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。     

一种小型倾转四旋翼飞行器的轨迹控制

针对小型倾转四旋翼(quad tilt-rotor,QTR)无人机位置控制过程中存在的外部扰动、建模误差以及输入时延的问题,给出了QTR的动力学模型,并采用基于扰动观测器的控制方法,设计了QTR的位置控制器。内回路的姿态控制器采用鲁棒伺服线性二次型最优控制器。仿真实验部分,设计了相应的飞行场景对设定的轨迹进行跟踪。仿真实验表明,所设计的基于扰动观测器的位置控制器能有效地实现对期望轨迹的跟踪,使得QTR能兼顾传统旋翼飞行器的飞行功能,同时又能像固定翼一样进行长距离快速飞行。     

基于非线性扰动观测器的四旋翼鲁棒编队控制

为了补偿四旋翼飞行器编队飞行过程中受到的模型不确定性和外部干扰,提出了一种分布式非线性扰动观测器(NDOB).首先,考虑四旋翼模型不确定性和外部干扰,提出了一种新的四旋翼动力学模型.其次,在四旋翼飞行器的内部姿态回路中应用非线性扰动观测器,并且引入低通滤波器以滤除低频干扰.最后,引入风和不规则负载作为线性/非线性外部干扰,将NDOB控制器应用在领导-跟随的四旋翼编队中.仿真结果表明,在该观测器的作用下,扰动观测器能够完全抑制系统外部的线性风扰动,编队队形的整体偏移率在x和y轴上分别下降到0.01%和0.5%.对于非线性不规则负载运输实验,非线性扰动观测器对扰动的补偿率达到99.36%,能够有效地补偿四旋翼飞行器编队飞行过程中受到的模型不确定性和外部干扰.     

PID/ADRC控制器在四旋翼无人飞行控制中的应用

讨论了四旋翼无人飞行器的飞行控制问题,根据四旋翼飞行器的机理建立了运动模型和电机模型,并设计了控制系统.针对建模的不准确性,该控制系统内环回路采用自抗扰控制(ADRC)方法,外环回路采用经典PID控制方法.最后对控制系统在Matlab/Simulink平台上进行仿真,从仿真结果来看,ADRC控制能较好地对系统内扰以及外扰进行估计补偿,减轻了建模工作的负担,并且该控制系统可使四旋翼无人飞行器实现小角度姿态、位置控制、到达指定位置,表明该控制方案是有效的.     

基于ADRC的四旋翼无人机姿态控制研究

四旋翼无人机由于受到自身的非线性、模型的不确定性和外部突发气流等的影响,较难完成预设的飞行任务.为此,使用自抗扰控制,通过安排合理的过渡过程减少超调和设计扩张状态观测器来估计总扰动并实时补偿,并实现四旋翼无人机姿态控制.仿真结果表明:相比传统PID控制,该控制方法使得四旋翼无人机能够更好地适应自身参数的变化和应付外部气流带来的影响,具有更好的鲁棒性和抗扰性.同时验证了自抗扰控制器下的系统具有超调小、精度高、收敛速度快、抗扰能力强和鲁棒性能好等特点.     

基于hp自适应伪谱法的四旋翼无人机编队轨迹优化

四旋翼无人机编队轨迹优化是实现高精度跟踪控制的基础。本文研究四旋翼无人机编队轨迹优化问题,首先建立非线性四旋翼无人机模型,并对模型进行简化与参数获取;再考虑四旋翼无人机编队之间的避撞约束、状态量约束及控制输入量约束;最后采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解。仿真结果表明,hp自适应伪谱法可以对于求解6架四旋翼无人机编队的轨迹优化问题具有良好的效果,能够满足工程实际的约束要求。     

无人机编队协同追踪控制律和编队信息架构

针对"长机-僚机"模式的无人机编队追踪运动目标出现姿态信息和位置信息不一致而导致碰撞的问题,设计了一种协同追踪控制器并对该控制器进行稳定性分析。该控制器以3架无人机构成的编队作为控制体,采用拉氏矢量场方法获取无人机编队追踪运动目标的轨迹,同时构建无人机之间的信息架构,实现无人机编队按照预期的姿态和位置信息在运动目标周围的圆形轨道飞行的目的。研究单架无人机的航迹规划和多无人机编队协同追踪:对于单架无人机的航迹规划,采用反馈控制完成航向收敛证明;对于多无人机编队,采用一种多变量控制器可以保持无人机编队在圆形轨道运动,同时使用未知风和运动目标的自适应估计量来确定无人机编队在圆形轨道飞行的稳定性。仿真结果表明:在追踪过程中,3架无人机能够快速(15 s)以相同的姿态和位置渐进靠近目标,同时保持相对稳定;在满足航向速率和空速条件时,任意两架无人机相对距离误差能够快速(10 s)收敛到稳定值。该控制器突破了多无人机编队近距协同追踪目标的局限,可为多无人机分布式控制器设计提供方法借鉴。     

通信延迟下自适应容错控制及其在航天器编队中的应用

为解决编队系统存在的参数模型变动范围不可预测、执行器部分失效等问题,设计提出了一种自适应鲁棒容错编队控制方法。给出航天器相对位置非线性动力学模型,设计了自适应鲁棒容错控制器,并且分别设计自适应律估计故障大小、质量和外界扰动上界,同时分析了闭环系统的Lyapunov稳定性,给出系统稳定所需要的条件。数值仿真结果表明,提出的控制方法能实现编队跟踪控制的目标,位置跟踪稳态误差小于1.5×10^-3m,速度跟踪稳态误差小于1.8×10^-5m,验证了所提出方法的有效性。     

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。     

四旋翼无人机自抗扰飞行控制器研究

为了提高飞行过程的抗扰动能力,针对四旋翼无人机自抗扰飞行控制器设计,分析自抗扰控制基本原理及其参数调节规律,在此基础上,改写四旋翼无人机动力学模型,引入虚拟控制量对位置和姿态进行控制解耦,应用扩张状态观测器实现状态解耦和扰动估计。最终得到四旋翼无人机双闭环自抗扰飞行控制器,实现对其位置和姿态的闭环控制。仿真实验结果表明,所设计控制器具有良好的解耦效果、抗干扰能力和鲁棒性能,可以实现对四旋翼无人机的飞行控制。     

基于切向-轮廓控制与位置补偿的凸轮轮廓控制

为解决凸轮磨削系统的轮廓控制问题, 在分析轮廓误差的基础上, 提出了一种位置跟踪补偿算法与切向鄄轮廓控制相结合的控制策略。 在两运动轴间引入切向鄄轮廓控制, 将轮廓误差坐标变换于切向鄄轮廓坐标系中。 对此变换后得到的两个误差分量, 单独设计其对应的控制器。 为弥补切向鄄轮廓控制带来的不足, 在位置环外增加补偿器, 通过额外补偿跟踪误差, 以保证系统性能, 同时提高了系统各轴对输入信号的跟踪能力。所提控制策略在 Simulink 仿真平台上的实验结果表明, 该策略减小了系统的跟踪误差和轮廓误差, 具有良好的跟踪性能与轮廓性能。     

基于TSK型递归模糊神经网络的加工中心双直线电机交叉耦合同步控制

为解决高精密龙门移动式镗铣床加工中心X轴的两台直线电机的同步跟踪问题,采用一种TSK型递归模糊神经网络(TSK-type recurrent fuzzy neural network,TSKRFNN)与交叉耦合控制(cross-coupled control,CCC)相结合的控制方法。利用TSKRFNN解决单轴PMLSM受到参数变化和外界扰动等不确定性影响的问题,估计并补偿总不确定性因素并在线调整网络参数,从而抵抗外界干扰,提高系统的鲁棒性和跟踪性。其次,为解决双直线电机运行时存在的参数不匹配性和耦合问题,将CCC与TSKRFNN相结合,CCC可以将单轴跟踪误差按照一定比例分配给两台永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM),以抑制由不同步问题引起的不平衡扭矩,从而使系统高精度同步运行。最后,通过双直线电机平台上证明所提方法的有效性,实验结果表明该方法鲁棒性及跟踪性优良,可以较好地满足加工中心同步控制的要求。     

分批重复过程迭代学习广义预测控制

针对一类分批重复操作过程,提出迭代学习广义预测控制(ILGPC)算法·该算法利用以前的过程输入输出信息,在GPC结构中增加干扰预测估计的迭代学习前馈回路,通过对部分可重复干扰的估计和学习,提高了分批重复操作过程的控制品质,减小了跟踪误差·对算法的稳定性做了分析,并以间歇聚合反应过程为仿真对象,研究了算法的稳定性和鲁棒性·     

采用模糊扩张状态观测器的四旋翼无人机滑模轨迹跟踪控制

针对四旋翼无人机(UAV)的轨迹跟踪控制存在外界未知扰动的问题,提出一种基于模糊扩张状态观测器的非奇异快速终端滑模控制算法.首先,根据双闭环控制结构分别对姿态内环、位置外环引入模糊扩张状态观测器,利用该观测器对系统所受到外部总扰动进行在线估计.然后,根据模糊扩张状态观测器的观测值,设计非奇异快速终端滑模控制器,保证四旋翼无人机的状态变量可在有限时间内收敛于期望轨迹.最后,根据李亚普诺夫理论,得出四旋翼无人机系统的闭环稳定性,并通过仿真对比实验验证该控制算法的优越性.结果表明：所提的控制算法可以提高跟踪性能,并有效增强系统的抗外界干扰能力.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

TD再励学习在卫星姿态控制中的应用

随着卫星姿态控制系统对控制精度、鲁棒性和抗干扰要求的不断提高,将模糊神经网络控制引入到三轴稳定卫星的姿态控制中,并采用基于时差(TD)法的再励学习来解决模糊神经网络参数在线调整的问题,可以在无需训练样本的前提下实现控制器的在线学习. 仿真结果表明,这种结合再励学习的控制算法不仅可以满足对姿态控制精度的要求,有效地抵制了外界干扰,并对卫星的不确定性有较强的鲁棒性.     

Application of linear active disturbance rejection control for photoelectric tracking system

Dynamic characteristics and tracking precision are studied in the photoelectric tracking system and a linear active disturbance rejection control( LADRC) scheme is proposed for position loop. A current and speed controller is designed by a transfer function model,which is obtained by adaptive differential evolution. Model error,friction and nonlinear factor existing in position loop are treated as ‘disturbance',which is estimated and compensated by generalized proportional integral( GPI)observer. Comparative results are provided to demonstrate the remarkable performance of the proposed method. It turns out that the proposed scheme is successful and has superior features,such as quick dynamic response,low overshoot and high tracking precision. Furthermore,with the proposed method,friction is suppressed effectively.     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

机器人主动柔顺恒力打磨控制方法

为了解决打磨过程中打磨控制系统存在扰动问题,设计了一种机器人力控末端执行器,并提出了一种机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法.所提方法的内环控制采用模糊变阻抗控制器,外环控制采用自抗扰打磨控制器.采用Lyapunov稳定性理论证明了所提方法的跟踪误差收敛为零.通过仿真和实验,验证了所提方法的有效性和适用性.研究结果表明：在内环控制相同情况下,与外环控制为PID控制器相比,所提出的机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法减小了打磨过程中的力跟踪误差和位置超调量,提高了机器人打磨力控制系统的控制效果和鲁棒性,实现机器人柔顺恒力控制.