基于在线神经网络的自适应控制器的设计与应用

针对线性控制系统自适应性较弱的缺点，在其基础上设计了一种基于在线神经网络的自适应控制器．该控制器根据被控对象和参考模型之间的误差调整网络权值，在线抵消被控对象的未建模动态特性和不确定因素．文中以某小卫星姿态控制系统为例，对所提出的自适应控制器进行设计和仿真．结果表明，神经网络以很高的精度跟踪和在线补偿不确定项，改善了线性控制系统的动态性能．     

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。     

基于串级LADRC设计的旋翼无人机航迹跟踪控制

针对复杂环境下,四旋翼无人机航迹跟踪精度易受风扰的影响,设计了串级线性自抗扰控制(linear active disturbance rejection control,LADRC)双回路控制系统。外环为位置回路,针对风扰采用3阶LADRC设计;内环为姿态回路,针对执行机构的动态特性,采用4阶LADRC设计。仿真对比串级LADRC和串级PID两种控制方法,结果表明,两种方法虽然都实现了四旋翼无人机航迹跟踪控制,但是在各种复杂风场扰动、内扰作用的情况下,串级LADRC能够克服复杂扰动的影响,精度更高、抗扰性更好、鲁棒性更强,且待整定参数不多,十分符合工程实际的需求。     

视觉着陆三维合作目标结构设计与定位算法

随着垂直起降无人机的应用热潮,学者们对基于合作目标的视觉着陆方式做了大量研究.针对现有平面合作目标对无人机着陆的局限性,从抗遮挡鲁棒性以及减少其它传感器辅助两个角度,设计了一种新型的三维立体合作目标与定位算法.基于合作目标空间特征,结合多边形的遮挡特性以及自然界的色彩信息,采用归纳法设计出三维合作目标;同时,利用合作目标的几何成像特点,提出仅基于视觉信息的用于着陆导引的位置解算算法;鉴于相机成像的变比例特性,推导出特征提取投影偏差与位置解算精度的关系,并深入分析了对后者的影响.基于Simulink平台搭建相机成像仿真系统,验证了合作目标具有极高的抗遮挡鲁棒性和位置解算精度,并且在多数位置下,偏差估计误差在0.01 m以内,并且不考虑投影偏差的影响下位置解算误差不超过0.1 m,符合设计以及实际应用需求.     

地形跟随中航迹跟踪模型预测控制方案设计

针对地形跟随飞行中的航迹跟踪问题,设计了航迹跟踪模型预测控制器,并讨论了模型预测控制中时域参数切换的自适应方案设计。首先,结合被控对象的特点,设计了用于实现全局稳定跟踪参考航迹的模型预测航迹控制器,并对控制器展开了稳定性分析。然后,充分发挥模型预测控制的预测能力,进行了航迹跟踪方法和综合误差评价策略设计。同时,通过分析不同航迹段的跟踪需求,设计了自适应调整模型预测控制中时域参数的优化方案。仿真验证结果表明,自适应方案相比固定时域方案航迹跟踪精度更高、飞行颠簸小、稳定性好,预设的评价指标函数能有效评估跟踪性能。