基于DSC和MLP的欠驱动船舶自适应滑模轨迹跟踪控制

针对存在船舶动态不确定和外界干扰的欠驱动水面船舶轨迹跟踪控制问题,提出一种基于动态面控制(dynamic surface control,DSC)和最小学习参数法(minimal learning parameter,MLP)的自适应滑模控制方法。在控制律的设计过程中,为实现位置跟踪误差的收敛,利用反步法设计船舶前向速度和横漂速度的虚拟控制律镇定轨迹跟踪误差;引入DSC技术,用于消除反步法对虚拟控制求导引起的“微分爆炸”问题;另外,采用MLP技术,以单参数在线学习代替所有权值在线学习,减少控制器的计算量,避免出现“维数灾难”问题,并结合带有“σ-修正”的自适应律,防止参数漂移,易于工程的实现。稳定性分析证明了所设计控制律可以保证轨迹跟踪船舶闭环系统中轨迹跟踪误差信号一致最终有界,仿真结果验证了所设计控制器的有效性。     

基于混合模糊P+ID控制的欠驱动AUV路径跟踪控制及仿真

针对欠驱动自主水下机器人(AUV)水平面路径跟踪控制问题进行研究。基于解析形式描述的单输入模糊控制器,提出了一种混合模糊P+ID控制算法。将其应用于欠驱动AUV路径跟踪控制中的趋近角跟踪控制,研究了控制器设计和参数调节方法,并采用小增益定理对基于混合模糊P+ID控制的趋近角跟踪控制系统的稳定性进行了分析。最后,采用欠驱动AUV非线性动力学模型进行仿真研究,结果表明基于提出的混合模糊P+ID控制的欠驱动AUV路径跟踪控制系统具有很好的鲁棒性和适应性,AUV能够精确跟踪预规划的航行路径。     

基于干扰观测的欠驱动无人艇自适应航迹跟踪控制算法

研究了欠驱动无人艇在外界干扰条件下的航迹跟踪控制问题,提出了一种基于干扰估计与补偿的航迹跟踪控制算法,实现了风浪流干扰环境下航迹的精确跟踪。算法引入纵向误差作为状态变量对扩张干扰观测器进行设计,实时估计干扰的稳态分量,相比于传统的基于输出反馈干扰估计算法,其灵活性、可控性更高;同时基于纵向跟踪误差的状态估计误差,设计扩张干扰观测器变增益因子,相比于基于常增益观测器的航迹跟踪算法其能够在实现干扰补偿的前提下,有效减小航迹跟踪收敛段的震荡。基于李雅普诺夫稳定性理论证明了级联控制系统与干扰观测系统在平衡点的半全局指数稳定性,通过仿真对比实验及分析证明了所提航迹跟踪算法的有效性和先进性。     

欠驱动平面机械手自适应模糊滑模控制

采用自适应模糊滑模控制策略来实现欠驱动平面机械手的位置控制，定义滑模面为模糊输入，减少了模糊规则数量，模糊输出为通过自适应律在线调整幅值的单值函数，利用李亚普诺夫稳定性理论推导出自适应调整律，保证了系统的稳定性，提出的控制器由一个模糊滑模控制器和一个辅助控制器构成，模糊滑模控制器用来实现与滑模控制相等的控制律，辅助控制器用来补偿两者的差值，仿真结果表明了提出控制器的有效性和可行性。     

带非线性观测器的欠驱动船舶自适应动态面输出反馈轨迹跟踪控制

针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的\"微分膨胀\"问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。     

欠驱动VTOL空间飞行器系统的非线性跟踪控制

研究了欠驱动VTOL(垂直上升和垂直着陆)空间飞行器在各种输入耦合时的非线性跟踪控制问题。VTOL空间飞行器是具有三个自由度,两个控制输入的欠驱动系统。首先,通过控制输入和坐标变换,系统的动力学方程被变换成二阶链式形式。其次,利用后推法(backstepping)的思想推导出保证系统渐近收敛于给定轨迹的时变反馈控制规律。该方法将系统分解为低阶子系统来处理,利用中间虚拟控制变量和部分Lyapunov函数简化了控制器的设计。仿真结果证明了所设计控制器的有效性。     

欠驱动机械臂无源-自适应迭代学习控制

针对一类欠驱动串联机械臂,基于其动力学方程的变换,提出了一种分步控制策略。该策略首先利用全驱动关节与欠驱动关节之间的动力学耦合,驱使欠驱动关节达到理想位置进而对其进行锁定。由于欠驱动关节理想夹角的随机性,使得锁定欠驱动关节后的机械臂成为一结构不确定系统。针对此类系统,结合迭代学习和耗散控制理论,提出了一种无源-自适应迭代学习控制方法,使其能够进行轨迹跟踪。通过对三连杆机械臂的仿真验证了其有效性及实用性。     

基于强跟踪滤波器的自适应常加速模型及跟踪算法

建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服\"当前\"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对\"当前\"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比\"当前\"统计模型算法具有更高的跟踪精度.     

欠控制方向非线性系统的鲁棒自适应控制

针对一类控制方向未知且具有未建模动态的非线性系统,提出了一种鲁棒自适应控制策略.算法推广了已有的鲁棒自适应非线性控制方法.控制算法保证闭环系统所有信号是一致终值有界的.同时,通过调整控制器设计参数,闭环系统能够实现期望的性能要求.仿真结果进一步说明了理论分析的有效性.     

基于神经网络的机械臂分散自适应跟踪控制

提出了一种适用于机械臂的基于神经网络的分散自适应轨迹跟踪控制方法。将机械臂的轨迹跟踪控制系统考虑为由多个非线性关联组成的不确定性复杂系统,采用分散控制方法进行控制器设计。在对每一子系统设计控制器时,采用直接反馈线性化,利用控制器构建伪线性系统,并引入神经网络自适应环节消除干扰、关联及逼近误差,从而使所提出的控制方法能够保证系统状态有较高的跟踪精度,且算法简单,易于实现。仿真表明,该算法能保证较高的跟踪效果。