四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

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.      

基于干扰补偿的导弹增量式动态逆容错控制方法

针对导弹飞控系统存在外部干扰、执行机构故障等问题,运用一种鲁棒增量式动态逆被动容错控制方法,以避免主动故障诊断带来的计算效率问题,同时实现飞行姿态的可靠安全控制。针对外部干扰及执行机构故障等控制系统不确定性,建立导弹三通道姿态控制模型,基于干扰观测器对不确定性进行估计与补偿设计终端滑模控制律。为进一步增强导弹姿态控制系统的鲁棒性,给出导弹增量式动态逆容错控制律,结合终端滑模控制设计干扰补偿的增量式动态逆终端滑模控制律,并对系统残差进行分析比较。某典型全弹道姿态跟踪任务仿真表明,该方法在故障未知的情况下仍然保持姿态跟踪特性与容错能力,实现导弹姿态鲁棒精准快速控制。     

基于迁移学习的四旋翼无人机性能驱动的故障检测

致力于解决四旋翼无人机的故障检测问题.考虑到无人机模型是一个非线性强耦合的模型,提出一种基于神经网络的性能驱动故障检测方法.然而,当无人机进入新的重力场时,已建立的故障检测系统无法适用.为了解决这个问题,进一步提出一种基于迁移学习的故障检测方法.通过子空间迁移方法和布雷格曼散度度量方式,将源域与目标域对齐,并实现了神经网络的参数迁移以及阈值设定.在四旋翼无人机系统中验证了本文所提出的方法的有效性.     

基于ADRC姿态解耦的四旋翼飞行器鲁棒轨迹跟踪

针对欠驱动四旋翼飞行器的控制特性,提出一种基于自抗扰控制(ADRC)的姿态解耦控制算法,该算法可以克服传统欠驱动四旋翼控制方法中存在的问题,如系统状态间耦合严重,抗干扰能力弱及系统建模误差对跟踪性能影响较大等弱点.该算法利用扩张状态观测器(ESO)实现状态间耦合项的跟踪和估计,同时ESO也可实现对系统干扰的估计,干扰包括系统内扰和外扰.利用动态反馈线性化将非线性MIMO系统转化成线性SISO系统,然后利用非线性反馈控制律实现四旋翼姿态系统的高品质控制,在上述姿态解耦控制的基础上研究飞行器的鲁棒轨迹跟踪问题,不同情况下的仿真结果验证了上述姿态控制算法可提高系统轨迹跟踪的鲁棒性.该算法不依赖于精确的系统模型,降低了实际应用的难度,并有很强的抗干扰能力,具有实际应用的价值.      

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。     

基于终端滑模控制的四旋翼无人机编队控制

本文以四旋翼无人机为研究对象,基于终端滑模控制技术,实现了四旋翼无人机系统的编队飞行控制。在构建四旋翼无人机数学模型的基础上,为每架四旋翼无人机设计了广义误差状态,基于广义误差状态提出编队控制目标。为实现编队控制目标,设计了基于终端滑模控制的编队控制器,最终所有四旋翼无人机的广义误差状态收敛到零时即实现期望的编队队形,进一步结合有限时间稳定性理论给出了上述编队控制器有限时间稳定性证明。最后用一个仿真实例验证了所提出算法的有效性,并将本文提出的控制器与基于线性滑模控制的控制器进行对比,实验证明所提出的控制算法具有更好的编队控制效果。     

基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

基于扰动观测器的指数时变滑模再入姿态控制

针对再入飞行器姿态控制问题,设计了一种全局鲁棒的基于扰动观测器的指数时变滑模姿态控制器,使得在存在匹配模型参数不确定性和外部扰动情况下仍能够实现精确的姿态控制。首先对飞行器模型进行反馈线性化解耦,将俯仰、滚转、偏航通道分解为3个独立的二阶系统。然后以俯仰通道为例,设计指数时变滑模控制器,使得系统具有全局鲁棒性。进一步,为了减小采用饱和函数消除滑模控制抖振而带来的系统跟踪误差,引入扰动观测器,设计了一种基于扰动观测器的指数时变滑模控制系统。最后,以某飞行器为例建立六自由度仿真模型,在考虑大气密度、转动惯量偏差以及外部高频扰动的情况下,验证了加入扰动观测器后对系统性能的提高。     

基于嵌套饱和的四旋翼无人机吊挂负载控制器设计

针对四旋翼无人机吊挂负载系统飞行中的摆角抑制问题,考虑过快位置机动容易引起吊挂大幅度摆动,提出了一种基于嵌套饱和的四旋翼无人机吊挂负载控制器。首先,利用扩张状态观测器估计干扰,设计具有强抗扰能力的垂直位置控制器;其次,基于简化模型通过构建李雅普诺夫函数,设计控制摆角收敛的抑摆控制器;最后,基于一种嵌套饱和控制方法,设计了限制机动速度的水平位置控制器。与已有控制方法的仿真对比表明,该控制器不但能保证四旋翼无人机吊挂负载系统稳定飞行,还能在大幅度位置机动指令下有效减小最大摆幅。     

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

改进型自抗扰四旋翼无人机控制系统设计与实现

针对提高四旋翼无人机姿态控制抗干扰能力的目标，设计了一种内外环嵌套结构的改进型自抗扰控制（ADRC）器。根据所搭建四旋翼无人机的实际参数，构建了四旋翼无人机姿态控制系统的数值仿真模型。通过与传统双闭环PID控制器进行对比，证明所设计的自抗扰控制系统在快速响应、无超调的前提下，具有很强的抗干扰能力以及较高的控制效率。将所设计的控制系统，应用于四旋翼无人机之上，在具有大偏载以及方向不确定的强干扰的飞行试验中，取得了良好的控制效果。      

基于双环滑模控制的直/气复合控制系统设计

直/气复合控制导弹具有强干扰、强非线性以及强耦合等特点,传统的姿态控制器难以适用于该种复杂干扰并存的情况,文章提出了基于双环滑模控制的直/气复合控制器。首先采用有限时间收敛趋近律分别构造内外环滑模控制器,并将角速度回路的滑模变量量化为直接力指令,以解决空气舵与姿控发动机之间的耦合问题。接着使用非线性扩张状态观测器估计综合干扰,从而设计控制器补偿侧向喷流干扰及模型不确定性等综合干扰的影响。然后基于李雅普诺夫方法证明了控制系统闭环稳定,分析了干扰补偿对控制器收敛域的影响。最后仿真结果表明,该方法跟踪速度快,动态过程平稳,具有较强的干扰抑制能力,具有很强的鲁棒性。     

深空探测器可重构性评价与自主重构策略

针对深空探测过程中资源严重受限(包括计算资源、硬件资源以及能量资源)和不可维修的特点,开展了深空探测器可重构性综合评价方法和自主重构的研究。通过在地面设计阶段考虑深空探测器控制系统的可重构性,定量地给出了系统可重构性综合评价指标,并基于该指标指导系统自主重构策略的设计,从设计角度提高了深空探测器控制系统运行质量,实现了深空探测器的自主故障处理和自主运行。     

四旋翼无人机动态面控制

针对四旋翼无人机（UAV）飞行器系统欠驱动特点,引入动态面控制方法,对四旋翼UAV的位置和姿态进行控制。考虑到飞行器速度和角速度难以测量,设计高增益观测器得到UAV的速度和角速度的估计值。相对于反演法,动态面控制的设计更简洁,并且通过引入滤波器来求取控制信号中的系统状态的导数项。另外,常用的时标分离方法不能给出全局稳定性分析,本文引入动态面设计控制律保证系统所有信号半全局一致有界,同时给出系统全局稳定性证明。仿真结果表明,四旋翼UAV能快速精确完成目标跟踪。