无人机姿控系统鲁棒动态面容错控制设计

针对含有不确定和执行器故障的无人机姿态控制系统,提出了一种鲁棒自适应动态面容错控制方法。在设计中,首先提出由非线性阻尼技术抵消不确定性及外界干扰,然后设计一种基于自适应动态面控制方法的容错控制策略,保证无人机在出现未知执行器故障情况下,其闭环姿态控制系统是全局渐近稳定的,实现姿态输出对制导指令的容错跟踪。最后对所提出的容错控制方法进行了某无人机非线性姿态控制系统的仿真验证, 结果表明了所提方法的有效性。     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

单侧机翼损伤飞机的神经网络自适应鲁棒非线性控制

针对飞机飞行中单侧机翼突然损伤问题,结合对损伤飞机的特性分析,提出基于神经网络自适应补偿的鲁棒非线性模型逆控制方法。利用未损伤飞机模型伪控制量中的单隐层神经网络自适应项和鲁棒项,并联合e modification自适应律对模型误差、外界扰动、神经网络近似误差进行补偿。除此之外,利用动态非线性阻尼技术对上述伪控制律进行扩展,从而适应损伤机体未建模舵动态。最后对上述算法进行严格的稳定性证明,并推导了逆过程的实现方法。仿真结果表明在单侧机翼突然损伤并伴随外部扰动和未建模舵动态下,该控制方法具有较强的稳定性和鲁棒性。     

船舶航向的神经网络并行鲁棒模型参考控制

针对大型船舶的航向控制特性,提出一种神经网络并行自学习鲁棒模型参考控制方法。这种复合控制结构利用神经网络的学习能力和非线性映射能力,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性船舶的高精度输出跟踪控制;通过引入运行监控器,克服神经网络控制方法实时性差的问题;利用一个鲁棒反馈控制器,来保证神经网络模型学习初期闭环系统的稳定性。仿真结果表明这一方法对设定航向具有精确的跟踪控制效果。     

基于RMMAC的集成主动容错飞行控制

针对主动容错飞行控制系统设计问题,提出一种基于改进鲁棒多模型自适应控制(robust multiplemodel adaptive control,RMMAC)的故障检测与控制重构集成设计方法。建立了飞行器传感器和执行器故障的数学模型,介绍了改进鲁棒多模型自适应控制算法的结构和实现步骤。某无尾飞机重构飞行控制的仿真结果表明,在执行器故障情况下,基于改进RMMAC的集成主动容错飞行控制系统能够快速准确地辨识故障,并依据故障信息更新局部控制器权值,实现控制重构,提高了飞机可靠性、安全性和生存能力。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

飞行器不确定系统鲁棒D-稳定控制分配策略

为降低建模误差及外部扰动对飞行器多变量不确定系统的影响,提出了一种闭环系统鲁棒D-稳定的动态混合控制分配策略。飞控系统采用模块化的设计思想,利用线性矩阵不等式方法设计了基于虚拟控制指令的鲁棒D-稳定输出反馈控制律;建立了多目标混合优化控制分配模型,推导并证明了该模型的等价实现形式,用于将虚拟控制指令协调分配到各个操纵面。仿真结果表明,该策略能够综合考虑各操纵面不同的物理约束和控制效能,具有较好的鲁棒性能。     

考虑舵面饱和的鲁棒可重构控制律设计及仿真

针对常规显式非线性动态逆控制鲁棒性差的问题,综合隐式动态逆和奇异摄动分层设计,引入状态速率(导数)和操纵面的当前位置信号的反馈,设计鲁棒动态逆控制律,不需要完整的飞机气动力模型,敏感度降低.利用过栽测量信号采用几何的方法,构建角加速度信号,其它状态速率信号,基于飞机动力学方程求解得到.同时采用自适应权矩阵和多级舵面操纵分配策略,降低舵面速率/位置饱和.控制律结构简单,当飞机存在外形损伤、舵面或传感器失效时,能够迅速实现测量信号的隔离、反馈信号的重建和控制的重新分配和控制律重构.针对某型飞机建立高准确度的仿真模型,计算结果表明在存在气动力摄动、测量偏差干扰,噪声和舵面限制等的情况下,控制律具有良好的鲁棒性.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

Output feedback based adaptive robust fault-tolerant control for a class of uncertain nonlinear systems

An adaptive robust approach for actuator fault-tolerant control of a class of uncertain nonlinear systems is proposed. The two chief ways in which the system performance can degrade following an actuator-fault are undesirable transients and unacceptably large steady-state tracking errors. Adaptive control based schemes can achieve good final tracking accuracy in spite of change in system parameters following an actuator fault, and robust control based designs can achieve guaranteed transient response. However, neither adaptive control nor robust control based fault-tolerant designs can address both the issues associated with actuator faults. In the present work, an adaptive robust fault-tolerant control scheme is claimed to solve both the problems, as it seamlessly integrates adaptive and robust control design techniques. Comparative simulation studies are performed using a nonlinear hypersonic aircraft model to show the effectiveness of the proposed scheme over a robust adaptive control based faulttolerant scheme.     

一类不确定执行器非线性系统的自适应控制

针对一类带不确定执行器非线性的控制系统,提出了一种自适应神经网络控制方法。建立了包括死区、齿隙和“类齿隙”磁滞特征的非线性执行器模型。通过结合所建立的模型和Nussbaum增益技术,解决了当执行器非线性不确定时的控制问题。所设计的方案不需知道非线性特征参数边界,并且当非线性特征为死区时,其坡度可以为时变的。引入了自适应补偿项消除建模误差和干扰的影响。仿真结果验证了该方法的有效性。     

多操纵面飞控系统约束自适应控制分配策略

为充分利用多操纵面飞行控制系统的冗余控制效能,提出了一种权值自适应修正的混合优化控制分配策略。在考虑各操纵面位置约束和速率约束的基础上,建立了多目标混合优化控制分配模型;沿梯度下降方向自适应调整权值以改变控制指令,利用控制目标优化实现对虚拟控制指令的有效跟踪;证明了该模型的等价实现形式,推导了权值矩阵的自适应更新公式。仿真结果表明,该策略可综合考虑各操纵面不同的物理约束和控制效能,生成最优的操纵面协调偏转指令,避免了出现指令抖振的现象。     

基于神经网络的自由漂浮空间机器人鲁棒控制

针对带有模型误差及外界扰动的自由漂浮空间机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制策略。采用对神经网络状态空间进行划分后与滑模变结构结合的控制器,对不确定非线性进行自适应学习,逼近误差作为外部干扰由鲁棒控制器消除。该方法从整个闭环系统的稳定性出发,利用H_∞理论设计的鲁棒控制器及神经网络权值的在线调整规则保证了系统的稳定性,并能使系统L2增益小于给定的指标,具有较好的控制精度及动态特性。仿真分析进一步证明了该自适应鲁棒控制算法的有效性。     

基于神经网络的反步自适应大机动飞行控制

针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出了一种基于全调节神经网络的反步自适应控制方法。飞机模型不确定部分由全调节径向基函数(radical basis function, RBF)神经网络在线补偿,控制律及神经网络参数自适应律由反步法回馈递推得到,并利用一种自适应参数策略的混沌粒子群算法优化控制器固定参数,改善动态性能,最后通过加权伪逆控制分配方法得到最终控制信号。仿真结果表明：在较大的模型气动参数不确定及控制增益矩阵未知时,所设计的控制律仍能理想地跟踪飞机大机动指令飞行,神经网络参数估计误差指数收敛到有界紧集,系统具有快速的收敛性和良好的鲁棒性。     

Finite-time tracking control for motor servo systems with unknown dead-zones

A finite-time tracking control scheme is proposed in this paper based on the terminal slid- ing mode principle for motor servo systems with unknown nonlinear dead-zone inputs. By using the differential mean value theorem, the dead-zone is represented as a time-varying system and thus the inverse compensation approach is avoided. Then, an indirect terminal sliding mode control （ITSMC） is developed to guarantee the finite-time convergence of the tracking error and to overcome the singu- larity problem in the traditional terminal sliding mode control. In the proposed controller design, the unknown nonlinearity of the system is approximated by a simple sigmoid neural network, and the ap- proximation error is diminished by employing a robust term. Comparative experiments on a turntable servo system are conducted to show the superior performance of the proposed method.     

基于自适应Terminal滑模的空天飞行器再入控制

提出一种基于RBF神经网络的Terminal滑模控制方案,消除通常滑模控制的到达过程,保证跟踪误差在有限时间内趋于零。不需要对建模误差、模型摄动和外界干扰进行各种假设,通过在线调整RBF神经网络的权值来消除它们的影响。最后在高超声速条件下,对空天飞行器再入大气层姿态控制进行仿真,结果表明该方法的有效性。