基于模糊控制的高超声速飞行器二阶滑模姿态控制

考虑高超声速飞行器飞行过程中气动参数变动导致的不确定,将模糊控制与二阶滑模控制相结合,形成自适应模糊二阶滑模控制器,用于控制高超声速飞行器姿态的飞行系统中.依据奇异摄动理论,设计快速和慢速双闭环系统控制角速率和姿态角.设计二阶滑模控制器用于有效地衰减抖振,同时对姿态角指令实现准确和快速跟踪.采用自适应模糊逻辑逼近高超声速飞行器动力学和运动学模型中的不确定部分,以对控制器进行有效补偿,基于Lyapunov稳定性理论,推导模糊规则参数的自适应律,确保整个闭环控制系统的稳定.仿真结果表明,所提出的高超声速飞行器的自适应模糊滑模控制系统能够有效抑制气动参数摄动的影响,对姿态角指令有较好的跟踪性能.     

基于Backstepping的高超声速飞行器模糊自适应控制

提出了高超声速飞行器的模糊自适应控制方法.根据飞行器纵向模型的特点,分别设计了基于动态逆的速度控制器和基于Backstepping的高度控制器,模糊自适应系统用来在线辨识飞行器模型由于气动参数的变化而引起的不确定性,采用Lyapunov理论设计的自适应律保证了系统的稳定性与指令跟踪的精确性.仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了较满意的控制效果.     

永磁同步电机的自适应反演滑模变结构控制

针对永磁同步电机提出一种基于反演的PMSM自适应滑模控制方案.设计基于反演的滑模变结构位置控制器,通过RBF神经网络实现系统参数变化和外部负载扰动等引起的不确定上界值的在线辨识,减小滑模控制器的控制量,并引入饱和函数来减弱系统的"抖动"现象.理论分析和仿真结果对比表明,基于RBF神经网络的自适应反演滑模控制对参数变化和外部负载扰动具有很好的鲁棒性,永磁同步电动机获得了很好的跟踪效果.     

高超声速飞行器基于Back-stepping的离散控制器设计

根据高超声速飞行器纵向模型的特点,提出了基于Back-stepping的离散控制器设计方法.首先通过合理的简化,将飞行器的模型转化为连续非线性系统的严格反馈形式;然后采用欧拉法得到其近似的离散模型,根据近似离散模型并结合Back-stepping和反馈线性化方法,设计了高超声速飞行器的离散控制器.利用高超声速飞行器的纵向模型对算法进行仿真验证,得到了较为满意的控制效果.     

输入饱和及带宽限制下高超飞行器的闭环稳定边界研究

针对于吸气式高超声速飞行器开环不稳定的动力学特性,研究了控制信号存在饱和约束及带宽限制条件下的闭环稳定边界.首先,简要介绍了吸气式高超声速飞行器的建模方法与动力学特性的主要问题.考虑到飞行器控制信号的幅值限制及带宽约束,综合高超声速飞行器的开环不稳定特性,定量地分析了系统的闭环稳定边界:与系统不稳定极点的位置,其对应的左特征向量及控制信号的幅值约束有关;执行器的带宽限制在此基础上进一步缩小了反馈控制系统的稳定边界.根据高超声速飞行器短周期不稳定特性,解析地给出了闭环稳定边界的计算公式.采用蒙特卡洛分析方法对闭环系统的稳定边界及滑模变结构控制器作用下的稳定区域进行验证.仿真结果与理论分析具有一致性,验证了系统开环特性对于闭环稳定性的限制及控制信号带宽约束对稳定性的影响.     

基于模型参考的高超声速飞行器自适应滑模控制

针对高超声速飞行器过渡段的姿态控制问题,提出一种基于模型跟踪的自适应滑模直接力/气动力复合控制方法;该方法选择法向过载和俯仰角速率作为状态变量,实现了系统全状态反馈,在滑模控制中通过引入自适应机制克服吸气式冲压发动机不同工作状态引起的被控模型参数不确定性,利用Lyapunov理论证明了闭环系统全局渐近稳定性;不同条件下仿真结果表明,所设计方法对攻角指令有较好的跟踪效果,对模型不确定性具有较好的鲁棒性.     

基于预测控制的高超声速飞行器容错控制器设计

针对存在升降舵面偏转角卡死故障的高超声速飞行器,提出一种基于预测控制的容错控制器设计方法.利用输入输出反馈线性化,对高超声速飞行器纵向模型进行变换;对于速度和高度的高阶导数以及故障项,设计扩张状态观测器在线观测;采用泰勒展开得到预测模型,建立连续预测控制器,分析证明闭环控制系统的稳定性和观测误差的有界性.仿真结果验证了所提方法的有效性.     

带有干扰观测器的高超声速飞行器滑模控制

针对高超声速飞行器非线性和易受干扰影响的特点,提出了带有扩张状态干扰观测器的连续滑模控制方法.在对飞行器非线性模型做线性化处理的基础上,设计了一种连续时间滑模控制器.该控制器在对不确定性和未知动态保持鲁棒性的基础上,消除了传统滑模中存在的抖振现象.对系统中存在的外加干扰,设计了扩张状态干扰观测器.将外加干扰作为系统的一个状态变量被估计出来,再将估计值用作滑模控制器的补偿量,进而达到消除外干扰的目的.在高超声速飞行器巡航飞行状态的基础上进行了仿真.仿真结果表明,所提出的方案能够满足控制要求.     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.