基于小脑模型关节控制器的无人机集群快速终端滑模容错控制

针对受执行器故障和外界干扰影响的集群无人机（UAV）协同编队控制问题，提出了一种自适应快速非奇异积分滑模（FNISM）容错控制（FTC）方法。为使集群无人机在执行任务时具有良好的协同跟踪性能，通过对无人机实际飞行情况的分析，考虑了无人机编队飞行时的执行器故障和尾涡扰动等对跟踪性能的不利影响。采用小脑模型关节控制器神经网络（CMANN）来估计并消除外部干扰的影响，同时运用CMANN逼近补偿执行器故障。研究表明：所提出的容错控制方案可以保证无人机编队闭环系统在故障情况下的最终一致有界稳定，并且可以通过减小滑模设计参数提高收敛速度，通过增大虚拟和实际控制器参数提高控制精度。4架无人机的集群编队在该方法、基于径向基神经网络（RBFNN）的鲁棒动态面容错控制、比例微分（PD）滑模容错控制3种方法下的对比仿真结果表明该方法在无人机集群编队出现故障时具有更优异的协同控制性能。     

高超声速飞行器全局有限时间姿态控制

针对飞行中气动参数剧烈变化的高超声速飞行器(Hypersonic Vehicle,HSV)的姿态控制问题,提出了一种基于非线性积分滑模的全局有限时间控制策略。首先,根据多时间尺度理论将HSV姿态控制系统分为慢回路子系统和快回路子系统;其次,对快慢回路分别设计非线性积分滑模全局有限时间控制器和非线性干扰观测器,以实现系统的全局有限时间稳定;利用干扰观测器对气动参数变化引起的模型不确定性进行精确估计,从而实现控制器的有效补偿,并基于Lyapunov理论证明了整个系统全局有限时间稳定。仿真结果表明,所提出的控制方法具有良好的控制性能和强鲁棒性。     

SE(3)上航天器姿轨耦合固定时间容错控制

针对相对运动航天器姿轨一体化控制问题,考虑执行器故障和控制输入饱和的影响,提出了一种基于滑模的模糊自适应固定时间容错控制方法。首先,在李群SE（3）的框架下建立并推导相对运动航天器姿轨一体化误差动力学模型;其次,引入执行器故障和控制输入饱和的问题,采用双幂次快速终端滑模面,并结合模糊自适应方法设计了固定时间稳定的容错控制器,可以实现执行器故障情况下相对运动航天器的高精度快速跟踪控制;然后,运用Lyapunov方法证明了系统的稳定性,该控制器不仅能不依赖于系统的初始状态实现滑模趋近和到达阶段的固定时间稳定性,而且由于采用模糊逼近方法结合自适应更新策略可以实时高精度地估计系统的总扰动信息,因此可以达到快速高精度的容错控制目标;最后,对所提出的的控制方法进行数值仿真分析,结果验证了该方法的有效性和可行性。     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

基座弹性的双柔杆空间机器人的神经网络动态面控制

针对基座弹性的双柔杆漂浮基空间机器人系统存在外部干扰时的轨迹跟踪及柔性抑振问题,推导了系统的动力学模型,应用奇异摄动理论,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统。对于慢变子系统,设计了一种基于动态面的神经网络控制器,通过动态面的应用避免反步法带来的计算膨胀问题;通过RBF神经网络逼近了含有外部干扰在内的动力学不确定项;针对快变子系统,采用线性二次型最优控制同时抑制弹性基座与双柔杆的振动。数值仿真验证了控制方法的有效性。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

飘浮基两杆柔性空间机械臂的振动分析与振动抑制

对载体位置无控、姿态受控的飘浮基两杆柔性空间机械臂操作过程中的振动进行了分析,并提出了对振动进行有效抑制的方法。首先利用拉格朗日方程并结合系统总质心定义,得到系统的动力学方程。然后对该系统操作过程中的振动进行了分析。接着利用奇异摄动法,将两杆柔性空间机械臂系统分解为一个关于载体姿态、杆件关节轨迹跟踪的慢变子系统和一个描述柔性臂变形的快变子系统。以此为基础,提出了一个由慢变控制项和一个快变控制项组成的复合控制器,使得机械臂在操作过程中跟踪上载体姿态和关节期望轨迹的同时柔性臂的振动得到了有效的抑制。该控制方案的显著优点为不需要测量反馈载体的位置、移动速度、移动加速度。     

一类非线性系统的反演变结构控制及应用

针对一类非线性系统 ,将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络( CMAC)估计系统中的不确定函数 ,利用 CMAC神经网络和多面滑模技术估计出变换后系统的状态 ,最后利用变结构控制技术设计出控制器 ,特点是无需已知不确定性函数及其各阶导数的上界 ,与经典设计方法相比 ,所提出的方案允许非参数化不确定性。最后将此方法应用于空空弹控制系统的设计中 ,仿真结果表明了该方法的有效性     

漂浮基柔性两杆空间机械臂的全局鲁棒Terminal滑模控制

讨论了载体位置、姿态均不受控并具有有界外部扰动的飘浮基柔性两杆空间机械臂振动不主动抑制的全局鲁棒Terminal滑模控制。首先选择合理的联体坐标系,利用拉格朗日方程并结合动量守恒原理得到系统的动力学方程。根据Terminal滑模控制技术,给出了系统的Terminal滑模面,进而提出了系统的Terminal滑模运动控制算法。然后分析了该Terminal滑模控制器控制下系统中的两柔性杆的振动,并对两柔性杆的振动进行了数值仿真。该Terminal滑模控制律消除了惯常滑模控制的到达阶段,从而具有全局鲁棒性与稳定性;同时还保证了输出误差在任意指定有限时间内收敛到零。系统的数值仿真表明该Terminal滑模控制器能够使机械臂关节轨迹快速而稳定地追踪上期望运动轨迹,而系统中两柔性杆件始终存在比较大的柔性振动。该控制方案的显著优点为不需要测量、反馈载体的位置、移动速度、移动加速度,减少了系统的设计、制造、发射、维护费用,提高了系统的可靠性。     

空空导弹自动驾驶仪的反演变结构设计法

首先,将空空导弹的数学模型处理成为具有非匹配不确定性标准的反演设计问题,再将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络（ＣＭＡＣ）估计系统中的不确定函数,利用ＣＭＡＣ神经网络和多面滑模技术估计出变换后系统的状态,最后,利用变结构控制技术设计出空空弹控制系统的控制器,给出的仿真结果显示了本文方法的有效性。     

基于RBF网络的航空发动机 terminal滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,结合滑模控制和神经网络控制的优点,提出了一种基于径向基函数(radical basis function,简称RBF)网络的航空发动机terminal滑模控制方法.分析了传统指数趋近律的不足,提出了一种改进的指数趋近律来削弱抖振.该控制器采用terminal滑模面,并且利用径向基函数神经网络在线实时补偿未知干扰和不确定项的影响.仿真结果表明,所设计的控制器取得了令人满意的控制效果,能有效地抑制干扰和参数不确定性的影响,削弱了抖振.      

基于风扰观测的四旋翼无人机双幂次滑模控制

针对四旋翼无人机在风扰下实现轨迹的准确跟踪问题,提出了一种基于扩张观测器的双幂次滑模趋近律控制器(ESO-DSMC)。首先,建立了带有内部扰动的动力学模型,同时将风切变模型和Dryden紊流模型叠加,并作为风扰因子导入动力学模型;其次,引入扩张观测器对总扰动进行实时估计与补偿,并结合抖振较小、响应速度快的双幂次滑模趋近律设计了姿态控制器。通过闭环稳定性分析,ESO-DSMC在全局固定时间内收敛。仿真结果表明,ESO-DSMC与SMC相比,在风扰下对位置的优化率达到约90%,实现了对矩形及螺旋轨迹的准确跟踪,提高了系统抗干扰能力和鲁棒性。     

基于时标分解的弹性高超声速飞行器智能控制

考虑弹性高超声速飞行器纵向动力学模型，提出了一种基于时标分解的智能控制方法。考虑刚体状态和弹性模态具有不同的时标特性，采用奇异摄动理论进行快慢时标分解，将模型转换为刚体慢变子系统和弹性快变子系统。针对刚体子系统考虑动力学不确定，基于平行估计模型构造表征不确定逼近效果的预测误差，结合跟踪误差给出复合学习控制策略。针对弹性子系统设计自适应滑模控制稳定弹性模态。通过李雅普诺夫稳定性分析可证系统状态一致终值有界。仿真表明所提出的控制方法能够实现刚弹模态的稳定收敛，且具有更高的跟踪精度、更好的学习性能和更快的收敛速度。     

基于RBF神经网络的空间飞网机器人控制策略设计与改进

针对空间飞网机器人清理空间碎片的任务,利用RBF神经网络和滑模控制理论研究了输入受限情况下的稳定控制问题。首先基于图论和质量集中法建立了空间飞网机器人系统的动力学模型,并进行了动特性分析。接着考虑机动单元质量和干扰上界未知的情况,基于RBF神经网络方法设计了直接滑模控制器,可保证输入不受限下空间飞网机器人系统快速稳定。然后考虑执行机构物理约束,引入辅助系统,改进了基于RBF神经网络的直接滑模控制方法,证明了输入受限时系统的稳定性。最后通过数值仿真验证了所设计控制策略的有效性。     

基于滑模干扰观测器的高超声速飞行器滑模控制

首先,针对存在外部干扰和输入饱和的通用式高超声速飞行器的纵向动态模型,提出一种基于滑模干扰观测器的抗饱和滑模控制器。该滑模控制器采用非线性趋近律,在保证系统快速、稳定跟踪指令的同时,能够消除传统滑模控制中的抖振现象,并针对执行器饱和问题,加入抗饱和补偿器,以提高系统的稳定性。其次,对于系统中存在的干扰和不确定性,提出一种滑模干扰观测器,用以准确估计系统中存在的等效干扰,并将该观测器对干扰的估计值应用于滑模控制器中进行补偿,以消除干扰。再次,利用Lyapunov理论对所提出的基于滑模干扰观测器的抗饱和滑模控制器进行稳定性分析。最后,对高超声速飞行器的巡航状态进行仿真。仿真结果表明,所提方法能够有效提高系统的稳定性和抗干扰性,具有一定的实际应用价值。     

航天器自适应快速非奇异终端滑模容错控制

针对存在外部干扰、转动惯量矩阵不确定、控制器饱和以及执行器故障的航天器姿态跟踪控制问题,提出了基于自适应快速非奇异终端滑模的有限时间收敛控制方案。通过引入能够避免奇异点的具有有限时间收敛特性的快速非奇异终端滑模面,设计了满足多约束的有限时间姿态跟踪容错控制器,并利用参数自适应方法使控制器设计不依赖于系统惯量信息和外部干扰的上界。此外,所设计的控制器显式考虑了执行器输出力矩的饱和幅值特性,使航天器在饱和幅值的限制下完成姿态跟踪控制任务,并且无须进行在线故障估计。Lyapunov稳定性分析表明：在外部干扰、转动惯量矩阵不确定、控制器饱和以及执行器故障等约束条件下,所设计的控制器能够保证闭环系统的快速收敛性,而且对控制器饱和与执行器故障具有良好的容错性能。数值仿真校验了该控制器在姿态跟踪控制中的优良性能。     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

面向非沿轨迹成像的切比雪夫神经网络滑模姿态控制

针对地面兴趣点不沿星下点轨迹的动态非沿轨迹成像问题,设计了一种基于切比雪夫神经网络(CNN)的非奇异快速终端滑模控制器。首先,研究了非沿轨迹成像模式的姿态调整方法,并推导了相应的期望姿态角和姿态角速度。其次,基于由误差四元数描述的跟踪运动学模型设计了非奇异快速终端滑模(NFTSM)控制器。为提高控制精度,引入了只需要期望信号的CNN来估计系统总扰动,从而有效削弱了滑模系统的固有抖振。为保证神经网络的输出有界,引入一个开关函数以实现自适应神经网络(ANN)与鲁棒控制之间的切换控制。最后,对具有干扰和参数不确定的姿态控制系统进行了数值仿真,结果表明该方法收敛速度快,控制精度高,具有一定的工程实际意义。     

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。