基于动态逆-滑模的高速飞行器控制器设计

吸气式高超声速飞行器巡航状态下飞行环境复杂,建模时存在非线性以及参数摄动.基于小扰动假设的传统经典控制理论难以适应当前任务对鲁棒性的要求,对此提出了一种非线性动态逆-滑模控制律改进方法.通过对吸气式高超声速飞行器模型精确反馈线性化得到解耦形式的线性方程,为速度和高度设计出动态逆控制律来抵消非线性特性,在动态逆的基础上采用滑模变结构来补偿参数摄动带来的误差.仿真结果表明,所设计的控制方法具有良好的动态性能及鲁棒性.     

超机动飞机飞行控制及大迎角飞行品质研究

超机动飞机飞行控制和大迎角飞行品质研究,对于强调超机动能力的第四代战斗机的飞行控制律设计、验证和试飞评定有着重要意义。以鸭式布局飞机为研究对象,应用推力矢量技术,结合奇异摄动原理和逆系统理论,设计了基于非线性动态逆理论的超机动飞行控制律。从过失速状态飞机空气动力的非线性和非定常迟滞效应、大气紊流等方面初步验证了控制律的...     

战斗性机动飞行的智能反步自适应控制

针对飞机战斗性机动飞行时模型非线性和参数不确定性的特点,提出了一种非线性反步自适应控制方法.在系统输入输出反馈线性化基础上,基于滑模的思想适当选取李亚普诺夫函数,通过反步的方法回馈递推得到控制律,并且利用粒子群算法优化固定参数改善动态性能,同时设计相应的自适应律来调节未知参数,最后通过伪逆控制分配方法得到最终控制信号.仿真结果表明:在较大的模型气动参数不确定条件下,所设计的控制律仍能理想地跟踪飞机战斗性机动指令飞行,同时具有快速的收敛性和良好的鲁棒性.     

基于扩张状态观测器的动态逆过失速机动飞行控制

针对飞机过失速机动飞行控制问题,提出了一种将动态逆与扩张状态观测器相结合进行扰动估计补偿的新思路。根据时标分离原则将飞机状态分为快变量和慢变量,并分别设计了两个回路的动态逆控制器。在快慢回路分别引入扩张状态观测器对系统的不确定部分进行估计补偿,抵消不确定部分对系统动态特性的影响。最后对控制律进行了过失速机动仿真。结果表明,在存在较大参数摄动情况下,设计的控制律能控制飞机跟踪控制指令,表现出良好的稳定性和鲁棒性。     

推力矢量控制与飞机过失速动仿真研究

非线性动态逆为非线性系统控制律的设计提供了一种重要手段，针对过失速机动飞机探讨了非线性动态逆方法飞行控制系统设计中的应用。根据非线性动态逆的特点将飞机的动态特性为为快慢不同的状态变量。对快变量应用非线性动态逆进行控制律设计是将飞机气动控制面和推力矢量控制作为输入；慢状态为量控制律的设计是利用状态变量作为输入。并采用伪逆的优化计算方法对各控制面的以限分配进行了搪塞。“Ｃｏｂｒａ”和“Ｈｅｒｂａｔ”两     

基于角加速度估计的非线性增量动态逆控制及试飞

针对非线性增量动态逆（INDI）控制方法运用到飞行试验时需要进行状态量导数（角加速度）的实时估计并且存在延迟等问题进行了研究,并给出了工程应用上的实际解决方案。对试飞无人机（UAV）平台进行了动力学建模,利用非线性增量动态逆控制方法和控制器分层设计方法设计了无人机姿态控制系统。采用卡尔曼滤波器设计了角加速度估计器为控制律提供角加速度实时反馈。通过基于模型的控制系统设计方法将控制律实现,并进行实际试飞试验。结果表明：该控制方法工程上可实现,具备良好的鲁棒性和指令跟踪能力。     

基于动态逆-PID的高超声速飞行器巡航姿态控制

以某型高超声速飞行器为研究对象,针对巡航状态下气动参数不确定的姿态控制问题,提出了一种结合非线性动态逆控制与PID控制的姿态控制方法。首先,对高超声速飞行器非线性模型进行精确反馈线性化,得到了飞行器纵向姿态仿射非线性方程;接着,为速率变化快慢不同的迎角和俯仰角速率分别设计了动态逆控制律以抵消对象的非线性特性;然后,在动态逆控制的基础上,采用工程上易于实现的PID控制补偿由于未精确建模带来的系统逆误差,实现了迎角对指令信号的有效跟踪;最后,进行了数值仿真验证。结果表明,所设计的高超声速飞行器动态逆-PID姿态控制器具有良好的跟踪性能和鲁棒性能。     

一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法，并应用于超机动飞机控制器设计中，飞机的基本控制采用非线性动态逆方法进行设计，对于模型不准确导致的逆误差采用神经网络进行在线补偿，仿真结果表明，采用神经网络补偿误差，弥补了非线性动态逆要求精确数学模型的缺点，而且可以简化动态逆控制律的设计，改善整个控制系统的性能。     

四旋翼式飞行潜航器非线性增量动态逆控制

针对四旋翼式飞行潜航器水下运动姿态控制问题,设计了一种带二阶低通滤波器的非线性增量动态逆控制器。建立了四旋翼式飞行潜航器水下运动数学模型,推导了增量形式的姿态控制律,以反馈的角加速度信号作为虚拟输入,得到了推力增量与角加速度的关系式,设计了姿态控制器,并进行了鲁棒性分析。通过在控制端和反馈的状态导数端引入二阶低通滤波器,保证了系统的时间同步性。仿真结果表明,在外界扰动和不确定性作用下,所设计的增量动态逆控制方法能够快速准确跟踪参考信号。     

过失速机动飞机的鲁棒非线性控制律设计

 采用非线性动态逆和结构奇异值综合方法设计了过失速飞行条件下飞控系统控制律,解决了飞控设计中面临的非线性和鲁棒性问题。应用非线性动态逆的目的就是对过失速机动飞行条件下高度非线性的飞机动力学进行线化;从而围绕线性的快逆回路应用结构奇异值综合方法设计相应的鲁棒控制器,以提供对驾驶员指令的鲁棒跟踪。所设计的飞控系统将达到期望的飞行品质,确保系统对过失速机动飞行过程中因非定常气动力效应引起的系统参数摄动鲁棒性良好。高逼真度、非线性的仿真验证了这一点。     

基于非线性动态逆的无人机自动着陆控制系统

采用非线性动态逆(NDI)控制方法来解决无人机(UAV)自动着陆阶段的非线性控制问题。建立了无人机非线性数学模型,应用奇异摄动理论对飞机动态进行时标划分,研究快、慢状态子系统的控制器及机动产生器的设计,在无风情况下以及受到给定值风扰动情况下完成了系统自动着陆仿真验证。系统仿真结果表明该控制系统能够满足系统控制精度要求。     

推力矢量控制与飞机过失速机动仿真研究

非线性动态逆为非线性系统控制律的设计提供了一种重要手段。针对过失速机动飞机探讨了非线性动态逆方法在飞行控制系统设计中的应用。根据非线性动态逆的特点将飞机的动态特性分为快慢不同的状态变量。对快变量应用非线性动态逆进行控制律设计是将飞机气动控制面和推力矢量控制作为输入；慢状态变量控制律的设计是利用快状态变量作为输入。并采用伪逆的优化计算方法对各控制面的操纵权限分配进行了探讨。“Cobra”和“Herbst”两个过失速机动的实现证明该设计方法和仿真方法是成功的。     

超机动飞行非线性动态逆 - 模糊自适应控制

对带推力矢量飞机的飞控设计问题进行了研究。根据奇异摄动理论将受控状态变量分为快变量和慢变量，然后根据非线性动态逆理论分别对内环和外环进行设计。针对非线笥动态逆要求准确的数学模型的特点，引入模糊自适应控制以考虑模型的不确定性,最后对所设计的飞控规律进行过失速机动仿真。结果表明，在存在较大模型误差的情况下，所设计的飞控规律安全能在过失速机动条件下控制飞机跟踪指令飞行。     

无人机综合飞行/推力矢量控制

以某无人机为背景,主要研究大机动时带推力矢量的综合飞行/推进控制系统的设计方法。应用非线性动态逆方法,根据无人机本身具有明显不同时间尺度差异的动力学特性,结合奇异摄动理论将控制变量按照响应快慢分为4个回路进行了控制器的设计与仿真;设计推力矢量控制和气动控制相结合的控制器,实现飞行和推力矢量的控制综合;将无人机的任务转化为对飞行控制的限制条件,对所设计的控制系统进行了数字仿真,结果表明所设计的控制器能够满足飞机做大机动时的控制要求。     

自适应模糊-滑模控制在重构飞行控制中的应用

 论述了综合运用非线性动态逆、自适应模糊系统和滑模控制的优点进行飞行控制律设计的方法。运用非线性动态逆理论对非线性系统进行近似线性化 ,用模糊自适应系统来抵消近似非线性逆带来的误差 ,最终的残差由滑模控制项补偿。根据李亚普诺夫稳定性理论推导了自适应系统权值的调整规律 ,从而保证了闭环系统的稳定性。将此方法应用于带推力矢量飞机重构飞行控制 ,对两类故障的仿真结果表明 :即使系统未检测到故障 ,在较大的舵面损伤情况下 ,飞控系统性能仍能得到很好的保持。     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。     

高效强力复合铣A轴的动力学建模与自适应滑模控制

A轴单元作为五轴数控机床的关键功能部件,其控制精度直接影响工件的加工精度和表面质量。针对系统参数摄动和不确定性切削负载对A轴伺服系统控制精度的影响,分析了A轴驱动系统的动静态性能,讨论了驱动扭矩、负载扭矩、运动方向和系统参数之间的相互关系,并建立了系统的非线性动力学模型。基于该动力学模型,设计了自适应模糊滑模控制器（AFSMC）,采用模糊系统对滑模控制律中的非线性函数项进行自适应逼近,并基于Lyapunov理论设计了模糊系统中可调参数的自适应律,同时,在滑模控制（SMC）的切换控制部分采用了指数趋近律。实验结果表明,所设计的AFSMC对不确定性负载扭矩和系统参数摄动具有较强的鲁棒性。与传统滑模控制（TSMC）相比,其在有效减小控制输入抖振的同时,使得跟踪控制精度提高了14.54%。