未知控制方向的严反馈非线性系统神经网络自适应控制

针对一类未知控制方向的单输入单输出严反馈非线性系统,提出一种神经网络自适应控制方法。首先应用Nussbaum型函数解决控制系数符号未知问题,然后应用RBF神经网络和反演设计方法对系统进行系统化设计。该控制方法放宽了现有文献中许多苛刻的条件,如匹配条件、增长条件等,避免了控制器奇异问题,同时解决了反演设计中的“计算膨胀”问题,并应用Lyapunov稳定性理论证明了闭环系统的全局稳定性。最后给出了数字仿真实例,证明了该设计方法的有效性。     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，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，结果证明，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。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强．在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。     

基于径向基神经网络干扰观测器的空天飞行器自适应轨迹线性化控制

 研究了一种自适应轨迹线性化控制策略并应用于空天飞行器(ASV)飞行控制系统设计。通过理论分析指明当前轨迹线性化控制方法(TLC)对系统中的不确定存在鲁棒性不足的问题。为了解决这一问题，首先研究了一种径向基神经网络干扰观测器(RDO)技术，严格证明了RDO对于系统中不确定因素具有良好的逼近能力。然后利用RDO输出得到一种新的基于RDO的自适应TLC控制策略。神经网络自适应律采用Lyapunov方法设计，保证了闭环系统所有信号有界。最后采用新方案实现了ASV飞控系统，仿真结果表明整个闭环系统在鲁棒性能方面得到很大提高。     

一类非线性系统自适应神经网络块控制器设计

对一类多输入多输出非线性系统,提出了一种基于块控原理自适应控制器设计方法.利用反演设计技术和RBF神经网络设计了控制器,并通过引入改进的Lyapunov函数,成功地避免了在控制函数矩阵未知情况下的自适应控制奇异问题.利用Lyapunov稳定性定理证明了系统的所有信号均有界.最后的仿真研究表明了该设计方法的有效性.     

干扰和执行器故障系统的自适应神经网络控制

针对一类存在未知外部扰动和执行器故障的过驱飞行器系统的控制问题,提出了一种非线性自适应控制方案。在自适应控制方案中,设计了神经网络补偿算法逼近未知干扰项来消除环境干扰对系统的影响,提高了系统的鲁棒性。同时,控制律的输出作为控制分配器的输入,设计自适应控制分配算法来补偿执行器故障或输入饱和,从而提高了系统的稳定性和操作性,并利用李亚普诺夫稳定理论证明了所设计的控制系统能使误差系统最终一致渐近有界。最后,给出了一个数值仿真算例,验证了控制方法的有效性。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

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。     

输入无模型动态扰动非线性系统的反演控制

研究了输入无模型动态扰动的不确定非线性系统的全局镇定。基于控制李雅普诺夫函数,设计了反演控制律,利用自抗扰的思想,构建扩展状态观测器来处理输入无模型动态,仿真结果验证了本方法的有效性。文章提出的控制方法适用于很多非线性系统。     

Model reference adaptive control with smooth switching scheme for piecewise linear systems and its application in turbofan engine control

A model reference adaptive control (MRAC) with smooth switching scheme was proposed for piecewise linear systems, and the method was utilized in turbofan engine control to avoid the discontinuity of control input. In this scheme, each sub-region of the operating envelope had its own MRAC controller, and smooth indicator function based smooth switching scheme was introduced to switch multiple controllers smoothly at the boundary of adjacent sub-regions. The Lyapunov stability analysis indicated that the proposed smooth switching scheme can guarantee the convergence of the closed-loop system during the controllers switching. The tracking error system was converted into a switched system to analyze the global stability of the closed-loop system. The advantage of the method was that the chattering of system output and instability caused by asynchronous switching can be eliminated. The simulation illustrates the effectiveness of the proposed control scheme in comparison with the existing MRAC controller with gain scheduling for turbofan engine.      

基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置,磁光阱实验参数的优化是冷原子实验中基础且重要的工作,人工手动优化参数需耗费大量时间,且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案,该过程通常远快于人工手动调节,且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案,该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明,经过约30 min的迭代优化,所提方案可有效完成磁光阱系统的多参数优化,并得到最优的实验结果;所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性,通过改进成本函数,还可应用于其他的复杂多参数实验物理系统最优参数快速确定。     

扩展近似时间最优伺服控制及其试验验证

针对带有惯性阻尼环节的典型伺服系统,提出一种能实现大范围快速定点运动的控制方案。控制方案首先利用时间最优控制律进行快速目标追踪,当系统速度下降到一定范围内时平滑切换成线性控制律。采用线性控制区内的闭环极点阻尼系统和自然频率作为设计参数,给出了全参数化的控制律。基于Lyapunov理论分析了控制系统的闭环稳定性。将该控制方案用于一个直流伺服电机的位置-速度环的定点位置控制,并进行了MATLAB数字仿真和基于TMS320F28335 DSC的试验研究。结果表明:所设计的控制系统可以对大范围的给定目标进行快速和准确的跟踪,且对扰动和系统参数差异具有较好的鲁棒性。     

Nonlinear adaptive flight control system: Performance enhancement and validation

The problem of decreasing stability margins in L₁ adaptive control systems is discussed and an out-of-loop L₁ adaptive control scheme based on Lyapunov’s stability theorem is proposed. This scheme enhances the effectiveness of the adaptation, which ensures that the system has sufficient stability margins to achieve the desired performance under parametric uncertainty, additional delays, and actuator faults. The stability of the developed control system is demonstrated through a series of simulations. Compared with an existing control scheme, the constant adjustment of the stability margins by the proposed adaptive scheme allows their range to be extended by a factor of 4–5, bringing the stability margin close to that of variable gain PD control with adaptively scheduled gains. The engineered practicability of adaptive technology is verified. A series of flight tests verify the practicability of the designed adaptive technology. The results of these tests demonstrate the enhanced performance of the proposed control scheme with nonlinear parameter estimations under insufficient stability margins and validate its robustness in the event of actuator failures.     

一类非仿射输入和不确定性系统的输出跟踪控制

针对一类具有非仿射输入和不确定性的混沌系统,提出了鲁棒自适应RBFNN反演控制。RBF神经网络用来逼近设计过程中所有的未知非线性函数,并且对逼近的误差设计了鲁棒项,设计的自适应律是针对RBF所有权值的上界而不是权值本身,因而在线自适应参数数量减少了,节约了计算时间。该方法保证了混沌系统的输出能跟踪任意参考信号,并且跟踪误差是一致渐进收敛的。仿真结果表明该方法的可行性和有效性。     

轨迹跟踪伺服系统的鲁棒复合控制

针对控制输入饱和受限且带有未知扰动的电机伺服系统,提出一种实现曲线轨迹准确跟踪的鲁棒复合控制方案。该方案引入一个参考信号生成器和一个扩展状态观测器,其中参考信号生成器可根据目标轨迹信号构造出对应的状态量,扩展状态观测器用于对系统的状态量和扰动进行估计, 采用反馈与前馈相结合构成最终的控制律。利用Lyapunov理论对闭环系统的稳定性进行了严格分析。在MATLAB中进行了仿真研究,随后在一个DSP控制的永磁直线电机二维伺服平台进行了试验验证。结果表明:所提的控制方案能在轨迹跟踪任务中取得优越的瞬态性能和稳态准确性,而且对目标轨迹和扰动的幅值差异具有较好的鲁棒性。     

基于自适应反演的导弹滑模控制

阐述了在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律。     

Adaptive control for feedback-linearized missiles withuncertainties

A robust adaptive control scheme is proposed that can be applied to a practical autopilot design for feedback-linearized skid-to-turn (STT) missiles with aerodynamic uncertainties. The approach is to add a robust adaptive controller to a feedback-linearizing controller in order to reduce the influence of the aerodynamic uncertainties. The proposed robust adaptive control scheme is based on a sliding mode control technique with an adaptive law for estimating the unknown upper bounds of uncertain parameters. A feature of the proposed scheme is that missile systems with aerodynamic uncertainties can be controlled effectively over a wide operating range of flight conditions. It is shown, using Lyapunov stability theory, that the proposed scheme can give sufficient tracking capability and stability for a feedback-linearized STT missile with aerodynamic uncertainties. The six-degree-of-freedom nonlinear simulation results also show that good performance for several uncertainty models and engagement scenarios can be achieved by the proposed scheme in practical night conditions     

Linear time-varying eigenstructure assignment with flight control application

This work is concerned with the assignment of a desired PD-eigenstructure for linear time-varying systems. Despite its well-known limitations, gain scheduling control appeared to be a focus of the research efforts. Scheduling of frozen-time, frozen-state controllers for fast time-varying dynamics is known to be mathematically fallacious, and practically hazardous. Therefore, recent research efforts are being directed towards applying time-varying controllers. In this paper we: 1) introduce a differential algebraic eigenvalue theory for linear time-varying systems; and 2) propose a PD-eigenstructure assignment scheme via a differential Sylvester equation and a command generator tracker (CGT) for linear time-varying systems. The PD-eigenstructure assignment is utilized as a regulator. A feedforward gain for tracking control is computed by using the command generator tracker. The whole design procedures of the proposed PD-eigenstructure assignment scheme are systematic in nature. The scheme could be used to determine the stability of linear time-varying systems easily as well as to provide a new horizon of designing controllers for the linear time-varying systems. A missile flight control application is presented to validate the proposed schemes.