基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。     

基于神经网络的超机动飞机自适应重构控制

 讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明,在飞机发生舵面故障时,神经网络通过自适应地补偿逆误差,可以快速在线重构控制律,保持飞机稳定和一定的操纵品质。     

一种非线性自适应切换控制混合方法及其在倾转旋翼机上的应用

为避免子控制器切换时控制量的跳变,提出了一种非线性自适应切换控制混合方法。针对输入输出反馈线性化子控制器在使用中存在的逆误差及模型不确定性,采用多层神经网络进行在线补偿,为实现此类非线性自适应子控制器的平滑切换,实际控制律采用各子控制律的凸组合,各组合系数值由切换参数确定。通过合适的设计参数选取与神经网络权值更新律设置,寻找到了闭环切换系统的公共Lyapunov函数,保证了此类系统在切换控制混合下的稳定性。在倾转旋翼机轨迹跟踪控制的应用中,设计了直升机模式、过渡模式与飞机模式的非线性子控制器,应用神经网络在线补偿与随短舱角的控制混合,仿真结果表明该方法具有对系统不确定性的鲁棒性及平滑切换的特性。     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

一种基于前馈网络的组合自适应滤波器及其应用

本文设计了一种以单层或多层前馈神经网络为核心的组合自适应滤波器。该滤波器能够通过离线及在线学习了解输入信号与噪声的某些特性，从而把两者区别开来，从中检出信号。仿真研究表明，本文提出的方法直接用于雷达导引头角跟踪系统的滤波比通常的方法具有更好的性能和效果。     

未知控制方向的严反馈非线性系统神经网络自适应控制

针对一类未知控制方向的单输入单输出严反馈非线性系统,提出一种神经网络自适应控制方法。首先应用Nussbaum型函数解决控制系数符号未知问题,然后应用RBF神经网络和反演设计方法对系统进行系统化设计。该控制方法放宽了现有文献中许多苛刻的条件,如匹配条件、增长条件等,避免了控制器奇异问题,同时解决了反演设计中的“计算膨胀”问题,并应用Lyapunov稳定性理论证明了闭环系统的全局稳定性。最后给出了数字仿真实例,证明了该设计方法的有效性。     

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输人未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。文中仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性。最后给出的仿真研究证明了该设计方法的有效性。     

基于自适应神经模糊推理系统的导弹直/气复合控制系统设计

针对导弹直/气复合控制问题,提出了一种基于自适应神经模糊推理系统的导弹直/气复合控制系统设计方法.首先,建立了直/气复合导弹数学模型.然后,针对常规模糊控制设计严重依赖经验的问题,在模糊控制的基础上引入神经网络,通过样本数据学习建立自适应神经模糊推理系统(ANFIS),并设计了脉冲调宽调频调制器.最后,通过仿真试验验证了所提的控制系统设计方法.仿真结果表明,基于ANFIS的导弹直/气复合控制系统能够快速精确地跟踪加速度指令.     

机械手模型参考自适应控制的仿真及实验研究

 <正> 1。引言 众所周知,多关节机械手是高度耦合的,时变的非线性系统,现在国内外市场上的工业机械手绝大多数仍采用经典控制理论设计控制器,但随着对机械手性能要求的不断提高,经典控制理论已不能满足要求,近十年来,控制专家们开始研究自适应控制来解决复杂的机械手控制系统的设计。文献(1)提出局部参数优化的自适应控制算法,但不能保证整个系统稳定而必须进行十分困难的稳定性分析。文献(2)提出基于摄动方程的自适应控制,将非线性控制问题简化成关于期望轨迹的线性控制问题。但要进行实时辨识,因而实时计算量大,实时性差。笔者尚未见到关于解决机械手传动装置中的固有非线性,如库仑摩擦、间隙等的研究报导。实际上这种固有非线性对系统的性能,如精度、稳定性等有不可忽视的影响。此外上述对机械手自适应控制的研究都是计算机仿真,很少有实验研究的报导。     

Adaptive controller design for a linear motor control system

Three different adaptive controllers for a permanent magnet linear synchronous motor (PMLSM) position-control system are proposed. The proposed controllers include: a backstepping adaptive controller, a self-tuning adaptive controller, and a model reference adaptive controller. The detailed systematic controller design procedures are discussed. A PC-based position control system is implemented. Several experimental results including transient responses, load disturbance responses, and tracking responses of square-wave, sinusoidal-wave, and triangular-wave commands are discussed and compared. The proposed system has a good robustness performance even though the inertia of the system is increased to 10 times. The experimental results validate the theoretical analysis.     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.      

Experimental study in adaptive tracking control

The authors describe an experimental study of adaptive pointing and tracking control for flexible spacecraft conducted on a complex ground experiment facility. The algorithm used is based on a multivariable direct model reference adaptive control law. Several experimental validation studies performed using this algorithm for vibration damping and robust regulation are extended by addressing the pointing and tracking problem. As is consistent with an adaptive control framework, the plant is assumed to be poorly known to the extent that only system level knowledge of its dynamics is available. Explicit bounds on the steady-state pointing error are derived as functions of the adaptive controller design parameters. It is shown that good tracking performance can be achieved in an experimental setting by adjusting adaptive controller design weightings according to the guidelines indicated by the analytical expressions for the error     

非线性自适应控制理论在无人直升机飞行控制系统设计中的应用

最近，国内外很多研究结果表明，基于神经网络的直接自适应控制方法，在飞行器控制系统设计中有着诸多优点。其中最重要的是它减少了设计对飞机动态特性高保真建模的依赖。这种设计方法在某无人直升机上得以实际飞行验证。本文主要介绍这种非线性自适应控制系统及其外回路航迹跟踪器的设计问题。     

推力矢量空空导弹的变结构自适应控制

提出了一种适用于带推力矢量空空导弹的变结构自适应控制器设计方法 ,推力矢量的采用是为了使导弹获得超机动能力以对付强机动目标。所设计的变结构控制律包括两部分,即线性控制部分和非线性切换控制部分,其作用力由气动舵面和非线性反作用喷气装置提供。在设计控制律时引入了对系统参数变化的自适应算法,简化了控制器的设计。数字仿真表明其有效。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

无人直升机的自适应非线性控制

最近几年，许多仿真结果都揭示了基于神经网络的直接自适应控制在飞行控制系统设计中的发展潜力。其中最重要的一点就是显著降低了对系统动态模型的要求。本文把该方法应用于无人直升机，给出了自适应姿态控制系统和跟踪控制器的设计方法。通过，数字仿真表明该控制方法有良好的跟踪控制性能。     

应用保护映射理论的高超声速飞行器自适应控制律设计

针对高超声速飞行器包线范围广、参数变化大的控制需求,应用保护映射理论提出一种高超声速飞行器的自适应控制律设计方法。首先建立整个飞行包线内的线性变参数(LPV)模型,在参数变化边界点设计一个初始的控制结构和参数,然后基于保护映射理论分析初始控制结构使闭环系统稳定的参数范围,通过迭代自动获取整个包线内满足性能指标的控制参数,进而通过多项式拟合设计出高超声速飞行器自适应控制律。所提出的方法能够根据初始控制结构自动寻找一系列满足性能要求的控制器参数,并确定这些控制参数满足闭环系统稳定的设计范围。仿真结果表明,所设计的自适应控制律能够确保高超声速飞行器大包线的设计要求,实现闭环系统的鲁棒稳定。