基于反演控制的鲁棒非线性导弹自动驾驶仪设计

首先将导弹控制模型化成级联的结构。然后应用反演控制及鲁棒控制技术提出了一种新的非线性导弹自动驾驶仪控制算法，并应用Lyapunov稳定性理论证明了系统是全局指数稳定的，最后进行了数字仿真，结果表明该算法的有效性。     

一类不确定非线性系统的鲁棒自适应设计

讨论了一类含有广义不确定性的非线性系统的自适应跟踪问题。通过引入一种新颖的鲁棒函数,有效地抑制了系统不确定性对系统的影响,并利用反演设计技术设计了控制器,避免了系统控制矩阵未知时控制器可能出现的奇异问题,证明了系统的状态跟踪误差和参数误差指数收敛于原点的一个邻域。     

控制系统的神经网络鲁棒设计方法

拓展了基于一个给定的模型考虑系统的摄动问题的这种传统的鲁棒控制设计方法,给定多个模型,设计多个鲁棒控制器,将有更大的容许摄动范围,针对多个不同控制器用传统方法很难同时实现的状况,用具有定性和定量多模态控制能力的神经网络同时实现了多个传统控制器的功能,方法简单,实现容易。将该方法用于飞机增稳系统的控制设计,仿真结果证明控制效果良好。     

导弹自动驾驶仪微机自适应控制系统设计

研究了战术导弹自动驾驶仪的微计算机系统设计问题，讨论自动驾驶仪采用衰减记忆最小二乘法直接辨识弹体的时变参数，应用最小方差着适应控制方法计算出反馈控制量，实现闭环自适应控制。文中根据地空导弹自导弹自动驾驶仪以微机系统的功能要求，论证了微机系统总休性能参数的选择，设计出Ｚ－８０００ＣＰＵ为核心的微机系统，推导出一套适合微机定点运算的算法算式，并在此基础上，编制了微机系统的应用软件。计算结果表明，用微处     

非线性系统鲁棒自适应设计与计算机仿真

首先,针对BTT导弹的非线性模型,给出了其适合用backstepping没计方法的控制模型.充分利用系统的结构特点,结合backstepping没计方法、鲁棒控制和自适应控制方法,提出了一种鲁棒自适应控制器的设计方法.设计过程中将不确定性对系统的影响合成为一项,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求.最后给出的仿真结果显示该法的有效性.     

基于鲁棒变结构控制方法的非线性导弹自动驾驶仪设计

对一类非线性不确定导弹控制系统,采用自适应方法进行了基于滑模理论的变结构控制器设计。该方案使得采用反演手段产生的微分爆炸问题得到较好的回避,同时构造自适应律,消除了不确定性对系统的影响,最后通过构造Lyapunov函数方法,确保了系统的鲁棒稳定性。文末仿真结果表明了该方案的有效性。     

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。     

利用神经网络的敏捷防空导弹的自适应非线性控制

研究表明在不确定非线性系统条件下神经网络可被用来改善近似动态逆控制器。在某个可能的结构中，神经网络可通过在线学习自适应地去除线性化过程中的误差。学习过程可由一个从李亚普诺夫理论推导而来的加权修正规则完成，而且保证了闭环系统的稳定性。在本文中，作者讨论了这种方法的演变过程以及在敏捷防空导弹倾斜拐弯自动驾驶仪上面的直接应用。首先，介绍了一个基于运载器动力学的近似逆向过程的一个控制方案。随后，这个非线性控制系统通过添加一个具有在线学习功能的前馈神经网络得到性能的增强。最后，以一个非线性仿真的形式呈现最终的控制规律，它的性能则与一个传统的增益调整线性自动驾驶仪相比较后来进行评估。     

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。     

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。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

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。     

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...     

基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，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。结果表明，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。     

非线性不确定系统的鲁棒自适应控制方法研究及稳定性分析

针对一类存在外界干扰和未建模动态的非线性不定系统,特别是含线性定常的参数不确定性及状态关联的非线性不确定性系统,应用直接自适应控制方法,设计了基于李雅普诺夫稳定性理论的鲁棒自适应控制律和修正律;应用李雅普诺夫稳定判据,对系统的稳定性进行了分析,证明所设计的控制律和修正律具有较强的鲁棒稳定性。     

BTT导弹的大系统变结构控制方法

将BTT导弹控制系统表示成具有非匹配不确定性大系统的形式，利用反演设计方法处理系统中的非匹配不确定性．用变结构控制方法来改善系统的性能，然后，利用Lyapunov稳定性定理证明了闭环系统的信号最终一致有界且系统的状态指数收敛于滑模超平面。最后．仿真验证了所提出方法的正确性和有效性。