汽车DYC滑模控制器设计及系统稳定性分析

直接横摆力矩控制(DYC,Direct Yaw Moment Control)可在极限工况下产生维持车辆稳定行驶所需的附加横摆力矩,从而提高汽车的主动安全性能.建立了能够满足汽车稳定性控制测试要求的非线性汽车动力学模型,设计了用于汽车DYC的滑模变结构控制器(SMC,Sliding Mode Controller),并利用李氏函数证明了系统的稳定性,最后在Matlab/Simulink环境下对SMC的稳定性和控制效果进行了仿真测试.仿真结果表明了控制算法的有效性,并通过与PID(Proportional-Integral-Derivative)算法控制效果的对比说明了SMC具有更好的鲁棒性,拥有更好的应用潜力.     

基于迟滞鲁棒性的自动车队队列稳定性控制

基于车辆纵向迟滞动态模型,对自动车队队列稳定性以及控制方法进行分析研究.建立考虑迟滞因素的车辆纵向迟滞动态模型,在此模型的基础上建立基于固定时间间距策略的滑模控制器和比例积分微分(PID,Proportion Integration Differentiation)控制器,然后依据队列稳定性判断准则分别对两种控制器进行队列稳定性分析并分别得到相关的队列稳定性条件.定量比较分析和仿真比较分析结果显示,PID控制器具有更强的迟滞鲁棒性.     

一种非线性鲁棒PID控制器设计方法

针对一类非线性不确定系统,提出了一种基于PID(比例-积分-微分)控制的鲁棒控制方法.整个控制器由PID控制器和一个鲁棒补偿器构成.首先,基于系统的标称模型设计PID控制器;然后在PID控制的基础上,设计一个辅助鲁棒补偿器,用于补偿系统非线性、参数摄动和外界扰动等对系统控制性能的影响.补偿器的设计基于李雅普诺夫(Lyapunov)稳定性理论进行,从而保证了闭环系统的鲁棒稳定.采用该方法对倒立摆跟踪问题进行了仿真控制,仿真结果验证了设计方案的有效性.     

液压飞行仿真转台外框FNN控制器设计及仿真

以液压转台外框为控制对象,根据模糊控制理论,设计出直接自适应模糊控制器(DAFC,Direct Adaptive Fuzzy Controller)和同步模糊控制器(SFC,Synchronizing Fuzzy Controller)来解决外框负载干扰和双液压马达同步驱动这2个影响转台控制性能的主要问题;其中直接自适应模糊控制器还与PID控制器一起组成并行控制系统来抑制系统静态误差和动态干扰.针对模糊控制器自学习能力较差等缺陷,在模糊控制的基础上,根据模糊神经网络(FNN,Fuzzy Neural Net)模型设计出多输入多输出(MIMO,Multi-Input Multi-Output)的FNN控制器.软件仿真结果表明,当转台外框负载发生变化或外框两马达转速相差较大时,使用FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能.      

四旋翼飞行器的非线性PID姿态控制

针对四旋翼飞行器的非线性姿态运动动力学模型,设计了一种新的几乎全局稳定的非线性PID (Proportional Integral Derivative) 姿态控制器.该控制器由一个线性PID的控制部分和一个惯性力矩补偿部分组成,可以抑制常值干扰和幅值有界且能量有界的干扰.数字仿真验证了该控制器对干扰的抑制作用.在搭建的姿态控制实验平台上进行了定点姿态跟踪控制实验.实验结果显示俯仰角和滚转角的误差均小于1°,验证了该控制器对小角度控制的有效性和对未建模动态的鲁棒性.      

基于模糊逻辑的再入RCS控制方法

针对 RLV (Reusable Launch Vehicle)的再入控制提出了一种基于模糊逻辑的RCS(Reaction Control System).详细分析了RCS控制特性,建立了基于效率系数以及继电特性的RCS模型,提出了一种基于Mamdani模型的模糊逻辑三通道RCS控制器,该控制器利用专家控制经验,根据姿态角及角速率的偏差,产生不同的RCS控制指令输出给三通道对飞行器进行姿态控制.通过六自由度非线性仿真,验证了该控制系统与PID(Proportional-Integral-Differential)控制器相比具有更好的跟踪性能,且RCS的控制输出效率也更高.      

空间机器人柔性臂动力学模糊控制的研究1)

重点研究了空间机器人柔性臂的动力学非线性控制问题.由于柔性臂动力学系统的强非线性和耦合性，使得柔性臂控制系统复杂，控制的实时性和稳定性差，本文针对以往柔性臂控制所存在的问题，综合考虑系统的动态和静态特性，提出了一种带有非线性补偿器及PID控制器的新的柔性臂模糊复合控制方案.然后，根据所推导的一两连杆的空间机器人柔性臂的动力学非线性模型，进行了系统控制的仿真研究.实例仿真的结果表明，该控制方案能有效地抑制柔性臂的弹性振动，具有良好的控制效果.     

一种高精度温度控制的复合方法及其应用

介绍了一种用于高精度温度控制的复合方法及其在恒温槽上的成功应用.该方法集Fuzzy逻辑和专家式智能PID(比例、积分、微分)控制于一体,充分运用了专家的人工调节经验和PID控制的定量调节特性,较好地满足了高精度控温中的高精度与快速性要求.采用了简单新颖的PID参数在线修正和温度变化预报方法,易于实现.用于恒温槽时控制精度优于0.01℃.实践证明该方法在高精度控温中具有良好的控制效果.      

控制力矩陀螺框架高精度周期随动控制

为实现控制力矩陀螺框架伺服系统的高精度周期随动控制,采用比例积分微分(PID,Proportion Integration Differentiation)控制器结合重复控制器的控制方式,PID控制器实现框架伺服系统静态和匀速运动的高精度控制,插入式重复控制器实现对周期性输入信号的精确跟踪.对控制力矩陀螺框架系统进行了建模,设计了PID控制器与插入式重复控制器,并分析了重复控制器的稳定性条件、稳态跟踪性能和对扰动的抑制能力.仿真结果和实验结果表明:采用插入式重复控制器使控制力矩陀螺跟踪1Hz给定速度信号时的稳态跟踪误差大幅减少.PID控制器结合插入式重复控制器结构简单,两者可分开独立设计,参数设计容易.     

高精度交流伺服系统的模糊PID双模控制

交流位置伺服系统因其存在参数时变、负载扰动以及电机的非线性等缺点 ,很难为其建立准确的模型.模糊(fuzzy)控制具有无需建立被控对象的数学模型、鲁棒 性好等优点,但稳态精度差.将模糊控制和PID控制相结合,设计了Fuzzy-PID双模控制器. 在论域内用不同的控制方式分段实现控制,这样就综合了模糊控制和PID控制的优点,克服 了各自的缺点.该控制器结构简单、易于实现.在半闭环交流位置伺服系统上所做的实验表 明,采用Fuzzy-PID双模控制器与采用经典PID控制器相比,阶跃响应的调整时间减少了33.7% ,并且无超调,轨迹跟踪误差减小了47.2%.      

旋转弹的神经网络变质心姿态控制

研究了旋转弹变质心控制系统的姿态控制问题.建立了内部带有n个可移动滑块的导弹系统仿真数学模型,分析了滑块与弹壳间的相对运动对系统运行产生的耦合影响.利用神经网络的自学习性以及自适应特性,设计了基于神经网络控制的姿态控制律来计算系统质心的期望位置.利用最优原理确定了各滑块的期望偏移以实现系统质心位置的改变,从而达到改变导弹飞行姿态的目的,提高了系统的动态响应品质.以带有2个滑块的旋转弹姿态控制系统为例进行非线性仿真,证明了所设计控制律的有效性.      

高超声速飞行器BTT非线性控制器设计与仿真

高超声速飞行器的气动特性比一般的飞行器更为复杂,选用BTT(Bank-to-Turn)技术,即倾斜转弯技术可以满足其对于气动外形的要求,但随之给动力学系统带来了快时变、严重非线性及强烈耦合的特点.针对高超声速飞行器倾斜转弯非线性控制器的这一特点,采用了一种更为有效的非线性系统的控制方法,即非线性动态逆技术.首先建立了高超声速飞行器的非线性数学模型,然后根据奇异摄动理论将动力学系统的受控状态变量分为快变量和慢变量2部分,应用非线性动态逆理论分别对快逆回路和慢逆回路进行设计,其中慢逆回路控制器的输出作为快逆回路控制器的输入指令,最后对于所设计的系统在高超声速下的倾斜转弯运动进行了仿真验证.仿真结果表明该控制系统可以实现倾斜转弯,并可以满足高超声速飞行器稳定飞行的要求.      

一种高超声速飞行器的非线性再入姿态控制方法

针对高超声速飞行器的再入非线性动力学模型,利用SDRE（state dependent Riccati equation）设计姿态控制器。基于奇异摄动理论,把姿态动力学分解成姿态角和姿态角速度跟踪内、外环回路,同时把非线性动力学伪线性化。每个跟踪回路用SDRE获得控制律,考虑到SDRE局部渐近稳定的特点,可以保证系统闭环稳定。最后设计高超声速飞行器飞行控制系统,并在高超声速条件下进行仿真,验证了该方案的有效性。     

闭环最优模糊推理方法及其应用

最优模糊推理的基本思想在于模糊推理引入优化机制.首先针对现有的一种最优模糊推理方法,证明其满足模糊推理的2个基本性质,即推理一致性和所构成模糊系统的通用逼近性;其次提出闭环最优模糊推理的基本思想,即模糊推理引入反馈和优化机制,并在此基础上提出一种闭环最优模糊推理方法;然后针对这种新方法,同理证明其满足上述2个基本性质;最后通过飞机高度控制系统的仿真平台,体现出由闭环最优模糊推理方法所构成的模糊PID控制器的控制效果和强鲁棒性.      

基于不变流形的高超声速飞行器动态面控制

针对存在未知气动参数的吸气式高超声速飞行器纵向运动控制问题,提出一种基于不变流形的自适应动态面控制方法.通过合理假设将高超声速飞行器纵向模型分解为弹道倾角回路和速度回路,分别实现对弹道倾角和速度参考指令的跟踪.弹道倾角回路被表达为严反馈形式进行控制器设计.采用基于不变流形的自适应方法实现了对未知参数的估计.所提出的自适应动态面控制方案能保证未知参数估计误差全局一致稳定和闭环系统全局有界稳定,且估计器和控制器设计不存在耦合,因此参数设计更加容易.仿真结果验证了该控制方法在参数估计方面的显著优势和良好的闭环系统性能.     

Mars entry fault-tolerant control via neural network and structure adaptive model inversion

The capability of autonomous fault detection and reconstruction is essential for future manned Mars exploration missions. Considering actuator failures and atmosphere uncertainties, we present a new active fault-tolerant control algorithm for Mars entry by use of neural network and structure adaptive model inversion. First, the online BP neural network is adopted to conduct the fault detection and isolation. Second, based on the structure adaptive model inversion, an adaptive neural network PID controller is developed for Mars entry fault-tolerant control. The normal PID controller will be automatically switched into neural network PID controller when an actuator fault is detected. Therefore, the error between the reference model and the output of the attitude control system would be adjusted to ensure the dynamic property of the entry vehicle. Finally, the effectiveness of the algorithm developed in this paper is confirmed by computer simulation.     

四旋翼无人机动态面控制

针对四旋翼无人机（UAV）飞行器系统欠驱动特点,引入动态面控制方法,对四旋翼UAV的位置和姿态进行控制。考虑到飞行器速度和角速度难以测量,设计高增益观测器得到UAV的速度和角速度的估计值。相对于反演法,动态面控制的设计更简洁,并且通过引入滤波器来求取控制信号中的系统状态的导数项。另外,常用的时标分离方法不能给出全局稳定性分析,本文引入动态面设计控制律保证系统所有信号半全局一致有界,同时给出系统全局稳定性证明。仿真结果表明,四旋翼UAV能快速精确完成目标跟踪。