无人机神经网络重构控制

针对无人机可重构飞行控制系统提出一种基于径向基神经网络的模型跟随自适应逆重构控制方法,其核心是建立内外控制回路,内回路运用自适应逆控制,使得系统不受外部扰动和测量噪声的影响。外回路采用神经网络模型跟随自适应控制结构,使用神经网络和比例混合控制器,对参考模型和系统输出之间的误差进行自适应调整,利用误差来改变神经网络控制器的参数,使得系统达到满意的动态性能。并通过一个具体重构仿真结果证实了该方法的有效性。     

四旋翼无人机悬停飞行自适应PD控制器设计

提出一种基于模型参考的自适应PD控制器设计方法,用于质量可变的四旋翼无人机的悬停飞行控制。由无人机的动力学方程对悬停飞行时姿态角近似处理得出参考模型,根据参考模型选取一个与实际系统相似并且有期望动态特性的二阶系统。基于Lyapunov稳定性理论的方法,通过被控对象的输出与参考模型输出之间的误差确定控制器的参数,当被控对象参数发生变化时,自适应机构通过参数估计调整PD控制器的输出,使被控对象参数的估计值总能跟踪其实际值,并分别与常规的PD控制器和加入了限速补偿环节的PD控制器进行仿真实验对比。结果表明,该控制器的控制信号比常规的PD控制器超调量小;比加入了限速补偿环节的PD控制器调节速度快,稳定性更好。对于四旋翼无人机的悬停有更好的控制效果。     

基于滑模观测器的四旋翼无人机全回路解耦控制

针对四旋翼无人机复杂轨迹跟踪控制面临的多通道耦合、强非线性以及多源干扰等问题,考虑四旋翼无人机的位置回路、姿态回路动态跟踪误差和执行机构实现过程,提出了一种全回路轨迹跟踪控制方案。首先,将四旋翼无人机轨迹跟踪控制问题转化为位置回路和姿态回路的指令跟踪问题;其次,将不同通道之间的耦合以及多源干扰影响视作集总干扰,并基于高阶滑模观测器对其进行估计;然后,基于干扰估计信息和动态逆控制算法,分别在位置和姿态回路构造复合动态逆控制器;最后,将位置回路和姿态回路的虚拟控制量转换为旋翼转速。该文控制方案实现了旋翼无人机位置回路和姿态回路不同控制通道之间的解耦,在保证各个通道设计独立的前提下,实现了轨迹的渐近跟踪。针对圆柱螺旋线轨迹跟踪的仿真结果验证了该文解耦控制方案的有效性。     

脉冲熔化极气体保护焊的弧长和熔滴尺寸控制

采用直接模型参考自适应控制算法对弧长和决定熔滴尺寸的焊接电流进行解耦控制,通过调节焊接电源输出电压和送丝速度,使焊接过程中电流和弧长保持在设定值上,使得每个脉冲周期熔化的焊丝体积相等,保证每个周期中熔滴尺寸在脉冲产生之前均匀一致.仿真结果显示该算法可以实现控制对象的输出跟随参考模型的输出.     

模型参考自适应解耦控制研究

针对多输入，多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器能数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

基于模型参考模糊自适应的多缸同步控制

针对各通道间存在的耦合和外力扰动作用,以及工况和负载的复杂多变性,以四缸同步系统为例,应用了模型参考模糊自适应控制。根据被控对象和参考模型的输出偏差和偏差的变化来调整PI控制器的比例系数和积分系数,即通过模糊推理实时地调节PI参数,使受控系统的输出趋近于参考模型输出。仿真结果表明:该方法比传统PID控制能更有效的抑制各通道间的耦合和外力扰动作用,提高了系统的鲁棒性和同步精度。     

模型参考自适应解耦控制研究

针对多输入、多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器参数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

工程机械驱动流量耦合系统自适应控制仿真

为了提高工程机械的动力及经济性,将简化模型参考自适应(SMRAC)控制方法引入工程机械液压-变量马达流量耦合时变非线性系统中,通过建立分段优化模型的方法及对模型辅以最优反馈补偿校正,建立了优化参考模型,并利用比例-积分型矢量自适应控制律来保证系统的稳定性。结合某液压试验台利用Matalab仿真软件进行仿真试验,得出参考模型输出最大超调量2.43%,自适应控制系统输出最大超调量7.08%,控制系统调整时间0.204 s,且过渡过程平稳,自适应控制系统较好地跟随参考模型输出。结果表明,结合状态反馈校正的简化模型参考自适应控制策略能有效克服时变参数的影响,且该策略算法简单实用。     

机器人自适应模型跟随控制系统

对工业机器人控制要求的不断提高,提出了不少现代控制方案。建立在超稳定性理论基础上的自适应模型跟随控制系统(AMFCS)就是一种很有效的方案。本文提出了一种自适应控制算法:单位向量加积分校正自适应算法。设计方法简单,能保证系统大范围渐近稳定,计算工作量小,易于实时控制。对机器人系统期望的解耦特性可以通过选择适当的参考模型来实现。计算机数字仿真实验证明了该方法的有效性。     

基于自抗扰的高超再入飞行器轨迹线性化控制技术

在高超再入飞行器运动模型的基础上,全面分析了全弹道3通道间的运动学耦合、惯性耦合、气动耦合和控制耦合.针对该强耦合系统的姿态跟踪问题,基于时标分离和奇异摄动原理,分别在姿态环慢回路和快回路设计了基于自抗扰的轨迹线性化控制器.结合控制器的设计过程,从前馈、反馈、干扰观测与补偿等角度全面分析了自抗扰轨迹线性化控制方法的通道解耦机理.仿真结果验证了解耦机理分析的正确性,表明自抗扰轨迹线性化方法具有很好的解耦效果,适合用于强耦合系统的控制器设计.      

基于扰动观测器的时变负载四旋翼无人机自适应有限时间控制

针对具有未知外部扰动和阻力系数的时变负载四旋翼无人机系统,提出了一种复合有限时间控制策略。首先,通过牛顿-欧拉方法建立了完整的四旋翼无人机数学模型。位置环采用自适应参数校正方法对负载进行估计,并与反步递推控制相结合,在阻力系数未知情况下设计了自适应轨迹跟踪控制器。其次,采用基于扰动观测器的有限时间滑模控制器,并利用Lyapunov稳定性理论进行无人机系统位置环和姿态环渐近稳定和有限时间稳定性验证。最后,通过数值仿真进行验证。结果表明,所提控制器提高了系统的收敛速度,减少了外界扰动对系统的影响。研究方法克服了已有研究要求阻力系数和负载已知的局限性,提高了系统的抗干扰能力,对于增强四旋翼无人机的实际应用性具有一定的参考价值。     

基于四轴飞行器的双闭环PID控制

针对传统单闭环PID控制四轴飞行器存在的问题,设计并实现了一种双闭环PID控制算法。在姿态PID控制中,角度作为外环,角速度作为内环,运用姿态解算计算出欧拉角,作为姿态PID反馈量,进行姿态双闭环PID控制;在高度PID控制中,高度作为外环,z轴加速度作为内环,运用气压传感器采集的大气压值计算出高度,作为高度PID反馈量,进行高度双闭环PID控制。由于油门存在非线性问题,因此运用Matlab对油门转速曲线进行补偿,使输出的油门值近似线性化。飞行实验结果表明,四轴飞行器运用双闭环PID控制不仅反应快、超调量小,而且能够在室外稳定地飞行。     

带微分观测器的双环姿态跟踪控制

针对捕获非合作目标航天器的姿态跟踪控制问题,给出了一种双环姿态跟踪控制器。通过引入虚拟角速度将二阶姿态运动方程分解为内外环独立的子系统。外环预设有界虚拟角速度使航天器姿态渐近收敛于期望姿态;内环采用二阶微分观测器精确估计由转动惯量摄动、外部干扰和饱和超幅部分组成的不确定项,基于观测值的鲁棒姿态控制器使内环角速度指数收敛于外环虚拟角速度。双环姿态跟踪控制能够满足控制饱和及角速度有界约束下的跟踪精度和闭环系统的全局渐近稳定性。数值仿真验证了该控制器的鲁棒性和有效性。      

四旋翼无人机固定时间姿态输出反馈控制

为实现角度不可测的四旋翼无人机(unmanned aerial vehicle, UAV)姿态跟踪,提出一种新的输出反馈控制方案。首先,将外界干扰与系统模型中的不确定作为综合扰动整体估计,设计了固定时间扩张状态观测器来估计未知角速度和综合扰动,保证估计误差能够在固定时间内收敛到原点,且收敛时间不依赖于系统的初始条件。同时为了提升控制精度和速度,设计基于齐次性理论的固定时间控制器,能够保证系统的跟踪误差在固定时间内收敛至零,且收敛时间与四旋翼无人机的初始状态无关。最后,通过仿真研究,验证本文所提方案的有效性。     

基于L1自适应控制律的无人机滚转控制

在飞行器参数变化时,L1自适应控制相对于传统比例积分微分(proportional integral derivative,PID)控制方法具有理想的控制效果.针对某型存在参数不确定性的无人机,建立了无人机横侧向动力学模型,在对L1自适应控制理论进行研究的基础上,分别设计了L1自适应控制律和比例微分(proportional derivative,PD)控制律,通过算例仿真,对比分析了这两种控制律对无人机滚转角的控制效果.结果表明,L1自适应控制律具有良好的抗飞行器参数变化能力,鲁棒性强,对无人机飞行控制系统设计具有重要的参考价值.     

Fuzzy Self-adaptive Proportional Integration Differential Control for Attitude Stabilization of Quadrotor UAV

The technology of attitude control for quadrotor unmanned aerial vehicles(UAVs) is one of the most important UAVs' research areas.In order to achieve a satisfactory operation in quadrotor UAVs having proportional integration differential(PID) controllers,it is necessary to appropriately adjust the controller coefficients which are dependent on dynamic parameters of the quadrotor UAV and any changes in parameters and conditions could affect desired performance of the controller.In this paper,combining with PID control and fuzzy logic control,a kind of fuzzy self-adaptive PID control algorithm for attitude stabilization of the quadrotor UAV was put forward.Firstly,the nonlinear model of six degrees of freedom(6-DOF) for quadrotor UAV is established.Secondly,for obtaining the attitude of quadrotor,attitude data fusion using complementary filtering is applied to improving the measurement accuracy and dynamic performance.Finally,the attitude stabilization control simulation model of the quadrotor UAV is build,and the self-adaptive fuzzy parameter tuning rules for PID attitude controller are given,so as to realize the online self-tuning of the controller parameters.Simulation results show that comparing with the conventional PID controller,this attitude control algorithm of fuzzy self-adaptive PID has a better dynamic response performance.     

基于Legendre伪谱法的3D刚体摆姿态轨迹跟踪控制

研究3D刚体摆在有初始扰动情况下的姿态运动最优控制问题。结合3D刚体摆转动的姿态与角速度特点, 针对外部扰动设计闭环反馈姿态跟踪控制器。首先, 利用Legendre伪谱法规划出3D刚体摆开环的姿态运动轨迹。然后, 将系统的运动方程线性化, 并以3D刚体摆的实际运动姿态轨迹与参考运动姿态轨迹之间的差值作为控制量, 将姿态跟踪问题转换为线性时变系统的姿态调节问题。最后, 对基于 Legendre 伪谱法的3D刚体摆姿态最优控制的闭环控制方法进行仿真分析, 验证在具有初始扰动情况下算法的有效性。     

基于深度强化学习的无人机姿态控制器设计

为了能让四旋翼无人机的姿态控制器具有强大的目标值追踪与抗外部干扰的能力,提出了一种基于参考模型的深度确定性策略梯度的四旋翼无人机姿态控制器设计。该方法通过神经网络,将四旋翼无人机的状态直接映射到输出。本文的强化学习算法是结合深度确定性策略(deep deterministic policy gradient,DDPG)和深度神经网络所设计的。在DDPG算法结构中,进一步加入参考模型,规避控制量太大造成的系统超调,增强了系统的稳定性以及鲁棒性。同时,修改了强化学习中奖励的构成,成功消除了系统的稳态误差。经过研究实验表明,该控制方法可以对目标值进行快速地追踪且有着较强的鲁棒性,可见该控制器相比于传统的控制器,提高了其目标值追踪能力以及抗干扰能力。     

空中加油受油机自主会合对接控制器设计

为了实现受油机与加油机自主会合对接,提高在会合对接过程中的航迹跟踪性能,设计了一种满足位置跟踪与速度跟踪的制导律,推导了相应的飞控指令。在飞控系统设计上,按六自由度受油机动力学模型,采用时标分离将受油机角运动系统分为快慢回路,采用动态逆分别进行了设计。同样,采用动态逆的方法设计了满足会合对接的速度控制律。最后以无人机自主跟踪加油机实现会合对接为例进行了仿真,结果表明该系统能够引导受油机实现与加油机的会合对接,并具有良好的动态性能。     

基于粒子群算法的固定时间多约束无人机轨迹规划

针对粒子群算法在轨迹规划时,将无人机视为质点,未考虑无人机的飞行时间、角度等参数的不足,提出一种数值方法结合粒子群算法的轨迹规划求解方法。首先,考虑到对每个时刻控制变量进行优化会耗费大量的时间,将无人机的飞行时间离散为一定数量的切比雪夫配点,在这些离散的配点处优化控制变量以减小计算负担;其次,将角速度作为控制变量,运用曲线拟合求解出角速度与时间的函数,经过积分求出无人机的角度、位置与时间的函数;再次,将结果代入粒子群优化模型并结合无人机运动学模型进行优化求解,根据分配的时间计算出最终的角速度、角度以及位置坐标;最后,在复杂环境下进行无人机轨迹规划仿真,通过与已有方法的对比,验证所提求解方法的有效性和可行性。结果表明,所提出的轨迹求解方法可以求出包括位置在内的各个运动学参数,规划出光滑的轨迹并且成功避开前进过程中的障碍物。所提方法有效提升了轨迹规划的求解维度,对实现智能自主化飞行有一定的参考价值。