自适应反演滑模转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反演滑模神经网络的转台鲁棒控制器设计。自适应反演滑模控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识。仿真结果表明,基于RBF神经网络的自适应反演滑模控制很好地克服对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制。     

基于非线性干扰观测器的转台反演鲁棒控制研究

针对转台系统三框耦合干扰和不平衡负载干扰等非线性因素的影响,提出了基于非线性干扰观测器的转台鲁棒Backstepping控制器.首先,阐述了鲁棒反演控制器的设计及稳定性证明;其次,通过设计并选择合适参数的NDO控制器,并进一步保证NDO控制器的全局指数稳定性及其有效性.实验仿真表明,这种新型鲁棒控制器能够很好地克服了转台现存的非线性因素影响,非常适合高精度飞行仿真转台系统的鲁棒控制.     

基于扩张状态观测器的飞行仿真转台鲁棒控制

飞行仿真转台作为半实物仿真和测试的关键设备,其性能直接影响仿真实验和测试结果的可靠性。针对飞行仿真转台容易受到外界干扰和参数变化影响的特点,研究了基于扩张状态观测器的鲁棒控制方法。根据系统参数的辨识程度设计了两种不同的扩张状态观测器。利用扰动估计值进行动态补偿使被控对象线性化,并在此基础上设计了等效速度和加速度前馈。根据扩张状态观测器不能完全估计扰动的特点引入滑模控制项以增强系统鲁棒性。实验表明提出的方法针对飞行仿真转台系统的不确定性具有很强的鲁棒性,并具有良好的跟踪性能。     

基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

仿真转台的神经网络复合控制

介绍了一种神经网络复合控制方法，即在不抛弃众多工程技术人员所熟悉的经典控制方法的基础之上，采用神经网络控制来处理系统中的各种非线性及不确定性。给出了神经网络的迭代算法，讨论了系统的稳定性问题，并将该方法应用于高精度三轴飞行仿真转台的实时自适应控制中。实验结果表明了该控制方法的有效性。     

一类输入受限的不确定非线性系统自适应Backstepping变结构控制

针对一类输入受限的不确定非线性系统,提出了一种自适应Backstepping变结构控制器设计方法。建立了受未知非线性特征约束的执行器故障模型,可以描述系统存在死区、齿隙、饱和、滞回等输入受限情形以及可能发生的执行器失效、卡死等故障情形。设计径向基函数神经网络补偿未建模动态项,引入一阶低通滤波器避免了Backstepping控制中的计算复杂性问题。自适应近似变结构控制能够有效削弱控制信号抖振。理论分析和仿真实验结果证明,提出的自适应鲁棒控制律能够在输入受限的情况下自适应地调节控制输入,使得闭环系统稳定且满足控制性能要求。     

飞行仿真转台模糊神经网络补偿的复合控制

针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

基于动态模糊神经网络的飞行仿真模拟转台控制

给出了一种新型的动态模糊神经网络及其详细的推理过程和参数迭代算法，并应用于高精度飞行仿真模拟转台控制，控制方法结合了神经网络、模糊推理和动态反馈控制的优点，结构简单、收敛速度快、实时性好。实际控制效果表明该控制方法比PID 前馈控制具有更好的控制性能，并且具有更强的抗干扰能力和鲁棒性。     

某型飞行模拟转台数学模型的建立及其简化方法研究

这篇文章根据飞行控制系统半实物仿真对飞行模拟转台的要求，提出了建立转台数学模型的必要性，扼要介绍了转台的建模方法，给出了某型转台的完整数学模型；在此基础上，讨论了“频带覆盖”与系统分析相结合的模型同化方法，得到了能反映系统基本特性的简化模型，并根据系统的实测结果对简化模型进行了校验，为研究飞行模拟转台对飞控系统仿真结果的影响创造了条件。     

并行双倒立摆系统的鲁棒同步控制

基于非线性系统反馈线性化方法,得到了倒立摆系统的局部反馈线性化模型,并构造非奇异坐标变换使系统满足特定的形式,采用Backstepping方法设计了倒立摆系统的鲁棒稳定控制器。进而根据所定义的系统同步误差设计了并行双倒立摆系统的鲁棒同步控制器。采用该同步控制器,在实际的实验装置上进行了实时控制实验。实验结果表明,所设计的同步控制器实现了倒立摆装置的稳定平衡以及小车的定点控制和正弦指令信号的精确跟踪,并且令两个装置间达到了同步运动。     

不确定非线性系统自适应滑模跟踪控制及应用

针对一类非匹配不确定非线性系统,设计了一种高阶鲁棒自适应反推滑模变结构控制方法。在控制器设计中,考虑存在系统建模误差和外界未知干扰,借鉴动态面思想降低控制器复杂性,引入双曲正切函数和抖振衰减因子降低控制输入抖振,设计系统建模误差自适应律增强控制器鲁棒性,并将系统的稳定性证明简化为判断一个n阶对称矩阵的正定性问题。将设计的反推滑模控制器用于F-8飞机纵向机动控制并进行仿真,实现了飞机对指定轨迹的稳定跟踪。     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

Adaptive Robust Dead-Zone Compensation Control of Electro-Hydraulic Servo Systems with Load Disturbance Rejection

A backstepping method based adaptive robust dead-zone compensation controller is proposed for the electro-hydraulic servo systems(EHSSs) with unknown dead-zone and uncertain system parameters.Variable load is seen as a sum of a constant and a variable part.The constant part is regarded as a parameter of the system to be estimated real time.The variable part together with the friction are seen as disturbance so that a robust term in the controller can be adopted to reject them.Compared with the traditional dead-zone compensation method,a dead-zone compensator is incorporated in the EHSS without constructing a dead-zone inverse.Combining backstepping method,an adaptive robust controller(ARC) with dead-zone compensation is formed.An easy-to-use ARC tuning method is also proposed after a further analysis of the ARC structure.Simulations show that the proposed method has a splendid tracking performance,all the uncertain parameters can be estimated,and the disturbance has been rejected while the dead-zone term is well estimated and compensated.     

基于非线性干扰观测器的高超声速飞行器反演滑模控制

针对高超声速飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,利用非线性干扰观测器对各种干扰的逼近特性,结合反演滑模控制,设计了一种飞行器反演滑模控制器。该方法首先利用干扰观测器观测出系统的干扰,未观测出的部分干扰使用反演滑模控制进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了系统稳定性。仿真结果验证了该方法能较理想地观测干扰,保证系统良好的鲁棒性。     

鲁棒自适应输出跟踪控制在船舶操纵中的应用

针对带有未知控制增益、常参数不确定性以及外部扰动的船舶运动非线性模型，将自适应逆推技术与Nussbaum增益方法相结合，提出一种新的非线性自适应鲁棒控制策略，实现了船舶运动航向渐近跟踪控制。在所得控制器作用下的系统性能不仅能够通过设计参数而得到保证，且可克服控制器奇异值问题。设计过程及数字仿真结果均表明，所设计的自适应非线性跟踪控制器对不确定性具有良好的适应性及鲁棒性。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

一类非线性系统的动态面二阶滑模控制

针对一类具有非匹配不确定的严格反馈非线性系统,基于动态面控制和二阶滑模控制设计方法,进行一种新颖的状态反馈控制器设计,实现了不确定系统任意小的跟踪误差。动态面控制类似于反演设计,但其包含一系列低通滤波器;低通滤波器允许控制对象数学模型不可微,这样就避免了反演设计所存在的"膨胀项",减少了计算量,易于实现。同时,由于引入二阶滑模控制,消除了传统滑模控制(一阶滑模控制)存在的抖振现象,既增强了控制系统的鲁棒性,又提高了系统的控制精度。