一种使用RBF网络的自适应滑模控制器

针对实际系统易受未知非线性、外界干扰和参数摄动等不确定因素影响的问题,以高精度模拟转台为例,采用一种基于RBF(Radial Basis Function)网络的自适应滑模控制器.控制器由名义反馈控制器和滑模干扰补偿器两个子系统组成.反馈控制器通过极点配置的方法实现,用来稳定名义系统.干扰补偿器使用一个自适应RBF网络在线辨识不确定性的上界值.计算机仿真结果表明了该法的鲁棒性和有效性.     

电液飞行转台的分数阶积分滑模非线性控制

电液飞行转台是飞控系统半实物仿真测试的关键设备,它是在实验室条件下复现飞行器运动姿态的高精尖试验设备,具有重大经济价值和国防战略意义.为提高该设备的动态跟踪精度,提出一种基于分数阶积分滑模的非线性鲁棒控制策略.在积分滑模控制器中引入分数阶算子,能更有效地提升系统瞬态响应,并能提供更多的控制自由度.同时基于 Lyapunov 分析方法证明了该控制器在存在参数不确定、强外干扰力矩和未知非线性摩擦特性等情况下仍能保证系统的全局渐近稳定性.以某型电液飞行转台外框阀控马达为例,针对多种运动工况进行仿真分析,结果表明该方法能有效提高系统的瞬态性能和鲁棒能力.     

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.      

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

基于分数阶滑模的航天器姿态鲁棒控制

针对存在外部扰动及转动惯量不确定性的高精度高稳定度的航天器姿态控制问题,提出了一种具有强鲁棒性的分数阶滑模控制器。首先,在修正罗德里格参数描述的航天器数学模型基础上,导出了便于分数阶滑模控制器设计的等效数学模型。其次,在传统滑模控制的滑模面与控制律中均引入分数阶微分算子,利用分数阶微分算子的快速收敛性与信息记忆性,设计了分数阶滑模控制器,并使用Lyapunov理论与分数阶稳定性理论证明了整个系统的稳定性。最后,仿真试验表明,分数阶滑模控制器具有高精度、强鲁棒性和良好的抗干扰性。     

基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能. RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制#br#

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能.RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

电动静液作动器的非线性变阻尼积分滑模控制

对于电动静液作动器(EHA),传统滑模控制器存在加速度信息难以获取,参数不易整定和控制信号抖振等问题,从而造成控制器很难应用于实际。针对以上问题,利用奇异摄动理论对EHA数学模型进行合理的降阶,从而使控制器设计避免了使用加速度信息。在此基础上,利用降阶模型设计了一种新型非线性变阻尼积分滑模控制器(NSMC),该控制器可根据位置控制误差实现系统阻尼比由欠阻尼到过阻尼的自适应调节,能有效提高位置阶跃调节性能。设计了一种基于滤波器的不确定项估计器对EHA中存在的参数不确定性和外部扰动进行实时估计并补偿。滑模面积分项的引入和不确定项估计器的使用,一方面使控制器中无需使用切换函数,实现了EHA的无抖振滑模控制,另一方面使系统整个动态过程完全表现为滑动模态,从而可根据EHA控制指标直接整定滑模面参数,大大简化了参数整定过程。同时利用Lyapunov稳定性理论对整个闭环系统和滑模面的稳定性进行了详细分析。分别与PI控制器、传统滑模控制器(SMC)和传统变阻尼滑模控制器(DVSMC)进行了详细的仿真分析比较,仿真结果表明NSMC能有效提高EHA位置跟踪性能和增强对参数不确定性和外部扰动的鲁棒性。     

使用动量交换装置的滑模姿态控制

研究一种基于修正罗德里戈参数的考虑执行机构特性的飞行器滑模控制律.建立结合双框架控制力矩陀螺的飞行器姿态动力学模型和基于修正罗德里戈参数的姿态运动学模型;分析模型不确定性以判断其对滑模控制方法的适用性,提出滑动面进而设计相应的滑模控制器,接着结合线性系统理论和李雅普诺夫稳定原理对控制器的参数确定进行了分析;使用蒙特卡罗法数值仿真验证此控制律的效果.结果证明上述控制器可有效完成姿控任务,且控制精确,鲁棒性良好.     

一类不确定分数阶混沌系统的滑模自适应同步

基于滑模自适应控制理论、Lyapunov稳定性理论和分数阶线性系统稳定性理论,在考虑系统存在模型不确定和外部扰动的情况下,选用一种具有较强鲁棒性的分数阶滑模曲面,设计了合适的自适应滑模控制器。所设计的控制器能够将系统状态控制到滑模面上,实现两个不确定分数阶混沌系统的同步,且不需事先知道不确定项上界。该控制器结构简单,控制代价小,具有较好的通用性,对未知扰动具有较强的鲁棒性。数值仿真验证了该方法的正确性和有效性。     

Space-based line-of-sight tracking control of GEO target using nonsingular terminal sliding mode

This paper addresses the issue of high-precision line-of-sight (LOS) tracking of geosynchronous earth orbit target in highly dynamic conditions via spacecraft attitude maneuver. First, characteristics of the LOS motion are analyzed by a simplified linear relative motion model. Second, after transforming the quaternion-based attitude model into a double integrator system, a new nonsingular terminal sliding mode controller is proposed for spacecraft attitude tracking in a nominal case without parametric uncertainties and external disturbances. Third, an adaptive new nonsingular terminal mode controller is proposed for spacecraft attitude tracking in an uncertain case, which is done via constructing a pair of adaptive laws to estimate the parametric uncertainties and external disturbances online. The robust stability and finite time convergence property of the closed-loop system are demonstrated by Lyapunov theorem. Under control of the proposed controller, zero steady state error tracking of LOS with a smooth transition phase can be achieved in scheduled time, regardless of parametric uncertainties and external disturbances online. Finally, detailed numerical simulation results are presented to illustrate the effectiveness and performance of the proposed controllers. Contrasting simulation results shows that proposed controllers can track the desired trajectories effectively and have better performance against the controllers based on linear sliding mode and the existing fast nonsingular terminal sliding mode.     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。     

Adaptive fuzzy neural network control for a space manipulator in the presence of output constraints and input nonlinearities

Space manipulator is considered as one of the most promising technologies for future space activities owing to its important role in various on-orbit serving missions. In this paper, a novel adaptive fuzzy neural network (FNN) control scheme is proposed for the trajectory tracking control of an attitude-controlled free-flying space manipulator in the presence of output constraints and input nonlinearities. The parametric uncertainties and external disturbances are also taken into the consideration. First, a model-based controller is designed by using the barrier Lyapunov function (BLF) to prevent the position tracking errors from violating the predefined output constraints. Then, an adaptive FNN controller is designed by using two FNNs to compensate for the lumped uncertainties and input nonlinearities, respectively. Rigorous theoretical analysis for the semiglobal uniform ultimate boundedness of the whole closed-loop system is provided. The proposed adaptive FNN controller can guarantee the position and velocity tracking errors converge to the small neighborhoods about zero, while ensuring the position tracking errors within the output constraints even in the presence of input nonlinearities. To the best of the authors’ knowledge, there are relatively few existing controllers can achieve such excellent control performance in the same conditions. Numerical simulations illustrate the effectiveness and superiority of the proposed control scheme.     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

高超声速飞行器迎角观测器及控制器设计

针对高超声速飞行器非线性动力学系统中所特有的输出非线性、状态向量强耦合等特性,综合考虑了飞行中的不确定性、具有复杂非线性输出、状态向量不完全可测量等因素,提出一种基于Lyapunov法的滑模观测器和控制器设计方法,用于解决高超声速飞行器迎角观测器不能精确测量的问题.首先在观测器设计过程中,利用过载输出滑模面构造了Lyapunov函数,确定出观测器收敛的条件,并基于线性化理论求出观测器增益矩阵.然后在控制器设计过程中,采用基于动态面的自适应反演方法设计出控制律,用多层神经网络调节函数逼近系统中的高频未建模动态,设计鲁棒项函数解决了逼近误差的影响问题,并进行了稳定性分析和仿真验证.