航空发动机T-S分布式系统自适应鲁棒滑模控制

为提高航空发动机非线性不确定分布式控制系统的鲁棒性,考虑参数摄动,外部干扰,随机时延的影响,采用一种基于飞行包线划分的航空发动机T-S模糊模型,进行了鲁棒自适应滑模控制方法的研究。基于鲁棒H∞理论,针对模糊规则的状态空间模型,推导了滑模运动渐进稳定的充分条件,设计具有扰动抑制性能的鲁棒滑模面;基于并行分布补偿技术,采用与T-S模型相同的模糊规则,确定全局模糊滑模控制器设计策略,在此基础上,采用自适应技术估计未知干扰上界,设计了自适应滑模控制器,并证明了系统在控制器作用下的到达性。仿真结果表明该方法能够保证系统渐进稳定,对所考虑的不确定性因素鲁棒性较好,有效削弱了抖振,对不同工作点和干扰条件具有良好的适应性。     

基于自适应不对称高斯基函数网络的可靠飞行跟踪控制

针对歼击机操纵面结构故障,提出了一种基于自适应不对称高斯基函数网络（AGBFN）的可靠跟踪控制方案。该方案的特点是在传统的线性控制器的基础上,引入基于自适应AGBFN的自适应控制器,用于在线补偿由于建模误差、外扰、以及操纵面卡死或损伤所造成的影响,并且采用控制隔离技术来处理执行机构的饱和问题。完全自适应AGBFN采用不对称高斯基函数,并且可以在线更新网络所有参数,克服了传统RBF网络对称性约束,提高了网络的适应性和学习能力,从而保证歼击机的操纵品质,且输出较好地跟踪参考模型输出。飞行仿真结果表明,文中采用的控制方法使飞机在正常状态和故障状态下均可获得满意的控制效果。     

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。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

基于RBF神经网络的一类非线性系统反演鲁棒自适应控制

提出一种基于RBF神经网络的一类非线性系统反演鲁棒自适应控制器设计方法。使用RBF神经网络逼近系统不确定性,并和控制器与虚拟控制器中的鲁棒项一起消除不确定性的影响,由Lyapunov稳定性理论推出的RBF神经网络权值矩阵的自适应律能保证闭环系统的所有信号有界,且误差能够全局指数收敛于原点的邻域。该方法不需要系统不确定性的上界以及其任意阶导数,最后的仿真结果验证了方法的有效性。     

基于RBF神经网络的机器人鲁棒自适应控制器没计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法.首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性.     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

基于多模型切换的鲁棒自适应控制器

系统参数发生跳变时,为了解决多变量系统暂态响应变差的问题,提出一种基于多模型切换的鲁棒自适应控制器。该控制器由多个鲁棒自适应控制器组成,鲁棒自适应控制器保证系统存在未建模动态时能够使自适应系统稳定运行,引入的多模型策略保证系统参数跳变时具有良好的暂态性能。仿真结果表明,所提出的多模型鲁棒自适应控制器能够加快系统的响应速度,提高系统的暂态性能。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

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。     

RFNN control for PMLSM drive via backstepping technique

A robust fuzzy neural network (RFNN) control system is proposed in this study to control the position of the mover of a permanent magnet linear synchronous motor (PMLSM) drive system to track periodic reference trajectories. First, an ideal feedback linearization control law is designed based on the backstepping technique. Then, a fuzzy neural network (FNN) controller is designed to be the main tracking controller of the proposed RFNN control system to mimic an ideal feedback linearization control law, and a robust controller is proposed to confront the shortcoming of the FNN controller. Moreover, to relax the requirement for the bound of uncertainty term, which comprises a minimum approximation error, optimal parameter vectors and higher order terms in Taylor series, an adaptive bound estimation is investigated where a simple adaptive algorithm is utilized to estimate the bound of uncertainty. Furthermore, the simulated and experimental results due to periodic reference trajectories demonstrate that the dynamic behaviors of the proposed control systems are robust with regard to uncertainties.     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

空天飞行器的鲁棒自适应模糊轨迹线性化控制

提出了鲁棒自适应模糊轨迹线性化控制(RAFTLC)方法并应用于空天飞行器(ASV)飞行控制系统设计.根据系统的先验知识, 设计出标称模糊系统对系统的未知干扰和不确定进行估计, 并通过鲁棒自适应控制项来克服标称模糊系统逼近误差和权值误差的影响.标称模糊系统逼近误差和权值误差的界在线调整.采用Lyapunov方法证明了闭环系统的所有信号一致最终有界.最后利用提出的控制方案设计了ASV飞行控制系统, 并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.      

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。