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。     

航天器姿态稳定强化学习鲁棒最优控制方法

针对外部干扰力矩作用下的刚体航天器姿态稳定最优控制问题,提出了一种在线强化学习的智能鲁棒控制方法。该方法基于自适应动态规划框架,设计单Critic神经网络在线地学习无干扰作用的航天器的最优姿态控制律,并设计一种新的自适应律在线估计Critic神经网络的权值,实现了近似最优的控制性能。在学习的近似最优控制律的基础上,嵌入鲁棒控制量,形成鲁棒智能控制器,并应用Lyapunov理论证明了闭环姿态控制系统是一致最终有界稳定的,且Critic神经网络的权值估计误差是收敛的。相比于采用Actor-Critic神经网络结构的自适应动态规划方法,该方法一方面削弱了对持续激励条件的依赖,另一方面降低了计算复杂度,并保证了姿态稳定控制性能对外部干扰具有较强的鲁棒性。     

折叠翼飞行器发射段鲁棒非线性控制系统设计

为解决折叠翼飞行器在发射段各项特性变化较大、对飞行控制律鲁棒性要求较高的问题,设计了一种以块控反步法为基础的自适应鲁棒非线性控制器.在发射段动态模型基础上,该控制器采用径向基函数( RBF)神经网络自适应逼近飞行器特性变化时的系统未知不确定性和干扰,通过在虚拟控制律中引入动态面控制技术避免多重微分运算,克服了传统反步法...     

超低空空投参数自适应反步控制

为解决超低空空投过程中重型货物舱内移动及出舱阶段给载机的姿态和高度稳定带来威胁这一问题,采用带有参数自适应的反步控制方法设计了飞机纵向控制器。将空投过程中模型的不确定性、强扰动以及控制输入增益转化为待估计参数矩阵,并采用参数自适应更新率对参数矩阵进行估计,结合外环PID高度控制器完成了整个飞控系统的设计。仿真结果验证了控制器的强鲁棒性。     

基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强．在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。     

考虑未知扰动的RLV再入鲁棒容错姿态控制

针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数（RBF）神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。     

无人机空中加油自主编队控制器设计

针对自主空中加油(AAR)任务中的飞行器编队形成问题,提出了一个完整的自主控制器方案。采用基于视线的编队制导律控制队形,产生制导指令。针对加油编队过程中产生的模型误差和尾涡扰动等不确定性,基于RBF神经网络和自适应Backstepping方法,设计了UAV姿态和速度非线性控制律来在线逼近和补偿不确定性,保证系统的鲁棒性和稳定性。使用协调转弯方式将航迹角指令转换为姿态指令,以实现控制律对航迹角指令的精确跟踪。最后,仿真结果验证了制导律和控制律的有效性。     

基于终端滑模的航天器自适应预设性能姿态跟踪控制

针对航天器姿态跟踪控制的快速性需求,提出一类自适应终端滑模有限时间控制方法,通过引入饱和函数解决了终端滑模控制器的奇异问题,并结合实际有限时间稳定概念显式地给出了系统状态收敛时间和收敛范围之间的对应关系;为在提高系统鲁棒性的同时避免控制器抖振,设计了一种新型自适应律估计并补偿未知环境干扰。进一步地,针对如遥感卫星对地扫描成像等姿态跟踪任务中存在的状态约束问题,通过在控制器中引入具有对数形式的预设性能项,使系统滑模面响应具有期望的动态过程,约束了航天器姿态跟踪误差及其一阶导数的变化范围。仿真结果表明,设计的控制器具有较高的控制精度和响应速度,满足实际任务对状态约束的需求,且其控制输出不存在奇异和抖振,具备良好的工程应用价值。     

使用变速控制力矩陀螺的航天器鲁棒自适应姿态跟踪控制

 研究以变速控制力矩陀螺群（VSCMGs）为执行机构的航天器姿态跟踪问题。采用四元数描述姿态, 在姿态误差的描述中引入了现时姿态与期望姿态之间的方向余弦矩阵。考虑执行机构模型参数不确定和有外干扰的情况, 姿态误差动力学方程为多输入多输出(MIMO)的非线性系统。基于Lyapunov理论设计了鲁棒自适应控制器, 运用光滑投影算法避免了估计参数陷入奇异。仿真结果表明, 设计的鲁棒自适应控制律明显地缩小了姿态跟踪误差, 很好地解决了外部环境干扰和执行机构由于安装误差或机械磨损造成的轴承方向未对准的问题。     

高效强力复合铣A轴的动力学建模与自适应滑模控制

A轴单元作为五轴数控机床的关键功能部件,其控制精度直接影响工件的加工精度和表面质量。针对系统参数摄动和不确定性切削负载对A轴伺服系统控制精度的影响,分析了A轴驱动系统的动静态性能,讨论了驱动扭矩、负载扭矩、运动方向和系统参数之间的相互关系,并建立了系统的非线性动力学模型。基于该动力学模型,设计了自适应模糊滑模控制器（AFSMC）,采用模糊系统对滑模控制律中的非线性函数项进行自适应逼近,并基于Lyapunov理论设计了模糊系统中可调参数的自适应律,同时,在滑模控制（SMC）的切换控制部分采用了指数趋近律。实验结果表明,所设计的AFSMC对不确定性负载扭矩和系统参数摄动具有较强的鲁棒性。与传统滑模控制（TSMC）相比,其在有效减小控制输入抖振的同时,使得跟踪控制精度提高了14.54%。     

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。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

挠性航天器的退步直接自适应姿态跟踪控制

针对参数不确定的挠性航天器姿态跟踪控制问题,提出了一种退步直接自适应控制算法。首先验证了挠性航天器动力学子系统的近似严格正实性,并设计了具有理想控制性能的参考模型;然后对以姿态四元数描述的运动学子系统设计常系数输出反馈中间控制律,使航天器姿态四元数输出渐近跟踪参考模型输出;最后退一步,对具有参数不确定特性的动力学子系统,基于非线性直接自适应控制理论和Lyapunov稳定性理论,设计了退步直接自适应姿态跟踪控制器,并证明了闭环系统的稳定性。仿真结果表明,所提控制方法能有效抑制挠性附件的振动,对挠性航天器的控制是有效的。     

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.     

考虑预设性能约束的运输机姿态容错控制

针对运输机舵面故障情况下的姿态容错控制问题,提出了一种考虑预设性能约束的自适应指令滤波增量反步(Adaptive Command-filtered Incremental Backstepping,ACFIBS)容错控制器。首先,构造运输机故障模型,在反步控制设计结构下,通过构造预设性能函数,保证外回路姿态角跟踪误差的动态性能。然后,考虑舵机偏转速率和幅值限制,引入受限指令滤波器和补偿信号,综合考虑气动参数不确定性,采用增量方法设计反步内环控制律。在此基础上,进一步考虑舵面故障情况,引入自适应方法及低通滤波器改进增量反步控制器。最后,通过理论推导和仿真试验验证了控制方法的有效性。仿真结果表明,所设计的控制器具有良好的容错性能,在不同舵面故障条件下均可实现对指令信号的预设性能跟踪,且在参数摄动情况下具有较强的鲁棒性。     

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。     

基于自适应反演滑模的末制导律设计

针对三维导弹-目标相对运动模型,结合反演控制、滑模控制和自适应技术,设计了一种新的自适应反演滑模末制导律。针对目标机动加速度上界难以获取的问题,将目标机动加速度视作模型的干扰,设计了一种自适应律对其进行在线估计,并将估计值补偿到制导律中。运用李亚普诺夫稳定性理论证明了系统的全局渐进稳定性和误差的收敛性。仿真结果证明了所设计的自适应反演滑模末制导律对机动目标的鲁棒性和有效性。     

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。