无人机自主精确着陆控制律设计及仿真研究

将无人机对理想着陆轨迹精确跟踪能力和抗干扰能力的要求分开考虑,从精确输出跟踪和鲁棒性两个角度综合自主着陆控制律.针对着陆过程中动态方程的非最小相位特性,利用在线稳定逆产生用于着陆轨迹精确跟踪的前馈输入和状态参考轨迹.将建模误差等不确定性和外干扰看成为广义干扰,利用一个构造性的非线性干扰观测器对其进行观测.在干扰观测器的基础上设计滑模控制器对状态参考轨迹跟踪的误差系统进行鲁棒镇定.仿真结果表明,设计的自主着陆控制律能精确跟踪理想着陆轨迹,并有很好的鲁棒性和抗干扰性.     

不确定非线性系统的自适应输出机动控制

针对不可控不可稳定线性化的非线性系统,研究了鲁棒自适应输出机动控制问题。在未知时变参数的界未知的情况下,利用增加幂积分技术和鲁棒递推设计方法,构造了光滑自适应机动控制器。该控制器不仅能使闭环系统的输出以任意小的跟踪误差跟踪理想的参考路径,而且沿该路径还满足一定的动态任务,即可以使跟踪速度以任意小的误差跟踪预先给定的理想速度。仿真结果表明了该方法的有效性。     

含有铁磁迟滞非线性系统的反步控制及仿真

铁磁迟滞特性反映的是磁性材料中的迟滞作用.研究一类含有铁磁迟滞特性的不确定非线性系统的跟踪控制问题.将铁磁迟滞模型近似处理成线性输入项和有界的非线性扰动项,使得控制器设计易于实现.将迟滞模型融入控制器的设计过程中有效地消除了迟滞作用对系统的影响,避免了构造复杂迟滞逆模型需要精确迟滞模型表达式的限制.采用自适应反步控制方法,所设计的控制器使系统的输出快速跟踪上给定信号,跟踪误差在一个很小的范围内波动,保证了闭环系统的全局稳定.仿真研究验证了该设计方法的有效性.     

基于预测控制的NCS时延补偿算法

针对网络控制系统(networked control system, NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization, PSO)的最小二乘支持向量机(least square support vector machine, LS-SVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。     

一种新的基于模糊预测的实时运动跟踪算法

针对模糊规则基难以自动在线设计问题,提出一种利用观测数据直接构造模糊规则基中心的新方法,并将其用于对运动过程的准确预测。该方法首先用较少的有限次状态和误差的观测数据,在不同时刻直接构造状态和误差的模糊规则基中心,然后,根据最大熵原理,求取当前状态的隶属度函数值。为使此方法适合于不同状态的运动跟踪,在确定最大熵原理的关键参数中,不使用经验方法,而利用粒子群算法在规定的进化代数内求取参数,在保证实时性要求的前提下,完成对参数的优化。为提高模糊推理的精确性,在模糊推理中设计加权因子,对下时刻的状态和预测误差进行预测,利用预测误差对预测状态进行修正。预测误差仅由有限次测量数据决定,消除了误差累积现象。分别对两类不同的运动进行对比跟踪实验,结果表明,此方法具有对先验知识的弱依赖性,较强的实时性和较高的预测精度。     

基于模型预测控制的智能车辆避障跟踪仿真

针对智能车辆的避障跟踪控制问题,设计一种模型预测控制器。该控制器采用分层结构,上层基于非线性车辆点质量模型在避障时进行局部路径规划,下层基于单轨车辆动力学模型实现路径跟踪。通过Carsim和Matlab联合仿真,利用粒子群算法在线优化控制器参数,以不同的速度测试控制器性能,仿真结果表明：控制器具有良好的鲁棒性和实时性,跟踪误差较小,在单个和多个障碍物情况下,通过分层控制均实现了平稳避障并重新跟踪上原路径,表明控制器准确性高。     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

基于小波基函数和Hammerstein模型的预测函数控制

针对实际对象的多变性和传统的预测函数控制只能对预测时域内有限的几个拟合点进行拟合,而未考虑整个预测时域整体逼近误差性能优化的问题,提出一种基于小波基函数和Hammerstein模型的预测函数控制方法.内部模型参数通过不断辨识,进行自适应校正.利用小波的紧支局部性和多尺度分析特性,既保证了整体误差性能的优化,又突出了重要拟合点的逼近要求,并实现了优化变量的集结.理论分析和仿真应用表明,该方法有更好的快速性和抗模型失配性能.     

基于逆滤波处理的雷达干扰效果在线评估方法

非合作的干扰效果在线评估是实现自适应干扰及认知电子对抗闭环的关键问题和难点问题。对此,提出一种基于逆滤波处理的雷达干扰效果在线评估方法,通过感知得到的雷达系统外部状态,利用逆滤波处理估计雷达系统内部跟踪误差,进而实现对应雷达干扰样式的干扰效果在线评估和干扰参数实时优化。首先对逆滤波处理实现雷达跟踪误差估计问题进行建模,然后针对杂波背景下的雷达滤波算法进行逆滤波处理推导。具体设计了针对拖引欺骗干扰的干扰效果在线评估和干扰参数优化方法,最后以对抗导引头雷达的距离门拖引干扰为例进行了数字仿真验证,实验结果验证了所提方法的可行性和有效性。     

基于H∞鲁棒动态逆的飞行器轨迹跟踪方法

利用非线性动态逆方法的精确线性化功能,结合H_∞控制理论,提出了一种阻力加速度能量标准轨迹的跟踪方法。通过动态逆将非线性的高超声速飞行器系统等效为线性对象,继而考虑非结构不确定性及参数不确定性,采用H_∞控制理论设计外回路鲁棒控制器,实现了标准轨迹的精确跟踪,同时给出了闭环系统的鲁棒稳定性证明。仿真结果验证了该方法的有效性。     

Predictive Control with Velocity Observer for Cushion Robot Based on PSO for Path Planning

This paper proposes a novel model predictive control method with velocity estimation simultaneously constraining trajectory and velocity tracking errors for a cushion robot. The authors investigated a path planning method using improved particle swarm optimization(PSO) combined with Dijkstra's algorithm and obtained a real-time desired optimal motion path for obstacle avoidance.The authors designed a velocity observer to estimate the unmeasurable speed, while the asymptotic stability of the observer error system was established. A predictive controller with error-constrained performance was derived by solving a quadratic programming problem with incremental control. Simulation and experimental results confirm the effectiveness of the proposed method and verify that the error constraints adopted in the cushion robot provide safe motion while avoiding obstacles.     

线性三层降秩神经网络的广义逆矩阵训练算法

先是到计算矩阵的广义逆的一种有效算法，即正交反向传播（OBP）算法。利用OBP算法。经有限次迭代即可以得到矩阵广义逆的精确解。然后利用OBP算法来讨论线性三层秩网络的训练问题。经过有限次迭代就可得到网络的误差函数的全局最优解，且不存在任何收敛性问题。     

ADAPTIVE PRACTICAL OUTPUT MANEUVERING CONTROL FOR A CLASS OF NONLINEAR SYSTEMS

This paper deals with the adaptive practical output maneuvering control problems for a class of nonlinear systems with uncontrollable unstable linearization. The objective is to design a smooth adaptive maneuvering controller to solve the geometric and dynamic tasks with an arbitrary small steady tracking error. The method of adding a power integrator and the robust recursive design technique are employed to force the system output to track a desired path and make the tracking speed to follow a desired speed along the path. An example is considered and simulation results are given. The proposed design procedure can be illustrated by the use of this example.     

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统（NCS）中的随机时变时延,提出了一种用最小二乘支持向量机（LS-SVM）预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数（RBF）作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

基于梯度下降法的自适应模糊控制系统研究

一般的二维模糊控制器的输出控制量是误差和误差变化率的固定函数，对于时变、不确定性被控对象难以取得预期的效果。针对该问题，引入梯度下降学习算法，修正输入输出变量高斯型隶属度函数的均值和方差，使模糊控制系统具有自适应性。同时，澄清了王立新提出的梯度下降学习算法容易引起的一些混淆。给定信号分别选择阶跃信号、斜坡信号、加速度信号和正弦信号，作了仿真研究，仿真结果表明，该控制算法是可行的，有效的。     

An Efficient Constrained Model Predictive Control Algorithm Based on Approximate Computation

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＭｏｓｔｓｙｓｔｅｍｓａｒｅｓｕｂｊｅｃｔｔｏｃｏｎｓｔｒａｉｎｔｓａｎｄｔｈｅｄｅｓｉｇｎｏｆｃｏｎｔｒｏｌｌｅｒｓｆｏｒｓｕｃｈｓｙｓｔｅｍｓｉｓａｖｅｒｙａｃｔｉｖｅａｒｅａｏｆｒｅ ｓｅａｒｃｈｎｏｗａｄａｙｓ.Ｉｔｉｓｗｅｌｌ ｋｎｏｗｎｔｈａｔｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ (ＭＰＣ) ,ａｌｓｏｃａｌｌｅｄｒｅｃｅｄｉｎｇｈｏｒｉｚｏｎｃｏｎｔｒｏｌ(ＲＨＣ) ,ｈａｓｂｅｅｎｗｉｄｅｌｙａｎｄｓｕｃｃｅｓｓｆｕｌｌｙａｐｐｌｉｅｄｉｎｐｒｏｃｅｓｓｉ…     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

无人机鲁棒轨迹线性化控制航迹跟踪设计

研究一种鲁棒轨迹线性化控制方法并将其应用于无人机(unmanned aerial vehicle, UAV)航迹跟踪控制设计。通过理论分析指明传统轨迹线性化控制方法对系统中的不确定性存在鲁棒性不足的问题,采用改进隐层自适应神经网络对不确定性进行补偿,并利用Lyapunov理论证明了跟踪误差的有界性,最后将该方法应用到无人机三维航迹跟踪控制中。仿真结果表明,当参数摄动在20%时,该控制方法仍能使UAV很好地跟踪理想航迹,从而验证了该方法的有效性。