无人直升机自抗扰自适应轨迹跟踪混合控制

为满足无人直升机高精度轨迹跟踪的控制需求,并降低直升机动力学模型误差对飞行控制器飞行控制效果产生的影响,提出自抗扰自适应直升机混合控制.该控制器的内环控制采用模型跟随自适应控制,通过使用动量反向传播算法(MOBP)对该内环控制参数进行实时优化.通过使用自抗扰控制(ADRC)对直升机的水平速度进行控制.仿真结果表明,该混合控制器能够实现直升机对预定轨迹的跟踪.相对PID和级联ADRC控制,该控制器具有更好的抗扰性和鲁棒性.通过在200 kg级的专业植保无人直升机XV-2上搭载所提出的控制器,使其自主飞行轨迹跟踪控制的均方根误差在0.6 m以内.     

小型无人直升机纵向和横向动力学的鲁棒反推控制(英文)

研究了阵风情况下悬停飞行模式中的无人直升机的纵向与横向位置的稳定性问题.由于通用的线性模型成功地描述了大多数小型直升机的行为,其被用来设计控制器.基于控制Lyapunov方法,一种递归(反推)设计流程被用来设计纵向和横向动力学的鲁棒控制器.为了比较,我们基于线性二次调节器(LQR)准则设计了另一种控制器.仿真结果表明,所提出的反馈控制器能有效地减弱阵风的影响,在阵风下能够实现纵向和横向位置的快速、准确跟踪.     

一类基于 RBF 网络机械手的轨迹稳定跟踪控制

目的 针对具有外界干扰不确定性的柔性关节机械手实际轨迹跟踪稳定性问题,提出一种自适应动态面控 制与神经网络相结合的方法。 方法 对于非线性系统中的函数以及未知参数,根据径向基函数(RBF)神经网 点对其进行逼近,并对来自外界对系统的干扰项,通过设计阻尼项将其补偿,再根据动态面的相 络的特 关知识对该非线性 系统中的控制器进行设计且实现关节轨迹跟踪控制。 结果 仿真结果表明:在非线性系统中,该方法能够克服干扰 不确定性项,实现机械手连杆转角 q 较好的跟踪效果,误差缩在 5%以内,具有较强的跟踪稳定性,且随着时间的进 行,跟踪误差愈发减小且趋向于 0,对于参数的估计以及逼近都达到了理想的阈值。 结论 该方法保证了闭环非线 性系统半全局稳定,又可利用参数调节的方式达到跟踪误差任意小,且设计的控制器不但保证了机械手的位置跟 踪稳定性,而且很好地解决了跟踪抖动问题。     

小型四旋翼无人直升机自适应优化控制

摘要： 针对小型四旋翼无人直升机姿态稳定及位移跟踪控制问题,提出了一种新的控制方法.根据牛顿 欧拉方程及刚体理论建立了小型四旋翼直升机的动力学模型,并利用二次拟合实验建立了旋翼升力和输入控制信号之间的关系模型.将自适应优化 (Adaptive Control Optimization,ACO)控制方法运用于小型四旋翼直升机控制系统中,实现了小型四旋翼直升机的姿态稳定及位移跟踪控制.实际飞行实验表明,自适应优化控制方法在小型四旋翼直升机姿态及位移控制中相对于传统的自适应控制方法,具有很好的实时性和鲁棒性.     

具有状态约束的随机非线性系统的自适应跟踪控制

对于一类严格反馈的随机非线性系统,本文构造了一个自适应跟踪控制器.在本文中,系统状态被约束在一个紧集内.通过构造一个tan-型的障碍李雅普诺夫函数并且使用backstepping技术,提出了一个自适应控制方案.所提出的控制方案保证了输出误差收敛到零的一个小邻域内,并且闭环系统中的所有信号都是有界的.仿真结果验证了该方法的有效性.     

基于神经网络的欠驱动水下机器人地形跟踪控制

为实现欠驱动自治水下机器人(AUV)的精确地形跟踪控制,设计了一种自适应神经网络控制器.采用径向基神经网络估计时变水动力阻尼引起的AUV模型不确定部分和外界海流干扰,设计自适应学习律来实现神经网络权值的最优估计.基于李雅普诺夫稳定性理论分析了跟踪控制系统的稳定性,设计的控制器可以使闭环误差系统渐近稳定且系统状态有界.仿真实验中选择实际测量得到的期望随机真实地形进行跟踪实验,并且要求AUV相对地形保持一个恒定的高度偏差.结果表明,该控制方法可以有效地降低模型非线性和不确定性引起的扰动,具有较高的跟踪精度,满足实际工程需求.     

基于指令滤波的全状态约束海洋水面船舶有限时间轨迹跟踪控制

该文研究了由外部时变干扰和模型不确定性构成的复合扰动作用下,具有全状态约束的海洋水面船舶(MSV)的有限时间轨迹跟踪控制问题.首先,引入有限时间扰动观测器来精确估计由外部扰动和模型不确定性构成的复合扰动.其次,将障碍李雅普诺夫函数、反步法和有限时间稳定性理论相结合,实现全状态约束.采用有限时间指令滤波器对虚拟控制律求导...     

机器人的自适应分散跟踪控制

提出了一种自适应分散控制策略,用于不确定性机器人的轨迹跟踪,该控制器结构简单,而且无需计算回归矩阵,通过对二自由度的机器人的仿真,证明该方法能使跟踪误差快速趋近于零.     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

关于微分方程组的解对部分变元的渐近稳定性

本文给出了一个关于部分变元渐近稳定性的判定定理,推广了有关文献中的有关结果。     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

采用模糊扩张状态观测器的四旋翼无人机滑模轨迹跟踪控制

针对四旋翼无人机(UAV)的轨迹跟踪控制存在外界未知扰动的问题,提出一种基于模糊扩张状态观测器的非奇异快速终端滑模控制算法.首先,根据双闭环控制结构分别对姿态内环、位置外环引入模糊扩张状态观测器,利用该观测器对系统所受到外部总扰动进行在线估计.然后,根据模糊扩张状态观测器的观测值,设计非奇异快速终端滑模控制器,保证四旋翼无人机的状态变量可在有限时间内收敛于期望轨迹.最后,根据李亚普诺夫理论,得出四旋翼无人机系统的闭环稳定性,并通过仿真对比实验验证该控制算法的优越性.结果表明：所提的控制算法可以提高跟踪性能,并有效增强系统的抗外界干扰能力.     

飞艇森林巡防轨迹跟踪的滑模控制

为实现无人飞艇在森林巡防时的轨迹跟踪控制, 针对飞艇飞行运动的非线性、 耦合等特点, 提出一种滑模控制方法。基于牛顿第二定律等定理推导飞艇巡防飞行的精确数学模型, 并通过选取状态向量和控制向量, 将其数学模型描述为非线性控制系统。通过泰勒级数展开将非线性系统简化为线性系统, 并设计滑模控制律, 同时采用饱和函数的方法抑制了滑模控制中的抖振问题。基于Lyapunov稳定性理论证明了所设计控制系统的稳定性。仿真结果表明, 该方法的轨迹跟踪效果较为理想, 可实现无人飞艇对期望轨迹的精确跟踪。     

基于DFL的地面运动基座轨迹跟踪控制

为解决地面运动基座的轨迹跟踪控制问题, 基于其动力学模型, 利用动态反馈线性化技术实现了系统的完全状态反馈线性化。根据线性系统理论设计轨迹跟踪控制器, 并采取时变控制器增益的方法在满足控制力矩饱和约束的同时取得了良好的跟踪效果。Matlab 仿真结果显示, 采用该方法设计的轨迹跟踪控制器可使系统跟踪期望轨迹, 采取时变控制器增益的方法可使系统在跟踪过程中既满足了控制力矩饱和约束, 取得了良好的跟踪性能。与其他设计方法相比, 该方法能很好地将控制力矩饱和的情况考虑在内, 控制器设计简单且具有良好的稳定性。     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

基于DRNN的机器人轨迹跟踪自适应控制

针对模型未知和动力学非线性机器人轨迹跟踪,提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法．该方法在ＰＤ动态反馈控制的基础上,引入神经网络辨识器（ＮＮＩ）在线逼近对象的非线性动力学,并设计出神经网络自适应控制器（ＮＮＣ）来补偿机器人动力学非线性造成的误差．仿真结果表明该控制方案具有良好的跟踪性能和较强的鲁棒性．     

非完整移动机器人轨迹跟踪的最优模糊控制

针对非完整机器人动力学的高度非线性、不确定性以及不能采用连续状态反馈实现渐近稳定等特点,提出了基于遗传算法的非完整移动机器人轨迹跟踪的最优模糊控制方案,通过遗传算法对模糊规则进行优化,有效地确定出模糊逻辑控制器的结构和参数,从而达到理想的跟踪特性,数字仿真实例表明这种方法是可行的。     

基于轨迹线性化控制方法的全驱动自主式水下航行器轨迹跟踪控制

基于轨迹线性化控制(Trajectory Linearization Control,TLC)方法研究了全驱动自主式水下航行器（AUV）的轨迹跟踪控制.利用微分方程奇异摄动理论中的时标分离思想,将全驱动AUV的轨迹跟踪控制系统分成快、慢回路,分别基于轨迹线性化思想设计出快、慢回路控制器;利用Lyapunov稳定性理论对闭环控制系统进行了稳定性分析,通过AUV爬升转弯过程的仿真验证了该控制方法的有效性.     

火灾预警巡检机器人轨迹跟踪控制

针对如何减小火灾预警巡检机器人在目标轨迹跟踪过程中产生的角度和距离偏航问题,提出一种基于Backstepping的轨迹跟踪快速响应控制算法。首先根据机器人行驶偏差与轮速之间的关系,推导出移动机器人运动学模型,利用Backstepping构造出跟踪控制器,在控制器中引入虚拟反馈函数,调节控制器的跟踪效果;然后借助Lyapunov稳定性理论证明收敛性;最后,借助仿真实验和实物验证算法的有效性。研究结果表明所提出的轨迹跟踪控制方法可以使机器人减少轨迹跟踪过程中的误差,并最终使系统趋于稳定。     

液压四足机器人髋关节的鲁棒自适应动态面控制

液压四足机器人髋关节由伺服阀控缸系统构成,是机械腿的关键组成部分.它的控制性能直接影响着机械腿甚至机器人的运动控制精度.因为髋关节工作情况的复杂性和阀控缸系统自身的非线性,使得传统控制算法无法满足机器人运动性能指标的要求.由此,本文对液压四足机器人髋关节伺服阀控缸系统的控制方法进行了研究.首先通过对髋关节工作条件的分析完成了伺服阀控缸的数学建模,然后基于鲁棒自适应动态面的控制算法设计了伺服阀控缸系统的控制器,并从李雅普诺夫稳定判据的角度证明了系统的稳定性.最后通过Matlab与AMESim的联合仿真,对鲁棒自适应动态面与传统PID及普通动态面的控制效果做出对比,证明了所研究算法的有效性.