基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

飞行器航迹倾角的自适应动态面控制

针对飞行器纵向模型具有参数不确定性和外界干扰的特点,提出一种飞行器航迹倾角的自适应动态面控制方法.动态面控制方法通过引入一阶低通滤波器避免了传统反演设计存在的"微分爆炸"现象,采用自适应律对模型未知参数进行在线估计,并利用非线性阻尼项克服外界干扰.通过Lyapunov方法证明得出闭环系统半全局一致稳定,跟踪误差可通过调节控制器参数达到任意小.仿真结果表明:该方法能在简化控制设计过程的同时保证航迹倾角跟踪上预定轨迹,控制系统具有较强的自适应能力且对外界干扰具有一定的鲁棒性.     

Neural network-based sliding mode control for atmospheric-actuated spacecraft formation using switching strategy

This paper presents an adaptive neural networks-based control method for spacecraft formation with coupled translational and rotational dynamics using only aerodynamic forces. It is assumed that each spacecraft is equipped with several large flat plates. A coupled orbit-attitude dynamic model is considered based on the specific configuration of atmospheric-based actuators. For this model, a neural network-based adaptive sliding mode controller is implemented, accounting for system uncertainties and external perturbations. To avoid invalidation of the neural networks destroying stability of the system, a switching control strategy is proposed which combines an adaptive neural networks controller dominating in its active region and an adaptive sliding mode controller outside the neural active region. An optimal process is developed to determine the control commands for the plates system. The stability of the closed-loop system is proved by a Lyapunov-based method. Comparative results through numerical simulations illustrate the effectiveness of executing attitude control while maintaining the relative motion, and higher control accuracy can be achieved by using the proposed neural-based switching control scheme than using only adaptive sliding mode controller.     

基于深度神经网络的航天器姿态控制系统故障诊断与容错控制研究

针对传统航天姿控系统故障诊断与容错控制诊断精度及控制分配效率较低的问题,提出了一种基于深度神经网络的航天器姿态控制系统故障诊断与容错控制方法。以控制力矩陀螺为执行机构的航天器发生执行机构故障工况时,所提出的方法可保证鲁棒的姿态控制。首先,利用三个异构深度神经网络实现传统容错控制器的故障诊断、姿态控制和力矩分配等功能,建立了全神经网络的智能自适应容错控制器架构。然后,对三个神经网络的网络层数、神经元数目和激活函数等参数进行优化调整,对比分析了神经网络参数对控制器性能的影响。最后,对所提出的新型控制器在控制力矩陀螺发生故障时的控制精度和鲁棒性进行了仿真验证。仿真结果表明,对于具有冗余控制力矩陀螺的航天器,提出的方法不仅能在单一陀螺故障下实现高精度的容错控制,也能在发生多陀螺故障时保证一定的姿态稳定控制。     

多体卫星高稳定度智能控制方案研究

卫星上大型挠性天线的加减速运动会对星体产生较大的扰动,影响了星体姿态的指向精度和稳定度.运用Lyapunov稳定性理论,设计了变结构和神经网络控制器,并在星体前馈中引入扰动补偿力矩,从而保证星体姿态角速度在不确定性干扰下能以指数形式收敛到某一给定的有界范围内,仿真证明了姿态的稳定度满足给定的指标要求.      

漂浮基姿态受控空间机械臂关节运动的自适应神经网络控制

讨论了载体位置无控、姿态受控情况下,空间机械臂姿态及关节协调运动的自适应神经网络控制问题.由拉格朗日第二类方法及系统动量守恒关系,建立了漂浮基空间机械臂的系统动力学方程.以此为基础,借助于RBF神经网络技术和GL矩阵及乘积算子定义,对空间机械臂系统进行了神经网络系统建模;之后针对空间机械臂所有惯性参数未知的情况,设计了空间机械臂载体姿态与机械臂各关节协调运动的自适应神经网络控制方案.提出的控制方案不要求系统动力学方程具有关于惯性参数的线性性质,且无需预知系统惯性参数的任何信息,也无需对神经网络进行离线训练和学习,因此更适于实时应用.通过对一个平面两杆自由漂浮空间机械臂系统的数值仿真,证实了方法的有效性.      

输入饱和情形下战斗机大机动动态面控制

针对战斗机大机动飞行输入饱和问题,提出了一种自适应神经网络动态面控制方法。采用径向基(RBF)神经网络逼近飞机系统的不确定性,利用双曲正切函数处理系统的输入饱和问题,根据饱和受限后的实际控制输入与期望控制输入之差定义新误差变量,结合该误差变量设计大机动飞行控制律,并构造鲁棒项抵消神经网络逼近误差、外部干扰和建模误差的影响,利用动态面控制技术避免对虚拟控制器的复杂求导并减小计算量。根据Lyapunov稳定性定理证明了闭环控制系统所有信号有界,且通过选择合适的设计参数能够使姿态角跟踪误差收敛到原点的任意小邻域内。通过仿真结果的分析,验证了所提方法具有较好的鲁棒性和稳定性。      

冗余直接驱动阀系统的余度控制策略

针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial Basis Function Neural Network) 的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Derivative)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.      

Adaptive fuzzy neural network control for a space manipulator in the presence of output constraints and input nonlinearities

Space manipulator is considered as one of the most promising technologies for future space activities owing to its important role in various on-orbit serving missions. In this paper, a novel adaptive fuzzy neural network (FNN) control scheme is proposed for the trajectory tracking control of an attitude-controlled free-flying space manipulator in the presence of output constraints and input nonlinearities. The parametric uncertainties and external disturbances are also taken into the consideration. First, a model-based controller is designed by using the barrier Lyapunov function (BLF) to prevent the position tracking errors from violating the predefined output constraints. Then, an adaptive FNN controller is designed by using two FNNs to compensate for the lumped uncertainties and input nonlinearities, respectively. Rigorous theoretical analysis for the semiglobal uniform ultimate boundedness of the whole closed-loop system is provided. The proposed adaptive FNN controller can guarantee the position and velocity tracking errors converge to the small neighborhoods about zero, while ensuring the position tracking errors within the output constraints even in the presence of input nonlinearities. To the best of the authors’ knowledge, there are relatively few existing controllers can achieve such excellent control performance in the same conditions. Numerical simulations illustrate the effectiveness and superiority of the proposed control scheme.     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。     

基于轨迹线性化方法的近空间飞行器鲁棒自适应控制

研究一种新的近空间飞行器鲁棒自适应飞行控制系统设计方案。利用单隐层神经网络的函数逼近能力和被控对象分析模型的有用信息构建一种单隐层神经网络干扰观测器,用以在线估计系统中存在的不确定性,具有自适应调节能力的鲁棒控制器用以克服估计误差。将所得单隐层神经网络干扰观测器与轨迹线性化方法结合形成新的非线性系统鲁棒自适应控制方案,严格的理论证明在给定的自适应调节律作用下闭环系统所有误差最终有界。该控制方案被用于近空间飞行器飞行控制系统设计,高超声速飞行条件下的仿真结果表明该方法不仅有效,而且能够提供高精度、高稳定度的控制性能。     

Mars entry fault-tolerant control via neural network and structure adaptive model inversion

The capability of autonomous fault detection and reconstruction is essential for future manned Mars exploration missions. Considering actuator failures and atmosphere uncertainties, we present a new active fault-tolerant control algorithm for Mars entry by use of neural network and structure adaptive model inversion. First, the online BP neural network is adopted to conduct the fault detection and isolation. Second, based on the structure adaptive model inversion, an adaptive neural network PID controller is developed for Mars entry fault-tolerant control. The normal PID controller will be automatically switched into neural network PID controller when an actuator fault is detected. Therefore, the error between the reference model and the output of the attitude control system would be adjusted to ensure the dynamic property of the entry vehicle. Finally, the effectiveness of the algorithm developed in this paper is confirmed by computer simulation.     

柔性空间机械臂系统的模糊滑模神经网络控制及柔性振动主动抑制

研究了参数不确定漂浮基柔性空间机械臂关节空间的轨迹跟踪及柔性振动主动控制问题.运用虚拟力概念,生成能同时反映柔性振动和刚性运动的虚拟期望轨迹,设计了一种自适应非奇异Terminal滑模控制器来跟踪该虚拟期望轨迹,以实现载体姿态及关节稳定跟踪运动轨迹并对所产生的柔性振动进行主动抑制的控制目标.所设计的控制器结合了Terminal滑模控制快速收敛性,模糊小波神经网络优良的函数逼近特性及鲁棒技术处理逼近误差的优势,利用自适应算法在线自适应调节模糊小波神经网络的所有网络权值和参数,使控制器具有很强的鲁棒性.仿真实验证明了所提控制方案的有效性.      

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

RLV再入神经网络自适应姿态控制器设计

可重复使用运载器（RLV）大包线再入过程中,广泛存在模型不确定与外界干扰,会给姿态控制器的设计带来不利影响,为此提出了一种神经网络自适应控制器设计方案。基于时标分离原理设计了快、慢双回路控制结构。在此基础上设计了径向基神经网络（RBFNN）自适应律,用于在线估计模型不确定和外界干扰力矩,并在控制器中进行补偿。仿真验证表明,RBFNN 自适应控制器能良好地完成姿态跟踪控制,有效地抑制干扰力矩对姿态控制的影响。自适应律能够在线估计真实的飞行器动态和外界干扰力矩,控制器具有抗扰动能力。     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。