含扩张状态观测器的高超声速飞行器动态面姿态控制

针对高超声速飞行器复杂非线性、高不确定性和强通道耦合等特点,提出了一种飞行器姿态控制的非线性设计方法。根据高超声速飞行器无动力飞行的姿态运动方程组,给出一个可面向姿态控制的非线性设计模型。针对一类非线性系统,提出了一种基于扩张状态观测器（ESO）的动态逆设计方法,并通过动态面控制理论,将其应用于高超声速飞行器的三通道姿态控制中。仿真结果表明,相比基于传统动态逆的动态面控制方案,本文所提出的控制方案可以保证飞行器快速、精确地跟踪角位置指令,并且具备针对系统不确定性的强鲁棒性能。     

高超声速飞行器Terminal滑模控制系统设计

针对高超声速飞行器模型的强非线性、快时变、强耦合和强不确定性,提出了基于动态逆和Terminal滑模控制的制导/姿控一体化设计方法.该方法将动态逆控制的非线性解耦能力与Terminal滑模控制的强鲁棒性有机结合,实现了模型的反馈线性化和多通道解耦,保证高超声速飞行器在存在参数不确定性和外界干扰的条件下实现稳定飞行.仿真结果表明该控制方法对高超声速飞行器是可行的.     

新概念飞行器的姿态复合控制

研究了大气层内质量矩与直接力复合控制飞行器的姿态控制问题.在建立飞行器数学模型的基础上,基于质量矩控制与直接力控制的各自优势,提出了质量矩与直接力复合控制色行器的姿态控制策略.在此基础上应用动态逆理论,根据系统变量的特点将状态变量进行时标分离,形成快慢两回路,设计了飞行器的姿态控制规律.仿真结果表明,该方法能够有效实现飞行器的姿态控制.     

高超声速飞行器的神经网络PID控制

高超声速飞行器是一种强耦合性、存在不确定性和高度非线性的复杂控制系统,在其应用神经网络PID控制方法进行纵向通道的姿态控制时,将控制系统分为快慢内外环,基于神经网络控制理论,针对高超声速飞行器的动力学模型和运动学模型设计单神经元PID控制律和PID神经网络控制律,推导了权值调整的学习算法。仿真结果表明,高超声速飞行器的神经网络PID控制系统能够有效抑制气动参数变化的影响,较好地跟踪期望攻角,有较强的鲁棒性。     

吸气式高超声速巡航飞行器飞行攻角的模型参考自适应滑模控制

针对吸气式高超声速巡航飞行器发动机进气道关闭、进气道打开、发动机点火工作3个状态下俯仰通道气动系数和配平舵偏角变化大的特点,设计了一种基于参考模型的自适应滑模攻角控制律.在滑模控制中引入了自适应参数调节律来逼近不确定的模型参数变化和外界干扰,有效地改善了飞行器俯仰通道的动态和稳态性能,同时对于气动系数和配平舵偏角的变化...     

临近空间拦截弹的非奇异终端滑模控制

针对临近空间直接力/气动力复合控制拦截弹的抗干扰控制问题,提出了一种基于有限时间干扰观测器(FTDO)的非奇异终端滑模(NTSM)复合跟踪控制策略。首先,设计FTDO估计系统的不匹配干扰;在此基础上,设计基于FTDO的NTSM复合控制律,获取期望的控制力矩。接着,考虑到作为执行机构的气动舵和反作用喷气装置存在冗余性,进一步提出了一种动态控制分配算法实现期望控制指令到执行机构的分配,获得良好的控制分配精度和较小的执行机构能耗。最后,仿真结果验证了所设计复合控制系统的有效性。     

临近空间高超声速飞行器鲁棒自适应控制方法

提出了一种新的将自适应滑模变结构控制与动态逆控制组合的鲁棒自适应的控制方法,用于临近空间高超声速飞行器的再入阶段飞行控制系统设计。用内外环动态逆控制将非线性飞行器对象近似解耦成不确定的3通道一阶线性系统,将所有不确定性转化为匹配的逆误差;由自适应滑模变结构控制给出动态逆的输入信号,消除逆误差的影响,保证对制导指令的鲁棒跟踪。某高超声速飞行器临近空间再入的六自由度仿真结果表明:控制器有较好的鲁棒性和跟踪性能。     

高超声速飞行器鲁棒自适应控制律设计

针对具有强耦合特性与模型不确定性特点的高超声速飞行器控制问题,提出了一种新的鲁棒自适应控制律设计方法。首先,结合高超声速飞行器数学模型,在引入参考模型的基础上,建立了一种具有非匹配特性的耦合控制模型。然后,基于该非线性模型,结合Riccati方程,通过动态调节参数的方法,得到了一种鲁棒自适应控制律。最后,对该控制算法的有效性进行了仿真验证。仿真结果表明：此算法在气动参数摄动与干扰同时存在的情形下,可以满足高超声速飞行器的稳定飞行要求。     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

高超声速飞行器动态神经网络反推自适应控制

针对高超声速飞行器纵向模型的高度非线性特点,在考虑模型不确定性的情况下,提出了高超声速飞行器动态神经网络调节函数反推自适应控制方法.对给定的速度指令,引入积分型Lyapunov函数设计跟踪控制器,取消了控制增益一阶导数上界的限制,且避免了控制器的奇异性;对给定的高度指令,引入调节函数技术,设计了反推控制器,避免了将模型化为严反馈形式;采用动态神经网络对未知系统动态进行自适应在线逼近.根据Lyapunov理论证明了设计的控制律保证了闭环系统的稳定性与指令跟踪的精确性.仿真结果验证了该方法的可行性及有效性.     

基于特征模型的高超声速飞行器的自适应姿态控制

研究了基于特征模型的自适应控制方法在高超声速飞行器姿态控制中的应用。对一类非线性强耦合以及大范围参数不确定性的类X-20高超声速飞行器无动力滑翔段六自由度动力学模型,建立含耦合的多输入多输出(MIMO)特征模型,并设计基于特征模型的黄金分割控制器。控制律设计中通过对非对角元控制量强制一步滞后,使得各通道控制量可以计算简单。最后通过飞行高度和速度大范围变化的长时间飞行过程中姿态角的跟踪控制仿真,验证了控制器的鲁棒性和适应性。     

反作用控制系统在RLV再入复合控制中的研究

以再入段的可重复使用飞行器(RLV)控制系统为研究对象,针对RLV再入姿态的气动舵面与反作用力控制系统的特点,提出优化控制选择配置算法把控制力矩指令配置为末端执行机构指令,分别由气动舵面与反作用力控制系统执行。仿真结果表明,该复合控制方法可以弥补某些情况下气动舵面控制的不足,能很好地实现RLV姿态控制,并具有更好的动态性能。     

RLV再入姿态双环滑模控制及舵喷混合配置

设计了一种基于滑模控制的可重复运载器（RLV）再入姿态控制方法。用内外两环滑模控制同时跟踪对角速度和角度;根据RLV再入姿态的动力面与反作用混合控制的特点,用优化控制选择配置算法将控制力矩指令配置为末端受动器的控制指令,分别由动力面与反作用致动器执行。仿真结果表明：由该法可获得高精度、鲁棒性和解耦的跟踪性能。     

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

考虑特征模型的高超声速飞行器全通道自适应控制

针对高超声速飞行器具有强非线性、高不确定性及强耦合等特点,提出一种基于反馈线性化控制与特征模型自适应控制相结合的姿态控制律设计方法,解决姿态控制系统的非线性耦合与不确定性,保证飞行器控制系统稳定。首先,建立高超声速飞行器全通道非线性耦合的动力学模型。其次,利用反馈线性化控制方法将全通道非线性耦合系统解耦成近似线性系统,并对线性解耦系统设计输出反馈控制律;而对于反馈线性化控制依赖于系统的精确数学模型,并对建模误差和外部干扰敏感的问题,设计基于误差特征模型的自适应控制律,提高系统的适应性;针对原动力学模型,证明闭环控制系统是有界稳定的。最后,通过数学仿真校验了控制律设计的正确性与有效性,仿真结果表明设计的姿态控制系统可以很好地跟踪指令,具有较强的鲁棒稳定性。     

落角与视场约束制导控制一体化策略

针对考虑视场(FOV)约束和落角约束的高超声速飞行器高精度打击问题，提出一种基于自适应动态规划(ADP)的新型制导控制一体化(IGC)策略。首先设计一种融合视场角与落角约束的视场角指令，在视场角精确跟踪的同时实现精确命中并满足两种约束，从而将约束问题转化为跟踪问题；然后，借助干扰观测技术估计制导控制一体化模型中不确定性并引入到性能指标设计中，又同时将视场角约束与落角约束考虑进去，设计基于自适应动态规划的制导控制一体化方法。利用ADP的强化学习思想求解出最优控制策略，既保证高超声速飞行器的精准打击，又满足视场角约束与落角约束，而且兼顾了对不确定性的鲁棒性。仿真结果验证了本文所提方法的有效性与优势。     

一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题,设计了一种智能神经网络自适应复合控制方法,基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时,面向再入过程横侧通道的强耦合问题,引入了耦合控制系数,以降低横、侧通道间的控制干扰。此外,提出了一种自适应链式控制分配律,在控制信号中引入正交优化多正弦激励,基于递推最小二乘方法对气动参数进行在线辨识,进而实时更新链式分配策略。最后,对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验,验证了该方法的有效性和鲁棒性。