饱和输入下四旋翼无人机滑模轨迹跟踪控制

为解决四旋翼无人机在饱和输入下的轨迹跟踪控制问题,同时兼顾系统存在的参数不确定性和外部风力扰动影响,设计了一种改进的抗干扰自适应鲁棒滑模控制方法;基于六自由度架构,设计四旋翼无人机简化的系统模型,进而降低控制器设计的复杂程度;引入带有误差信号的滑模函数,设计带有误差信号的饱和补偿自适应控制律,同时增加鲁棒控制项,降低由于饱和输入问题带来的抖振影响,并减小参数不确定和外部风力扰动对系统稳定性的影响;系统模型与抗干扰自适应控制律相结合,形成了改进的抗干扰自适应鲁棒滑模控制策略,实现四旋翼无人机的位置轨迹和姿态轨迹的稳定跟踪;最后通过数值仿真与传统PD控制算法进行仿真比较,验证控制方法的有效性和优越性。     

四旋翼飞行器的自适应二阶滑模控制

针对四旋翼飞行器参数变化的姿态控制问题,将自适应光滑二阶滑模控制方法应用于四旋翼飞行器控制系统.对于参数变化引起的模型不确定性部分采用滑模干扰观测器进行补偿,对姿态系统设计自适应光滑二阶滑模控制器,有效地减弱传统滑模控制的抖振,控制器参数的在线调整提高了系统的控制精度.基于Lyapunov理论证明了系统的有限时间稳定.数字仿真和实验结果都验证了所提控制方法的有效性.     

四旋翼无人机抗干扰轨迹跟踪控制

针对四旋翼无人机轨迹跟踪过程中存在的参数不确定与外界干扰问题,设计一种双闭环自适应控制策略.为了降低控制器设计复杂度,根据四旋翼无人机系统的欠驱动特性将系统分成姿态内环和位置外环.在扰动观测器的基础上,利用积分型反步控制算法完成无人机位置信息在外界干扰下的稳定跟踪控制.在扰动观测器的基础上,利用自适应滑模控制算法完成无人机姿态信息在参数不确定和外界干扰作用下的稳定跟踪控制.与传统PID控制和滑模控制进行仿真对比,验证所提出控制策略的优越性.     

四旋翼无人飞行器的轨迹跟踪与滑模事件驱动控制

四旋翼飞行器作为一个典型的欠驱动的系统,具有强耦合、非线性等特性.针对飞行器外部干扰、和通信资源受限条件下的轨迹跟踪控制问题,进行滑模事件驱动控制方法的研究.首先,分析动力学特性,通过时间尺度分解方法将系统解耦成位置子系统和姿态子系统.其次,将位置子系统转化为严格反馈形式,设计反步滑模控制器,实现位置轨迹稳定跟踪;针对姿态子系统存在时变有界扰动及通信受限,设计滑模事件驱动控制律,在抑制干扰的同时实现对虚拟姿态跟踪指令的跟踪.根据Lyapunov分析方法证明了所设计控制器的稳定性,并通过理论分析证明闭环控制系统不会出现Zeno现象.最后,仿真结果验证了滑模事件驱动控制律在存在外部扰动和通信受限时四旋翼无人飞行器轨迹跟踪的鲁棒性.     

基于扩张状态观测器的UCAV自适应滑模控制

针对固定翼UCAV（Unmanned Combat Aerial Vehicle）系统中存在的不确定性和外部扰动，设计了一种基于扩张状态观测器的自适应超扭曲滑模控制器用来抑制系统扰动，从而提高对于UCAV的控制性能。建立固定翼UCAV的六自由度非线性模型，针对姿态控制和速度控制分别设计扩张状态观测器对模型中难以精确测量的状态量和外部扰动进行估计，依据奇异摄动原理分别对姿态和速度设计自适应超扭曲滑模控制器，实现对UCAV的姿态和速度的跟踪控制。采用某型固定翼UCAV非线性模型对所设计的控制器进行仿真验证，并且与传统的自抗扰滑模控制方法进行了对比，仿真结果表明，基于扩张状态观测器的自适应超扭曲滑模控制器具有更小的超调量和稳态误差。     

四旋翼飞行器多模式稳定控制

针对四旋翼飞行器的飞行稳定问题,提出了一种多模式的控制策略.在系统建模时引入未知扰动.系统采用内外环控制的方式,外环为位置控制环,采用自适应RBF神经网络对扰动进行预测,并采用非奇异终端滑模控制器实现对未知扰动的补偿和位置跟踪,有效提高了系统的鲁棒性;内环为姿态控制环,采用具备3种姿态角解算模式的超螺旋非奇异终端滑模控制器,使姿态角保持在安全区间内,使飞行器更加稳定和安全.通过李雅普诺夫方程法证明系统的稳定性,并证明了系统误差可有限时间收敛.最后,通过仿真实验验证了所提出控制策略的有效性.     

四旋翼无人机姿态系统的非线性容错控制设计

本文研究了四旋翼无人机执行器发生部分失效时的姿态控制问题.通过分析其动力学特性,将执行器故障以乘性因子加入系统模型,得到执行器故障情况下四旋翼无人机的姿态动力学模型.在同时存在未知外部扰动和执行器故障的情况下,设计了一种基于自适应滑模控制的容错控制器.利用基于Lyapunov的分析方法证明了所设计控制器的渐近稳定性.在四旋翼无人机实验平台上进行了实验,验证了该算法对存在未知外部扰动和执行器部分失效时四旋翼无人机的姿态控制具有较好的鲁棒性.     

基于快速终端滑模面的两旋翼飞行器有限时间姿态控制

针对带有模型不确定和外部干扰的两旋翼飞行器,提出一种基于快速终端滑模面的有限时间自适应姿态控制方法,保证两旋翼飞行器对期望姿态角度的有限时间跟踪。构造快速终端滑模面,并设计分段连续函数避免滑模变量求导产生的奇异值问题。在此基础上,设计有限时间姿态控制器,并设计系统不确定上界的自适应更新律,抵消模型不确定性和外部干扰的影响。经李雅普诺夫方法证明滑模变量、姿态角误差、角速度误差等闭环信号最终一致有界,且有限时间收敛至平衡点邻域,收敛时间与系统状态变量初始值有关。最后,采用了矩形波和 曲线作为设定信号,设计相应的跟踪实验,并在两旋翼飞行器平台上验证所提控制方法的有效性,且分析双曲正切函数对系统控制输入影响,经实验测试其可减少系统颤振现象。     

四旋翼飞行器的模型参考自适应控制研究

针对四旋翼飞行器的姿态控制中的受扰动问题,提出了使用模型参考自适应算法加强四旋翼飞行器的姿态稳定性;常规控制器对四旋翼飞行器受扰时的控制很不理想,模型参考自适应控制器在外部干扰或环境影响出现时,能够结合参考模型,提高控制系统的动态品质;结合动力学模型并加以适当简化,设计了常规反馈控制器和模型参考自适应控制器,并进行了数据仿真实验;结果表明,模型参考自适应控制器能够在很大的范围内有效屏蔽干扰,缩短稳定控制时间,验证该算法在四旋翼飞行器姿态控制中是可行有效的。     

四旋翼飞行器姿态的自适应反演滑模控制研究

微小型四旋翼飞行器是一种欠驱动、强耦合的非线性系统.针对四旋翼飞行器控制中的姿态控制优化进行研究,建立了四旋翼飞行器完整的姿态运动模型,为提高系统响应速度和抗干扰性,在反演控制基础上与自适应和滑模控制方法相结合,根据Lyapunov稳定性进行控制系统设计,并选取合适的控制参数使所设计的控制系统是渐进稳定的,最终设计了一种基于自适应反演滑模算法的姿态控制器.通过计算机仿真软件进行验证,结果表明所设计的控制器与其它算法相比具有更快的响应时间和很强的鲁棒性.     

基于AFSMC算法的飞机飞行姿态自适应滑模控制系统

传统飞机飞行姿态滑膜控制系统,存在飞机飞行姿态自适应系数稳定性差的问题,在控制过程中会受到多重因素影响,导致飞行姿态可控误差系数增大,需要辅助控制系统修正才能完成飞行姿态的控制操作;针对上述问题,提出基于AFSMC算法的飞机飞行姿态自适应滑模控制系统;系统硬件基于PID自适应滑模控制器,对飞机飞行姿态控制器进行结构设计;软件部分通过引入自适应滑模控制策略,对PID控制器姿态控制变量进行适配;引入AFSMC算法计算姿态控制器当前时间点下的运动控制方程,得到飞行姿态自适应滑模控制的最优量,完成基于AFSMC算法的飞机飞行姿态自适应滑模控制系统设计;实验结果表明,所设计系统能够在不同飞行工况下,对飞机飞行姿态作出准确控制,系统的整体控制精度范围为90%~97.4%,飞机飞行控制稳定性较好,有效提升了系统对飞机飞行姿态的控制准确度。     

四旋翼直升机姿态系统的直接自修复控制

当四旋翼直升机执行器突发故障或突受干扰时,利用直接自修复控制技术,设计一种基于直接自适应滑模控制的四旋翼直升机姿控系统,使其在故障或干扰信息未知的情况下,仍能保持稳定并且跟踪上理想输出信号.系统的稳定性和跟踪性能是由Lyapunov稳定性定理来确保的,这体现在参数更新律的设计过程中.最后在3DOFhover实验平台上验证了该方法的有效性,同时将该方法与LQR方法作比较,进一步证明了所提算法的优越性.     

Neural network based adaptive fuzzy PID-type sliding mode attitude control for a reentry vehicle

This work investigates the attitude control of reentry vehicle under modeling inaccuracies and external disturbances. A robust adaptive fuzzy PID-type sliding mode control (AFPID-SMC) is designed with the utilization of radial basis function (RBF) neural network. In order to improve the transient performance and ensure small steady state tracking error, the gain parameters of PID-type sliding mode manifold are adjusted online by using adaptive fuzzy logic system (FLS). Additionally, the designed new adaptive law can ensure that the closed-loop system is asymptotically stable. Meanwhile, the problem of the actuator saturation, caused by integral term of sliding mode manifold, is avoided even under large initial tracking error. Furthermore, to eliminate the need of a priori knowledge of the disturbance upper bound, RBF neural network observer is used to estimate the disturbance information. The stability of the closed-loop system is proved via Lyapunov direct approach. Finally, the numerical simulations verify that the proposed controller is better than conventional PID-type SMC in terms of improving the transient performance and robustness.

     

基于super-twisting算法的多航天器姿态有限时间分布式协同控制

针对受外界干扰和执行器故障影响的多航天器姿态协同控制问题,本文设计了一种基于干扰观测器的分布式协同supper-twisting滑模控制器.首先,将各航天器的外界干扰和执行器故障看作一个集总干扰,设计自适应滑模干扰观测器对其进行估计.其次,将supper-twisting算法和积分滑模面相结合,设计一种基于多航天器姿态一致性误差的分布式协同控制器,并由Lyapunov稳定性理论证明了所设计的多航天器姿态可以在有限时间内收敛到平衡点附近的邻域内.最后的仿真研究及比较结果表明,所设计的控制器可以加快系统的收敛速度,并提高系统的控制精度.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

基于自组织小波小脑模型关节控制器的不确定非线性系统鲁棒自适应终端滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以良好的跟踪性能及强鲁棒性为目标,提出基于自组织小脑模型(self-organizing wavelet cerebellar model articulation controller,SOWCMAC)的鲁棒自适应积分末端(terminal)滑模控制策略.首先,将小脑模型、自组织神经网络和小波函数各自优势相结合,给出一种SOWCMAC,以保证干扰估计方法具有快速学习能力和更好的泛化能力.其次,设计两种改进的terminal滑模面构造方法,并分别给出各自的收敛时间.然后,基于SOWCMAC和改进的积分terminal滑模面,给出不确定非线性系统鲁棒自适应非奇异terminal控制器的设计过程,其中通过构造自适应鲁棒项抑制干扰估计误差对系统跟踪性能的影响,并利用Lyapunov理论证明闭环系统的稳定性.最后,将该方法应用于近空间飞行器姿态的控制仿真实验,结果表明所提出方法有效性.     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

On-line optimal autonomous reentry guidance based on improved Gauss pseudospectral method

The on-line optimal autonomous reentry guidance of the hypersonic vehicle is proposed based on the improved Gauss pseudospectral method （IGPM）. The autonomous reentry guidance requires the hypersonic vehicle can generate the optimal trajectory for the latest flight mission on line and track the new trajectory well under the uncertainty. These two problems are simplified into a nonlinear optimal control problem with nonlinear constraints. The IGPM is introduced to solve the above two problems. The trajectory has to change according to the flight mission and therefore the new optimal trajectory can be obtained by IGPM within about 10 s. The optimal feedback guidance law is used to track the reference trajectory to handle the uncertainty. In order to deal with the CPU time delay, which comes from optimizing the new trajectory, the new on-line optimal autonomous reentry guidance is depicted. Finally, the numerical simulation shows that the proposed autonomous guidance can generate optimal trajectory for the new flight mission and have a high tracking accuracy     

超空泡航行体的自适应模糊滑模控制研究

针对超空泡航行体动态中的非线性项和未建模动态,以及由空泡形状改变引起的扰动问题,提出了一种基于自适应模糊滑模的纵平面运动控制器设计方法。该方法利用自适应模糊系统逼近超空泡航行体模型中的非线性不确定项;利用滑模控制对干扰的鲁棒性,克服逼近误差和干扰;最后用Lyapunov定理证明了闭环系统的稳定性。仿真结果表明,设计的控制器可有效克服滑行力的计算误差以及水动力参数的不确定性。