含有输入动特性不确定飞控系统的自适应滑模控制

针对含有执行器动特性和严重不确定性的非线性飞控系统,提出一种非线性自适应滑模控制器. 该控制方案的主要特征是对系统不确定性没有匹配条件的限制. 控制器由两部分组成：一部分根据称为标称模型的已知非线性模型进行控制器设计,另一部分根据建模误差的估计参数设计自适应滑模控制器. 对某飞机的非线性6自由度未解耦模型进行仿真,验证了该方法对系统不确定性具有较强的鲁棒性,对期望输出有良好的跟踪精度.     

基于径向基函数神经网络的无人直升机吊装系统滑模减摆控制

针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。     

数字式座舱压力调节系统的模糊滑模变结构控制

针对座舱压力调节系统的非线性和参数时变特性,提出了模糊滑模变结构控制方法. 模糊滑模变结构控制算法保持了模糊控制器不依赖系统模型的优点,对参数变化和外界干扰等不确定性因素具有较强的鲁棒性,同时能柔化控制信号,减轻或者避免了一般滑模控制的抖动现象. 研究表明,模糊滑模变结构控制器与经典PID控制相比,具有超调量 小、稳态误差小、响应速度快、扰动抑制能力强等优点,试验结果证明了该方法对座舱压力调节系统控制的有效性.     

超机动飞行的鲁棒自适应神经网络动态面控制

针对超机动飞行过程中气动参数变化剧烈、控制精度高的特点,提出了一种基于神经网络的鲁棒自适应动态面控制方法。模型不确定性和外界干扰由RBF神经网络在线补偿,控制律由动态面控制方法得到,降低了反推控制器的复杂性,改进的神经网络权值调整自适应率改善了系统的过渡过程品质。利用Lyapunov稳定性定理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。     

一种鲁棒自适应Backstepping控制方案研究

对基于调节函数的Backstepping自适应控制方案进行了改进,设计了一种新型鲁棒自适应无人机飞行控制系统.首先将某型无人机的系统模型转化为一个含有非线性参数不确定性、不确定的非线性与未建模动态的受扰严格反馈系统,然后提出了一种含有广义误差自适应调节项的新型李亚普诺夫函数,得出了稳定自适应控制律和参数更新律.最后该无人机的鲁棒自适应飞控系统的有效性得到了仿真验证.     

非线性系统的鲁棒自适应模糊轨迹线性化控制

针对一类非线性多输入多输出不确定系统,基于小增益理论提出了鲁棒自适应模糊轨迹线性化控制方法。利用T-S模糊系统逼近未知干扰和不确定性因素,采用Lyapunov方法及小增益理论证明了闭环系统所有信号一致最终有界。该算法自适应律的学习参数仅有1个,便于工程实现。最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,仿真结果表明了控制方案有效性和鲁棒性。     

单级倒立摆迭代非线性滑模位移控制

针对倒立摆的位移控制,提出一种非线性滑模变结构控制方法.通过对系统输出的递归分解迭代设计,构成了扩展状态空间上的复杂非线性滑模,结合增量反馈控制,无需对系统不确定性的估计,可以稳定摆的倒立并将小车驱动到任意的距离.非线性滑模分解迭代方法结构简单、易于实现,设计过程的物理意义明显,利于参数整定保证控制系统稳定性以及分析输出特性.仿真结果表明,小车位移稳定时间、最大移动速度以及位移过程中摆角最大幅度均可通过设计参数调节,且控制器对倒立摆系统参数变化不敏感、具有强鲁棒性和良好的控制品质.     

四旋翼无人机飞行姿态的自适应反演滑模控制

针对非线性六自由度欠驱动四旋翼无人机的姿态和位置控制问题,提出自适应反演滑模控制算法.设计了一种自适应律对控制中的参数摄动和外界干扰上界进行在线估计,并将估计值补偿到反演滑模控制中.通过李雅普诺夫稳定性理论证明自适应反演滑模控制能使跟踪误差一致渐近收敛到零.最后,根据给定的四旋翼无人机参数进行数值仿真,所得结果表明在系统存在参数摄动和外部干扰的情况下,该方法也能够实现四旋翼无人机的姿态稳定和定高悬停,并具有较好的鲁棒性..     

基于子结构的非线性滞变体系的滑模分散主动控制

大型复杂结构在强震作用下会进入弹塑性变形阶段,形成非线性滞变系统。提出将复杂的大型结构分解成若干个子结构,基于子结构模型,考虑系统的不确定性因素,利用滑移模态控制(变结构控制)理论,分析在外界干扰以及系统摄动不可测的情况下的振动控制算法。对集中控制在作动器失效和反馈信息丢失情况下进行分析,并在第3阶段9层Benchmark模型上进行了仿真,分析了其控制效果。为了改进集中控制鲁棒性能较差的缺点,设计了滑模分散主动控制算法,并在模型上进行了仿真分析。比较了集中滑模控制和分散滑模控制的控制效果,得到了一些定性结论。     

基于干扰观测器的移动机器人轨迹跟踪控制

针对移动机器人的轨迹跟踪问题,设计了基于干扰观测器的积分滑模控制器.考虑侧滑与干扰的影响,建立了移动机器人的运动学和动力学模型.基于终端滑模理论设计了自适应滑模干扰观测器,实现了对复合干扰的有限时间逼近.在此基础上设计了基于运动学模型的轨迹跟踪控制器,保证了位置跟踪误差的渐近收敛和角度误差的有界收敛.结合干扰观测器和积分滑模方法,设计了基于动力学模型的速度跟踪控制器.通过仿真验证了所设计控制算法的有效性.     

高维不确定多变量系统的高阶滑模分解控制

针对一类高维不确定多变量系统,提出一种高阶非奇异终端滑模分解控制方法.通过两次非奇异状态变换,首先将系统分解为输入输出子系统和内部子系统.针对输入输出子系统,巧妙结合高阶滑模和非奇异终端滑模,基于跟踪微分器技术,设计了一种新型的高阶非奇异终端滑模控制器,可提高子系统的收敛速度,消除滑模控制的高频抖振信号,同时将内部子系...     

采用滑模方法实现多涡卷混沌系统的追踪控制

针对基于滞回非线性多涡卷混沌系统的追踪控制问题,提出了一种滑模变结构控制方法,实现了受控混沌系统对任意参考信号的追踪控制.所提出的控制方案,保证追踪误差系统的状态首先在有限时间内到达滑模面,然后渐进收敛到原点,实现了追踪控制.理论分析和仿真实例证明了所提出方法的有效性.     

一种新型控制器在轧机中的应用

为了满足轧机液压压下系统高响应、高精度的要求和解决系统非线性时变等不确定的压下液压伺服系统的跟踪控制问题,提出了一种基于模糊神经网络的滑模控制策略.该模糊神经网络滑模控制器用以控制液压轧机压下系统以提高其响应速度和控制精度.仿真与试验结果表明,新型控制器使轧机液压压下伺服系统具有较强的动态特性和稳态特性,并提高了轧机液...     

基于动态逆模糊神经网络的准滑模控制

针对不确定非线性系统,提出了基于动态逆模糊神经网络的准滑模控制,控制量可直接由一个模糊神经网络的前向推理得到.仿真表明了方法的有效性.