无人机鲁棒反推自适应编队导引控制设计

针对一般不确定系统研究了一种鲁棒反推自适应控制方法,采用自适应神经网络对未建模动态进行补偿,并利用Lyapunov 理论证明了跟踪误差的有界性. 分析了长机–僚机编队方式下的无人机编队导引控制策略,采用鲁棒反推自适应控制与动态逆方法对无人机编队飞行综合导引控制律进行设计. 进行了六自由度非线性仿真,表明所设计的编队导引控制器能使僚机对不确定机动的长机进行跟踪,并具有很好的鲁棒性.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

机翼摇滚自适应神经网络抑制

针对战斗机在大迎角下表现出的机翼摇滚非线性振荡现象,提出一种基于自适应神经网络的抑制机翼摇滚控制方案. 采用动态逆方法实现机翼摇滚特性的近似线性化,并根据动态性能指标要求设计线性补偿器,采用单隐层神经网络在线补偿近似动态逆引起的误差. 仿真实验验证了控制方法的有效性.     

四旋翼无人机预设性能非线性PI串级姿态控制

仅在系统初始条件已知的前提下,针对具有未知外界扰动和未知非线性特性的四旋翼无人机系统,提出了一种预设性能非线性PI串级姿态控制方法.将四旋翼无人机姿态系统分解为欧拉角和角速率两个动态子系统,并充分考虑系统的内部动态因果关系;采用串级控制消除系统欠驱动对控制器设计带来的不利影响,以改善控制效果.针对系统的不确定性、未知外界扰动及预设性能可能引起的控制器奇异问题,基于预设性能的误差转换函数和泰勒多项式构造简单的非线性函数,分别为欧拉角和角速率动态子系统设计非线性PI控制器,并从理论上证明其可行性.所设计的控制器继承了传统PID的优点,其参数调整更加灵活,且具有很强的鲁棒性和自适应性.仿真试验结果验证了该方法的有效性和优越性.     

非线性系统的广义模糊控制

提出了一种基于T-S 模糊模型的非线性系统的鲁棒跟踪控制方案. 首先将系统的模糊模型等价变换为广义系统模糊模型,然后设定跟踪性能指标,结合线性矩阵不等式方法设计了鲁棒跟踪控制器. 该方法不仅减少了求解复杂度,而且因减弱了对待定矩阵的限制而降低了保守性. 将该方法应用于倒立摆系统,实现了角度和角速率的 精确快速跟踪控制,从而表明了方法的有效性.     

插头锥套式空中加油对接过程中受油机的飞行控制律

摘要：: 采用基于参考观测器的轨迹跟踪控制方法,实现空中加油过程中受油插头与加油锥套的精确对接. 根据 受油机插头与加油锥套之间的相对位置,由参考轨迹生成模块实时生成受油机的机动轨迹. 通过参考观测器实时 估算出受油机期望跟踪的状态量与控制量,再采用全状态反馈控制,使受油机的受油插头与加油锥套对接. 仿真结 果表明系统具有良好的跟踪控制性能.     

反馈线性化超低空空投抗侧风滑模控制律设计

超低空空投过程中货台运动与侧风干扰耦合会影响载机的安全性和空投任务的完成,为此提出了基于反馈线性化和滑模变结构相结合的控制律设计方法. 利用微分几何反馈线性化完成系统解耦线性化,在此基础上采用滑模变结构控制设计系统内环姿态角的跟踪控制器,保证了系统鲁棒性,并结合外环PID 轨迹保持控制完成整个飞行控制系统设计. 仿真验证了控制器的鲁棒性,且满足空投战技指标要求.     

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..     

新型静止无功发生器的Fuzzy-PI控制

论述ASVG的工作原理,根据控制原理设计ASVG的模糊PI（Fuzzy-PI）控制器.采用模糊控制器获得良好的动态性能,同时引入PI控制改善模糊控制器的静态性能,增强其鲁棒性.该控制器使系统在电流跟踪误差较大时比例控制占主导,误差减小速度较快,在误差减小到一定范围内时积分控制占主导,实现稳态无差.并且该控制器具有较强的自适应控制能力,增强了对电力系统稳定性的控制,具有满意的控制精度,易于实现数字控制,比传统的PI控制具有更好的控制效果.数字仿真验证了该控制方法的有效性和正确性.     

机器视觉辅助的无人机空中加油相对导航

为准确获取无人机空中加油对接阶段的相对位姿信息,提出了一种机器视觉辅助的INS/GPS/MV 组合导航方案,研究了机器视觉图像的特征点提取与匹配算法. 引入相对惯导误差,建立了全局滤波器的增广状态方程,并根据杆臂矢量推导了GPS和机器视觉量测方程. 设计了基于联邦滤波器结构的全局多速率扩展卡尔曼滤波算法,以融合多速率传感器信息,并与标准EKF算法进行对比. 仿真结果表明,所提出的算法能有效融合惯导、GPS和机器视觉的测量信息,使导航参数的精度和输出带宽均满足导航系统的设计要求,有利于改善无人机的飞行品质,放宽对飞控系统的性能要求.     

基于FPGA数控机床的加减速电路

针对计算机数控机床的加减速电路，提出了一种基于FPGA的设计电路，它采用VHDL语言编程，能有效地生成具有各种加减速功能的速度方程，此电路用于单轴数控系统中，具有很好的应用前景。     

水面无人艇分层策略局部危险规避

根据水面无人艇运动学和基础控制特性提出一种局部危险规避算法. 采用分层策将动态窗口分解为艏向窗口和线速度窗口,使用切线法和弧线法分别从艏向窗口和线速度窗口中求出规避角速度和线速度,并引入角速度缓冲模型以提升规划过程中艇体的稳定性. 仿真实验验证了算法具有规避能力强和稳定性高的特点,并由湖试实艇实验验证了算法对实艇的基础控制特性具有良好的适应性,能引导水面无人艇在实际环境中实现有效安全的危险规避.     

基于以太网的智能金属管浮子流量计

根据磁阻传感器的角位移测量原理,提出智能金属管浮子流量计的设计方案。该方案采用低功耗MCU和高精度ADC实现对流量的数字化采集和智能控制,应用LMBP算法实现高精度的静态特征曲线拟合;通过裁减TCP/IP协议,在以太网上实现了流量计与用户的数据通信。实际运行表明,设计的流量计系统运行稳定可靠。     

RV12L-6R焊接机器人动力学分析及计算机仿真研究

提出用Lagrangian方法与递推的Newton-Euler方法相结合求解机器人逆动力学问题,以满足实时控制的要求.结合IVECO汽车横梁的焊接,给出了实用的机器人动力学算法,并对6自由度机器人各关节力矩进行了动态仿真,仿真结果表明不同的关节初始值,有时会出现关节力矩突变,引起系统振动.因此,可以通过计算机仿真的方法在选择关节初始值时避开不稳定的情况.     

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.     

基于连通图的高速高机动目标变结构多模型算法

针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph, AD-VSMM) 算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph, CG-VSMM)
算法. 通过分析传统AD-VSMM 算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系. 根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整. Monte Carlo 仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM) 算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.