基于反步滑模法的四旋翼飞行器的轨迹跟踪

研究了四旋翼飞行器的轨迹跟踪控制问题.首先根据经典的动力学模型建立惯性坐标系下带有扰动的四旋翼方程.其次将系统划分为姿态子系统和位置子系统,对姿态子系统的轨迹跟踪控制,采用反步控制与滑模控制相结合的方法,根据飞行器的欠驱动和强耦合特性,利用反步控制方法实现位置子系统的轨迹跟踪控制.然后对系统进行稳定性分析.最后通过仿真...     

一种鲁棒的自适应跟踪控制器: 稳定性和瞬态性能

对于系统(R(s) μΔ（s)y=Z(s)u d，通过把基于backstepping控制律和规范化自适应律结合起来了一种鲁棒的自适应跟踪控制器。这种控制器同时具有这两种设计方法的优点。证明了闭环系统的所有信号有界，同时跟踪误差满足∫l^l T|e(τ)|^2dτ≤c(‖bm‖∞^2 σ μ^2 d0^2)T c。进一步，若bm已知，则|e|≤O(1/λ(m^- d0) m^-c01d0 1f0) o(1)。     

非零初值的模型参考自适应控制

对于系统{x=Ax Bu,x(0)=x0,y=c^Гx，在x0≠0的情况下考虑了模型参考自适应控制（MRAC）的性质，证明了：（1）闭环系统所有信号有界；（2）跟踪误差收敛于零；（3）在持续激励的条件征参数估计收敛于真值。     

基于强化学习的输入受限多智能体系统的同步最优控制

研究了一类带有输入受限的领导者-追随者多智能体系统的同步最优控制问题。该问题可以看作是一个图博弈问题。基于图博弈理论,首先为每个智能体定义了一个带有非二次型能量函数的性能指标,该性能指标同时依赖于智能体自身及其邻居的信息。然后,利用所定义的性能指标建立耦合的哈密顿-雅克比-贝尔曼(HJB)方程。通过求解HJB方程得到最优控制策略,使得每个追随者同步于领导者且最小化给定的性能指标。由于HJB方程的解析解难于获得,因此借助于强化学习方法利用Actor-Critic(A-C)神经网络在线学习得到近似最优解。通过稳定性分析可以证明所得近似最优控制策略使得闭环系统所有状态一致最终有界,并且收敛到交互纳什均衡。最后,通过仿真实验验证所提同步最优控制算法的有效性。