方法研究多故障情况下检测滤波器的设计问题,并给出其增益矩阵的基本结构,然后针对过程噪声和测量噪声研究最优故障检测滤波器的设计问题,提出求解最优增益矩阵的一种算法,最后采用某型号飞机方程进行仿真验证。仿真结果表明,最优故障检测滤波器可以有效的抑制噪声对系统的影响。     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本、高效率、高精度的故障快速定位。     

基于分散化预测滤波的故障诊断方法研究

针对多故障源系统的故障诊断问题,提出一种采用分散化预测滤波与两种不同类型残差相结合的诊断方法。该方法针对不同类型故障敏感的特点,利用不同类型残差,区分系统组件／执行机构故障和传感器故障;利用模型误差估计与故障各分量的对应关系,辨识和隔离系统组件／执行机构故障;利用分散化滤波的结构,识别和隔离不同传感器故障。以卫星姿态估计系统为例,仿真验证该故障诊断方法,结果表明,分散化预测滤波与集中预测滤波相比,对多类型故障讲轩枪测识别以及系统舌柏古白体力事程．     

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.     

基于ASTSMO和UIO的故障估计方法

针对系统在有未知干扰情况下的故障估计问题,提出一种基于自适应Super-Twisting滑模观测器（ASTSMO）和未知输入观测器（UIO）的故障估计方法。不需要已知故障导数的上界,避免了现有自适应算法存在的滑模增益过估计问题,并且能够处理多执行器同时发生故障的情况。首先,通过非奇异变换将原系统降阶为两个子系统,其中一个子系统只受故障的影响,另一个子系统同时含有故障和不确定干扰。对两个子系统分别设计ASTSMO观测器和UIO观测器,并对误差系统有限时间内收敛的条件进行了证明,同时给出了滑模增益初始值和时变增益的设计方法。然后,基于等效控制的概念对故障进行检测和估计。最后,通过仿真算例验证了所提故障估计方法的有效性。