超机动飞行的神经网络动态逆控制

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。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中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的鲁棒性。     

具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

综合非线性鲁棒飞行控制系统设计

提出一种综合非线性鲁棒飞行控制系统设计方法,用于解决现代复杂战场环境下的飞行控制问题。为了克服系统的不确定性、时延性以及未建模动态给飞行控制系统带来的不利影响,在动态逆控制法的基础上,进一步设计了基于多层感知器神经网络和动态非线性阻尼控制的综合非线性鲁棒飞行控制器。利用神经网络参数的在线调整和动态非线性阻尼控制的抑制作用,使飞行控制系统能够跟踪给定信号,且满足一定的性能指标。最后将所设计的飞行控制系统用于某型歼击机的飞行仿真,结果证实当存在时延和平尾损伤时,设计的飞行控制系统具有很强的补偿能力。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

飞行航迹动态逆跟踪控制的神经网络方法

针对用动态逆方法设计飞行控制系统在极慢模态设计中所遇到的完全非线性问题，以及飞行器在执行低空突防任务时所面临的程度无法精确控制的条件，提出了一种以前向神经网络为核心的解决方案。文中给出了神经网络的拓扑结构、样本采集方法以及动态逆控制器的构造方法，仿结果表明，该方案具有良好的指令跟踪能力。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

不确定串联非线性系统具有L2增益的鲁棒自适应控制

研究了一类含有未知参数和干扰的串联非线性系统H∞鲁棒自适应控制问题。结合H∞控制和自适应控制，基于李亚普诺夫函数递推设计方法设计了H∞状态反馈自适应控制器，并且得出了控制器的精确解，避免了求解HJI不等式设计控制器的困难。该控制器不仅保证闭环系统ISS稳定，而且使得系统对于所有允许的参数不确定从干扰输入以可控输出的L2增益不大于给定的值。仿真结果表明了所设计的控制器的可行性和有效性。     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

基于神经网络非线性时滞系统的鲁棒可靠控制器设计

将一类非线性时滞控制系统中的非线性部分，用一个单隐层神经网络来近似代替，采用线性微分包含（LDI-linear differential inclusion）的方法来线性化该非线性环节，对于线性化所产生的近似误差、时滞和执行机构故障作为系统的一部分设计可靠鲁棒控制器，相关的定理也一并给出。高阶微分和偏微分方程一般是用来解决这类非线性系统的主要方法，文章中提出的可靠鲁棒控制器设计方法克服了以上这些方法求解困难的缺点，仿真示例用设计好的可靠鲁棒控制器与常规极点配置法进行了比较，从而表明了这种方法的有效性。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。     

基于鲁棒自适应控制策略的混合型步进电机低速伺服控制性能

针对混合型步进电机低速运行状态下脉动转矩较大的特点,应用鲁棒自适应控制策略来设计其低速伺服控制器,以实现高精度的跟踪控制性能.首先,根据混合型步进电机转矩形成的机理,揭示了其固有的脉动转矩对低速运动控制产生不利影响的动力学特征,并将它归结为两种结构不确定性,便于控制器的设计;其次,采取标准的自适应控制及其鲁棒化设计思想,借助于μ-修整策略来实现相应的控制律,确保脉动转矩的最大化补偿及伺服系统低速跟踪控制满足高性能的要求;最后对所建立的低速跟踪控制系统的性能进行了试验评估,并与作者前期的工作进行了比较,试验结果验证了其有效性与可行性.     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。