航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

不确定多时滞系统动态自适应神经网络控制

针对一类具有不确定多时滞的非线性系统,提出一种由时滞补偿器和动态结构自适应神经网络所构成的控制器.通过设计时滞补偿器中的参数自适应调节规律来消除多时滞对控制输入的影响,再引入动态自适应神经网络,利用其隐层神经元个数可以随着逼近误差的增大而在线增加的特点,获得满意的逼近精度,提高控制性能.最后,对时滞混沌系统进行仿真,表明该方法的有效性.     

基于敏捷性导弹逆动态的神经网络控制方法与仿真研究

给出了一种基于敏捷性导弹逆动态的神经网络控制方案。该方案由两个神经网络组成：第一个神经网络（NNI）用来离线的学习整个飞行包线内导弹动态特性的逆特性，以实现系统的线性化；由于敏捷性导弹在大迎角状态下具有高度的非线性特性和气动参数突变等未建模动态，因此引入第二个神经网络（NN2）来在线的补偿NNI的逆误差。在线学习的权值调整由Lyapunov理论得出，保证了闭环系统的稳定性。该控制方案对参数变化及未建模动态等具有良好的鲁棒性。将其应用于敏捷性导弹的控制中，数字仿真结果表明该控制方案有效。     

基于一种新型动态神经网络的非线性自适应逆控制

根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。通过对单输入单输出(SISO)及多输入多输出(MIMO)非线性系统的自适应逆控制仿真研究,证实了DAFNN是一种很好的非线性系统建模和控制工具。     

微型涵道飞行器的自适应逆控制方法

微型涵道飞行器可以悬停、垂直起降和前飞,且安全性高、结构紧凑、噪声低。但是,微型涵道飞行器由于大飞行包线、特殊气动布局、低速度、小尺寸和复杂飞行环境,所以具有明显的非定常和非线性飞行力学特性。针对这一问题,研究了应用动态逆控制律的新方法--神经网络自适应逆。采用动态逆控制器、神经网络补偿器、比例微分(proportion-derivative,PD)补偿器和伪控制补偿器构建了微型涵道飞行器飞行控制系统。仿真结果表明,相比动态逆 比例积分微分(proportion-integral-derivative,PID控制系统,本文设计的自适应逆控制系统具有更强的稳定性和鲁棒性。     

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。     

一种非线性自适应逆噪声控制器设计及其仿真

基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。     

一类输入受限的不确定非线性系统自适应Backstepping变结构控制

针对一类输入受限的不确定非线性系统,提出了一种自适应Backstepping变结构控制器设计方法。建立了受未知非线性特征约束的执行器故障模型,可以描述系统存在死区、齿隙、饱和、滞回等输入受限情形以及可能发生的执行器失效、卡死等故障情形。设计径向基函数神经网络补偿未建模动态项,引入一阶低通滤波器避免了Backstepping控制中的计算复杂性问题。自适应近似变结构控制能够有效削弱控制信号抖振。理论分析和仿真实验结果证明,提出的自适应鲁棒控制律能够在输入受限的情况下自适应地调节控制输入,使得闭环系统稳定且满足控制性能要求。     

基于动态逆的大空域靶弹高度控制系统设计

针对纵向运动模型,提出了一种采用神经网络自适应逆控制设计靶弹高度控制系统的方法。该方法利用神经网络经离线训练实现非线性系统的逆,通过基于变结构控制的方法得到控制律自适应的补偿逆误差和系统的动态特性变化引起的误差。通过对大空域靶弹的全弹道仿真表明,该控制方法具有较好的控制能力和较强的鲁棒性。     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

Sliding Mode Control with Perturbation Estimation and Hysteresis Compensator Based on Bouc-Wen Model in Tackling Fast-Varying Sinusoidal Position Control of a Piezoelectric Actuator

In this paper, a sliding mode control with perturbation estimation (SMCPE) coupled with an inverse hysteresis compensator is proposed for the motion tracking control of a microposition system with piezoelectric actuation. The inverse hysteresis compensator is employed to cancel the hysteresis nonlinearity, thus reducing the nonlinear system to a linear system with an inversion error. Then, a SMCPE controller is adopted to deal with all the unmodeled dynamics and disturbances, aiming at improving the dynamic performance and the robustness of system. An experiment of a piezoelectric actuator is presented to demonstrate the feasibility and effectiveness of the proposed control scheme. The result shows that for a fast-rate control input, the proposed method is capable of leading to a good performance of system behavior.     

一类非线性系统的鲁棒自适应控制

针对一类含有不确定参数和未知扰动的非线性系统，提出一种鲁棒自适应控制方法以确保系统输出稳定地精确跟踪给定的参考信号。控制器的设计分两步进行：首先，在不考虑扰动的情况下，采用一种基于参数映射的Lyapunov设计方法设计系统参数自适应控制器；然后，在该自适应控制器的基础上，采用衰减控制策略设计鲁棒补偿器，实现对扰动的抑制。最后通过数字仿真验证了设计方案的有效性。     

输入约束下的浮力调节式UUV变深控制

针对浮力调节机构约束下无人水下航行器(unmanned underwater vehicle, UUV)的变深控制问题, 提出一种基于正交神经网络饱和补偿器的自适应动态面控制方法。首先,建立考虑执行机构动态特性的UUV数学模型。在此基础上, 采用反步法和非线性跟踪微分器设计动态面控制器, 同时引入线性扩张状态观测器(linear extended state observer, LESO)在线估计浮力变化与模型不确定性引起的干扰, 继而在控制器中进行补偿。然后,基于正交神经网络设计饱和补偿器, 并证明闭环系统所有误差一致最终有界。仿真结果表明, 与现有的动态面控制方法相比, 所提方法在浮力调节机构约束下, 具有较好的动态性能与稳态精度。     

欠控制方向非线性系统的鲁棒自适应控制

针对一类控制方向未知且具有未建模动态的非线性系统,提出了一种鲁棒自适应控制策略.算法推广了已有的鲁棒自适应非线性控制方法.控制算法保证闭环系统所有信号是一致终值有界的.同时,通过调整控制器设计参数,闭环系统能够实现期望的性能要求.仿真结果进一步说明了理论分析的有效性.     

基于ESO的无人直升机轨迹鲁棒跟踪控制

围绕无人直升机实际飞行中的不确定性问题,将扩张状态观测器(extended state observer, ESO)与自适应反步法相结合设计控制器来实现无人直升机轨迹的鲁棒跟踪控制。首先,建立了无人直升机的数学模型,建模过程中考虑未建模动态、模型简化误差、外界大气扰动以及燃油消耗导致的惯性参数摄动等多种不确定性来源。同时,将主旋翼一阶挥舞动态耦合进无人直升机6-DOF刚体动力学方程,建立了简洁且又反映无人直升机旋翼挥舞这一重要特征的等效模型。然后,基于ESO和自适应反步法设计了位置控制器、姿态控制器以及力矩控制器,其中利用自适应策略对无人直升机质量及惯性矩阵等慢变摄动参数进行估计,利用ESO对未建模动态及外界阵风等高频扰动进行观测,并通过前馈补偿实现对系统不确定性的综合抑制。最后,通过数值仿真验证了方法的可行性和有效性。仿真结果表明,该方法比纯自适应反步法具有更高的不确性抑制效率和控制精度,能够实现无人直升机在多种不同类型扰动同时作用下轨迹的鲁棒跟踪控制。     

基于干扰补偿的拦截弹新型反演姿态控制

针对同时具有未知干扰以及输入饱和与死区特性的大气层内拦截弹姿态控制系统,提出了一种基于干扰补偿的自适应动态面控制器设计方法。该方法通过设计改进的非线性干扰观测器(nonlinear disturbance observer, NDO)对未知干扰进行抑制,利用径向基函数(radial basis function,RBF)神经网络逼近输入饱和引起的非线性项,通过设计参数自适应律在线估计未知死区边界。通过构造合适的Lyapunov函数,证明闭环系统状态一致终结有界。仿真结果表明,所提方法鲁棒性良好,在输入非线性和未知干扰作用下,依然能良好地跟踪指令信号。     

基于模糊自适应的微型飞行器姿态控制

针对一类不确定非线性系统,基于李亚普诺夫稳定性理论提出了模糊自适应算法.将系统分为标称模型和包含建模误差、参数变化、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒反馈控制消除系统的外部干扰.由于模糊自适应控制是对系统输入系数矩阵和系统函数向量的不确定部分的每一个分量进行实时逼近,所以系统控制的精确性得到了提高,有较好的鲁棒性.模糊逻辑系统的计算量相对较少,从而能够很好地完成系统输出信号的渐近跟踪.给出了控制算法的稳定性证明,并对微型飞行器的姿态控制系统进行了仿真研究,仿真结果验证了算法的有效性.