基于故障观测器的无人机直接自修复控制

提出一种基于故障观测器的无人机直接自修复控制。首先,根据系统本身存在的故障,设计了一个非线性故障观测器对其进行观测。其次,设计了一个快速终端滑模面和直接自修复控制器,将指数函数和符号函数引入到新型滑模面里。同时引入了自适应技术,对不确定的故障估计其上界。最后,通过对无人机进行了相应的仿真数值验证得出所提方法的有效性。     

基于高增益观测器的四旋翼无人机轨迹跟踪控制

为了实现四旋翼无人机对给定姿态的快速跟踪,基于Terminal滑模控制方法设计了一种四旋翼无人机的姿态控制器,在设计滑模面时引入非线性函数来保证跟踪误差在有限时间内收敛。考虑在线速度未知的情况下,通过设计高增益观测器来对无人机速度进行观测,并利用所观测的信号设计位置控制器。最后利用Lyapunov理论证明了系统的稳定性。仿真结果表明,四旋翼无人机在线速度不可测的情况下,仍可进行轨迹跟踪控制。     

基于滑模观测器的飞翼无人机输出反馈控制

飞翼无人机因其特殊气动布局而具有机动能力强、隐身性能好等优势,但特殊布局和复杂飞行环境也给控制系统设计带来通道耦合及多源干扰影响问题,飞翼无人机抗扰控制已成为制约其发展的关键问题。本文研究了多源干扰影响下的飞翼无人机纵向指令跟踪控制问题。首先,将高度和速度跟踪控制问题转化为跟踪误差的镇定问题;其次,将高度和速度通道之间的耦合及多源干扰影响视作集总干扰,然后引入高阶滑模观测器（HSMO）技术估计跟踪误差的动态和集总干扰;最后,基于高阶滑模观测器的估计信息构造了复合非线性动态逆输出反馈控制器。仿真结果表明,本文所提方案显著提升了飞翼无人机指令跟踪精度和抗干扰性能。本文研究将促进飞翼无人机抗干扰能力的提升,从而促进飞翼无人机技术的进步。     

基于非线性抗扰滑模控制的永磁同步电机直接转矩控制

针对永磁同步电机(PMSM)内部参数不确定和外部干扰未知的问题,提出了一种基于非线性光滑扩张状态观测器(ESO)的非线性控制方法。通过引入非线性光滑函数设计了ESO,实现了对PMSM内部和外部不确定因素的观测,并把观测结果实时补偿给非线性控制器,有效提高了电机的动静态性能和抗扰能力。采用基于非线性光滑函数的滑模控制器替代传统直接转矩控制中的滞环控制器,有效地削弱了转矩和磁链的抖振和脉动。仿真结果表明所提方法响应速度快、稳定性好、抗扰能力强,是一种鲁棒性强的控制方法。     

基于滑模观测器位置检测的水下推进器直接转矩控制研究

水下推进器是水下航行器的重要组成部分,为提高其转矩响应性能,提出了一种基于滑模观测器位置检测的水下推进器直接转矩控制方法。该方法将一种双曲正切函数引入线反电动势(EMF)滑模观测器,并将该滑模观测器应用于水下推进器直接转矩控制系统中,使得驱动控制系统通过水下推进器线反电动势观测值进行扇区判别与转矩估计,从而获得6个离散的换相信号,实现无位置检测的水下推进器直接转矩控制。仿真试验表明:所提控制方法能够很好地观测线反电动势,提高转矩动态响应,减小系统抖振幅度。     

基于鲁棒故障观测器的非线性离散系统容错控制设计

针对存在执行器故障以及未知干扰的非线性离散系统,提出了一种鲁棒故障估计与容错控制方法。首先在未知系统干扰作用下,设计鲁棒故障观测器实现系统状态和执行器故障的同步估计;然后根据鲁棒故障观测器得到的系统状态估计和故障估计信息设计容错控制器,进行状态反馈容错控制,同时基于D稳定与H_∞控制理论对鲁棒故障观测器和容错控制器进行设计,实现了多约束条件下的故障估计与容错控制;最后用飞行控制系统模型验证了所提方法的有效性。     

扩张状态观测器在无人机纵向飞行控制中的应用

针对在设计无人机控制律时存在未建模动态和不确定扰动的特点,将未建模动态和不确定扰动视为综合扰动,引入扩张状态观测器对综合扰动项进行估计并补偿,设计出不依赖对象模型的改进PID控制器.仿真结果表明,该控制器在控制量品质、动态性能、稳态精度等方面都优于常规PID控制器.     

基于观测器的传感器故障检测方法对比分析

针对航空发动机传感器故障检测方法的适用范围缺乏量化数据问题，提出以故障检测性能指标为依据，对基于卡尔曼 滤波器和基于自适应滑模观测器的故障检测方法适用性进行对比分析。分别设计了基于卡尔曼滤波器的残差生成和自适应滑模观 测器的故障估计检测方法，根据故障检测策略实现故障检测；以蒙特卡罗法生成随机故障，对比分析在故障和干扰同时存在的情况 下2 种方法的故障检测效果和适用范围；基于DGEN 380 发动机进行仿真，仿真结果表明：基于卡尔曼滤波器的故障检测方法对高 斯噪声的处理能力较强，但故障检测率不足50%，尤其是针对软故障效果较差；而基于滑模观测器的故障检测方法在不考虑测量噪 声的情况下，针对软硬故障检测的效果均较好，但处理传感器测量噪声的能力较差。     

基于灰关联层次分析法的无人机自修复控制策略评价

结合层次分析法(AHP)和灰关联度分析(GRA)法的优点,提出了一种灰关联层次分析(GRAH)综合评价方法,用于对无人机自修复控制策略进行评价。划分了无人机自修复控制策略的自修复等级,并与综合评价值统一起来,解决了不同自修复策略的修复效果评价标准问题;建立了自修复策略的评价指标体系,并给出了各指标的定义和计算公式;为了降低算法的复杂性,把一致性检验问题转化为一般的统计假设检验问题;构造了多专家判断矩阵和灰关联度矩阵,并给出了完整的GRAH评价模型。仿真结果表明,本文提出的GRAH综合评价法具有满意的准确性和可靠性。     

基于扰动观测器的无人机固定时间编队协同控制

针对无人机的编队控制问题,基于虚拟领航者编队方法,提出了 1种基于固定时间超螺旋干扰观测器的反步控制策略。首先,设计了 1种固定时间超螺旋扰动观测器,以保证在固定时间内,对无人机编队机动所受扰动的快速观测;其次,针对编队控制问题,设计了基于超螺旋扰动观测器的反步控制策略,该控制器显著降低了抖振效应;然后,使用李雅普诺夫理论和固定时间理论,分析了控制策略的固定时间稳定性;最后,通过仿真算例验证了所提出的控制策略的有效性与可行性。     

基于自抗扰的无人机俯仰姿态控制

针对无人机俯仰姿态控制回路在模型参数和复杂外界环境等不确定性干扰影响下鲁棒性差、系统响应速度慢的问题,采用工程上易实现的自抗扰控制(ADRC)方法设计了俯仰姿态控制器,通过构造线性扩张状态观测器(LESO)估计不确定性干扰,并在控制回路中对干扰进行实时补偿.性能分析与仿真结果表明,基于ADRC的无人机俯仰姿态控制器具有良好的性能和干扰抑制能力,并且能够实现对控制指令的精确跟踪.     

基于虚拟仪器的无人机故障诊断系统设计

介绍了一种基于虚拟仪器的无人机故障诊断系统,给出了系统的硬件及软件组成,并就故障诊断的原理及软件实现方法做了介绍。该系统可方便实现对无人机现场故障的检测和诊断,具有良好的使用性能和价值。     

基于二阶鲁棒滑模观测器的民用涡扇发动机气路故障诊断

针对状态估计器在航空发动机气路参数估计中响应迟缓、鲁棒性不强等问题,以未知输入重构的思路,提出了一种基于Super-twisting滑模观测器的航空发动机气路故障诊断方法。通过将健康参数考虑为未知输入,设计滑模切换项重构健康参数的变化量,由于避免了状态估计器设计中健康参数导数为零的假设,本文的方法在处理突变故障时拥有更快的响应速度。针对鲁棒性问题,提出了一种新的故障向量增广形式,通过将扰动项增广至健康参数向量中,观测器的重构信号能够同时估计出健康参数变化量以及扰动项的大小,实现扰动与部件故障的解耦,从而避免了不确定项对健康参数估计结果的影响。本文建立了民用涡扇发动机包线范围内的线性变参数模型,通过不同故障模式下的数值仿真,并与状态估计器比较,验证了方法的有效性。结果表明,设计的滑模观测器具有小于0.5%的估计误差,有效地提高了气路健康参数的估计速度,增强了对不确定性的鲁棒性。     

基于滤波器方法的非线性系统故障诊断准确率的机理分析

提高诊断准确率是非线性系统故障诊断的重要目标之一。从非线性滤波的角度,系统地分析了线性化误差和模型误差对诊断准确率的影响。首先揭示了线性化误差及模型误差两因素对非线性滤波性能的影响机理,接着通过计算非线性系统故障的后验条件熵,以及错误率的Bhattacharyya上界,从机理上证实提高非线性滤波精度对于提高故障诊断准确率的意义。     

基于Stateflow的 无人机多模态控制转换逻辑设计

针对基于Simulink建立的无人机飞行管理系统存在逻辑复杂、全飞行状态航迹仿真建模繁琐等缺点,文章利用有限状态机建立无人机全状态、多种导航控制模态下的控制和逻辑切换流程,并结合飞行管理系统、飞行控制系统和无人机运动学模型建立无人机全状态仿真系统,通过仿真对飞行工作模式的切换效果进行了验证。     

无人机飞行控制与管理系统动态仿真测试技术研究

无人机飞行控制与管理系统担负着飞行控制、飞行管理、任务设备管理和火力控制等重要使命,在无人机系统研制中至关重要。根据对无人机飞行控制与管理系统组成与功能分析,介绍了基于仿真测试仪的控制与管理计算机动态仿真与测试方法,重点阐述了故障注入与测试方法;进而提出了飞行控制与管理系统动态仿真测试环境的构建原则和动态测试方法,最后指出了无人机飞行控制与管理系统动态仿真测试的后续发展趋势。     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题,提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队,并且能够跟踪上期望的运动轨迹。在领导-跟随结构中,编队的期望运动轨迹由一个动态的虚拟领导者来表示,仅部分跟随者先验已知虚拟领导者信息,并且所有跟随者之间只能局部交互信息。首先,采用分布式状态观测器,使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后,利用该观测器的估计状态,提出了基于滑模的协同编队控制算法。最后,基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。