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。     

基于RBF神经网络的机器人鲁棒自适应控制器没计

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.     

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。     

输入受限的吸气式高超声速飞行器自适应Terminal滑模控制

 针对吸气式高超声速飞行器的纵向运动模型,研究了输入受限时控制系统的设计问题,提出了一种内外环相结合的自适应Terminal滑模控制方法.以迎角和俯仰角速度作为内环控制对象,考虑到气动弹性模态和外部干扰,采用反步设计方法,设计出升降舵的自适应Terminal滑模控制律;以飞行速度作为外环控制对象,采用动态逆设计方法,设计出输入燃料当量比的动态逆自适应控制律,同时利用多层神经网络逼近控制律的饱和特性.基于Lyapunov稳定性理论,证明了采用此控制策略可以保证闭环控制系统的所有信号都是指数收敛至系统原点的一个有界邻域内,同时飞行器的气动弹性模态都是渐近稳定的.仿真结果表明,此控制策略能有效地处理吸气式高超声速飞行器在纵向运动过程中控制输入饱和受限的约束,在完成控制目标的同时,具有良好的过渡过程品质.     

空间绳系机器人捕获目标后的面内自适应回收方法

在空间绳系机器人(TSR)捕获目标星后,操作机构与目标星形成质量、惯量和系绳连接点位置等参数未知的组合体,且系绳长度、偏角与组合体姿态严重耦合,控制输入严格受限,回收控制十分困难。针对其回收难题,综合考虑系绳长度、系绳偏角与组合体姿态,利用拉格朗日法建立了轨道面内的动力学模型,并基于动态逆理论设计了一种自适应抗饱和回收控制方法。首先,在对组合体质量、惯量与系绳连接点进行在线估计的基础上,设计一种自适应动态逆回收控制器;然后,设计辅助变量对控制输入进行补偿,解决控制输入受限问题;最后进行仿真验证。仿真结果表明,在线估计器能够快速有效地估计组合体动力学参数,回收控制系统能够利用受限的控制输入克服抓捕时刻的系绳偏角和组合体姿态扰动,并沿设计的回收轨迹实现稳定有效回收。     

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。     

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。     

翻滚非合作目标逼近与跟踪的轨道和姿态控制

面向近距离逼近与捕获翻滚非合作目标的在轨服务空间清理任务需求,研究了航天器非合作式交会对接的轨道和姿态控制问题。在控制输入受限约束下,考虑存在参数不确定性和外部扰动的情况,结合滑模控制和自适应控制技术,分别进行鲁棒自适应位置和姿态控制器设计。利用自适应控制估计参数不确定性、未知干扰上界以及滑模控制反馈系数矩阵,提高了系统的鲁棒性。通过李雅普诺夫理论证明了系统在控制器作用下全局一致最终有界稳定。仿真结果验证了控制器的有效性,能够有效解决与高速旋转非合作目标的稳定相对位姿关系建立的难题。     

自适应PSO网络整定的航空发动机全程滑模控制

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,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

空间非合作航天器抓捕后姿态抗干扰控制

针对空间非合作航天器抓捕后存在未知不确定惯性参数的柔性组合体姿态稳定控制问题,基于中间状态观测器设计方法提出了一种新的姿态稳定抗干扰控制方法,同时考虑了诸多扰动及控制输入受限问题。研究结果表明,传统的姿态稳定控制方法需要已知柔性航天器惯性参数信息及状态信息,上述信息未知情况下会使姿态难以高精度稳定控制,且容易导致控制输入不满足受限要求。针对该问题,考虑控制输入幅值及变化率受限前提,提出了一种基于中间状态观测器的抗干扰控制方法,通过引入辅助变量构造新型中间状态观测器,同时估计组合体状态信息及综合干扰,设计出了一种新的组合体姿态稳定抗干扰控制器。通过Lyapunov稳定性分析方法证明了所设计的控制器能够保证闭环系统的全局渐近稳定性。相比于已有的混合H₂/H_∞控制器,所提出的抗干扰控制器在应用时不需要柔性组合体的姿态及模态信息,并且也不需要惯性参数的辨识过程。最后,通过给定参数进行仿真对比,进一步验证了所设计控制器的有效性和优越性。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

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。     

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.      

空间绳系机器人抓捕后复合体姿态协调控制

针对空间绳系机器人对目标抓捕后的复合体姿态稳定控制问题进行了研究.首先,对复合体进行动力学建模,并对其动力学特性进行了分析;然后,考虑复合体的特点、空间绳系机器人燃料有限以及自身姿态控制力的限制,分别设计了系绳主动拉力与推力器推力协调控制器和基于滑模变结构的全推力控制器,并设计了其切换条件,利用两种控制器切换对姿态进行稳定控制;最后,利用仿真实验验证了所提方法的正确性.仿真结果表明,系绳拉力和推力器协调控制方法能够实现对姿态的稳定控制,并且有效地节省姿态控制过程中的燃料消耗.     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

漂浮基空间机器人捕获卫星过程动力学模拟及捕获后混合体运动的RBF神经网络控制

 讨论了漂浮基空间机器人在轨捕获目标卫星过程的碰撞动力学建模,以及捕获操作结束后空间机器人与卫星混合体的稳定控制问题。首先采用多刚体动力学建模方法并结合空间机器人捕获目标卫星过程中的碰撞动力学特性,建立了漂浮基空间机器人在轨捕获漂浮卫星过程的动力学模型,并在此基础上计算出完成捕获操作后空间机器人与目标卫星混合体关节的运动速度。然后针对卫星及空间机器人系统惯性参数均是未知的复杂情况,应用上述模型、神经网络控制理论和Lyapunov稳定性理论,设计了空间机器人与卫星混合体在捕获过程碰撞冲击影响下稳定运动的高斯径向基函数神经网络控制方案,以达到对捕获卫星的有效控制。此外,高斯径向基函数神经网络控制方案具有不需要测量和反馈载体位置、移动速度与加速度的显著优点。系统数值仿真证实了上述控制方案的有效性。     

导弹纵向神经网络自动驾驶仪设计

在导弹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神经网络自动驾驶仪的设计方法。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纵向自动驾驶仪。最后给出仿真结果显示了该设计方法的有效性。     

闭链空间机械臂抓持载荷基于积分滑模的模糊自适应控制

讨论了载体位置、姿态均不受控制情况下,漂浮基闭链双臂空间机器人抓持系统的动力学建模与控制问题.利用拉格朗日方法和牛顿-欧拉法,分别建立了双臂空间机器人及抓持负载的动力学模型,并结合漂浮基空间机器人固有的线动量和角动量守恒动力学特性及闭合链约束几何关系,获得了抓持系统合成动力学方程.以此为基础,考虑到闭链双臂空间机器人系统结构的复杂性及某些参数的变动性,根据模糊控制理论和Lyapunov稳定性理论,设计了系统参数不确定情况下该抓持系统基于积分滑模面的力/位置模糊自适应协调控制方案,从而达到对抓持负载位置与所受内力的双重控制效果.系统数值仿真证明了控制方案的有效性与精确性.     

漂浮基空间机器人执行机构部分失效故障的分散容错控制

针对载体位置不受控,姿态受控的漂浮基空间机器人执行机构部分失效故障问题,提出了一种基于有效因子融合的分散滑模神经网络容错控制方案。利用拉格朗日第二类方程建立系统的动力学模型,然后利用分散的思想,将系统分散为若干个子系统,将有效因子融合到子系统的动力学模型中。利用终端滑模进行控制器设计,并利用径向基函数神经网络对系统参数不确定项和未知项进行估计,自适应地补偿了神经网络的估计误差。最后,数值仿真结果表明了提出的分散容错控制器的有效性。     

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。