Trajectory linearization control of an aerospace vehicle based on RB F neural network

An enhanced trajectory lineazization control(TLC)structure based on radial basis function neural network(RBFNN)and its application on an aerospace vehicle(ASV)flight control system are presensted.The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability,and a robustifying item is used to overcome the approximate error of RBFNN.The parameters adaptive adjusting laws are designed on the Lyapunov theory.The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory.Finally,the flight control system of an ASV is designed based on the proposed method.Simulation results demonstrate the effectiveness and robustness of the designed approach.     

Trajectory linearization control of an aerospace vehicle based on RBF neural network

An enhanced trajectory linearization control （TLC） structure based on radial basis function neural network （RBFNN） and its application on an aerospace vehicle （ASV） flight control system are presensted. The influence of unknown disturbances and uncertainties is reduced by RBFNN thanks to its approaching ability, and a robustifying itera is used to overcome the approximate error of RBFNN. The parameters adaptive adjusting laws are designed on the Lyapunov theory. The uniform ultimate boundedness of all signals of the composite closed-loop system is proved based on Lyapunov theory. Finally, the flight control system of an ASV is designed based on the proposed method. Simulation results demonstrate the effectiveness and robustness of the designed approach.     

Adaptive tracking control of chaotic systems

1 .INTRODUCTIONDuringthelasttwodecades,thestudyofchaoticnonlineardynamicalsystemshasbeenrapidlyexpand ed .Oneofthereasonsfortheinterestsisthatchaoticbehaviorshavebeendiscoveredinmanynonlineardy namicalsystemsinphysics ,chemistry ,biology ,en gineering ,an…     

基于不确定理论的退化数据分析方法

作为可靠性领域传统的数学工具,概率论难以解决现代可靠性工程面临的难题。本文以不确定理论在退化数据分析中的应用为切入点,阐述了不确定理论的基本公理、运算法则与不确定统计方法,给出了基于确信可靠性理论的可靠性建模思路,提出了不确定失效阈值情形下的退化数据分析与可靠性建模方法。利用时变不确定正态分布建立产品的退化方程,根据专家知识建立失效阈值的不确定分布进而构建裕量方程,最终根据度量方程推导出产品可靠性模型。使用不确定统计中的极大似然估计法与假设检验法解决参数估计与模型验证问题。案例分析说明如果不考虑失效阈值的不确定性,会造成可靠性评估结果较大偏差。研究表明不确定理论适合处理退化数据分析中的不确定性难题,具有广阔的应用前景。     

基于模糊干扰观测器的轨迹线性化控制研究

针对一类非线性不确定系统,基于轨迹线性化控制(TLC)方法及模糊干扰观测器(FDO)技术研究了一种新的非线性控制结构。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法,证明了跟踪误差和干扰观测误差一致最终有界。最后利用提出的控制方案针对数值算例进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

基于迭代学习-未知输入观测器的卫星姿控系统鲁棒故障重构

针对卫星姿控系统出现执行机构故障,提出一种基于迭代学习-未知输入观测器(iterative learning unknown input observer, IL-UIO)的鲁棒故障重构方法。首先,考虑卫星出现空间干扰力矩、模型不确定性以及陀螺漂移,建立小角度机动时的非线性姿控系统模型。其次,采用UIO干扰解耦原理和H_∞控制思想,设计IL-UIO估计卫星姿态欧拉角和角速度的同时,利用IL算法实现执行机构鲁棒故障重构。并利用Lyapunov稳定性理论证明了IL-UIO稳定性和动态故障偏差最终有界, 通过线性矩阵不等式(linear matrix inequaliry, LMI)工具箱求解了观测器部分参数矩阵。最后,建立卫星闭环姿控系统并进行仿真,仿真结果验证了此方法的有效性。     

高超飞行器自适应动态规划的控制系统设计

针对高超声速飞行器的控制问题, 提出一种基于自适应动态规划的非线性优化学习控制方法, 设计了速度和高度自适应控制系统。首先, 将控制器分解为稳态控制项和最优反馈控制项, 同时借助反步法, 将原高超声速动力学模型转化为兼顾速度跟踪误差和高度跟踪误差的统一的误差控制模型。其次, 利用自适应动态规划法, 通过自适应调节评价网络的权值, 设计最优反馈学习控制律, 并通过Lyapunov稳定性理论严格证明了跟踪误差的一致最终有界性。最后, 数学仿真结果验证了所提方法的有效性。     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

基于非线性自适应观测器的故障诊断

将自适应控制的思想和状态观测器方法相结合研究了一类非线性控制系统的故障诊断问题。针对一类满足Lipschitz条件的带有未知参数的非线性系统,提出了一种非线性自适应状态观测器的设计方法,并将其应用到控制系统的故障诊断中。通过设置未知故障向量的自适应调整律,保证了状态观测器的渐近稳定。数字仿真证明了该方法的有效性,系统渐近稳定,状态向量和故障向量的估计值均趋近于实际值。     

基于观测器的非线性系统直接自适应模糊控制

针对状态不可测的一类不确定非线性系统,利用模糊系统的逼近能力,提出一种基于观测器的直接自适应模糊控制方案。该方案通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。利用Kalman Yacubovitch Popov定理及李亚普诺夫函数,证明了闭环控制系统所有信号是有界的,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于SE(3)的航天器姿轨一体化有限时间容错控制

针对相对运动航天器,当执行机构出现故障以及外部干扰和系统不确定性同时存在的情形下,利用滑模控制的鲁棒性,提出了一种有限时间容错控制方法。基于李群SE(3)建立了单刚体航天器姿轨一体化模型,并在指数坐标下推导了相对运动航天器误差动力学方程。设计了一类非奇异快速终端滑模面,并采用等价自适应方法设计控制器估计和补偿外总扰动,提出的容错控制算法可以不依赖于故障诊断与检测环节。运用Lyapunov方法证明了系统在故障和扰动等多约束条件下的稳定性和有限时间快速收敛性,数值仿真结果分析也验证了该容错控制器的快速性、准确性与可靠性。     

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。     

一类纯反馈非仿射非线性系统的自适应神经网络变结构控制

研究了一类非仿射的纯反馈单输入单输出非线性系统。针对此系统,在中值定理、神经网络参数化和解耦Backstepping的基础上,提出了一种自适应变结构神经网络控制策略,而且所给出的定理证明闭环系统的所有信号在平衡点上是半全局一致有界的。通过对一个非仿射CSTR对象的仿真验证了该方法的有效性。     

Output feedback based adaptive robust fault-tolerant control for a class of uncertain nonlinear systems

An adaptive robust approach for actuator fault-tolerant control of a class of uncertain nonlinear systems is proposed. The two chief ways in which the system performance can degrade following an actuator-fault are undesirable transients and unacceptably large steady-state tracking errors. Adaptive control based schemes can achieve good final tracking accuracy in spite of change in system parameters following an actuator fault, and robust control based designs can achieve guaranteed transient response. However, neither adaptive control nor robust control based fault-tolerant designs can address both the issues associated with actuator faults. In the present work, an adaptive robust fault-tolerant control scheme is claimed to solve both the problems, as it seamlessly integrates adaptive and robust control design techniques. Comparative simulation studies are performed using a nonlinear hypersonic aircraft model to show the effectiveness of the proposed scheme over a robust adaptive control based faulttolerant scheme.     

飞控系统主动容错控制技术综述

从控制工程的角度对目前飞行控制系统和空中交通的主动容错控制方法进行了归纳和总结。首先分析了飞行控制系统主要的故障类型,包括舵面故障、传感器故障和过程故障。然后根据线性和非线性飞机模型,分别介绍了相关的容错控制技术,主要分为基于模型和基于知识两大类。对于空中交通系统的容错控制技术也做了深入的阐述。最后,对飞行控制系统主动容错控制技术领域目前存在的一些问题以及未来的发展方向进行了探讨。     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。     

一种基于串行总线的智能容错飞控计算机系统

从工程技术角度出发,讨论了适用于无人驾驶飞行器的容错飞控计算机系统的实现,给出了基于串行总线的智能容错飞控计算机系统结构,将工作状态检测系统和故障预测技术应用到容错计算机系统中,可在故障发生前采取容错措施,避免故障发生和故障造成的系统失效.给出了总线接口、运算控制单元、A/D转换单元、通讯模块的结构和实现方法,指出利用CPLD和HDL语言进行电路综合具有效率高、测试方便、易修改的特点,应在实践中广泛推广.     

一类非线性MIMO系统的自适应模糊输出反馈控制

针对一类多输入多输出非线性系统设计了自适应模糊观测器和控制器。该方法不需要系统状态完全可测的条件，而是通过自适应模糊观测器估计系统的状态。采用基于状态估计的模糊基函数模型的模糊逻辑系统逼近非线性函数，并对模糊建模误差和外扰的存在采用了鲁棒补偿控制项以保证良好的观测与跟踪性能，该控制器保证了跟踪误差和观测误差的一致最终有界性。仿真结果表明所提出的方法具有良好的观测效果与跟踪效果。     

线性系统的故障检测和最优容错控制

针对系统中含有执行器故障和传感器故障的情况,研究了线性系统的故障检测和最优容错控制问题。利用Riccati矩阵方程和Sylvester方程设计了故障情况下的动态最优容错控制律,并设计了能同时检测出故障状态和系统状态的增广的降维故障检测器,解决了最优控制中故障状态的物理不可实现问题,从而实现了系统的故障检测和容错控制并能满足二次型性能指标。仿真实例验证了这种故障检测方法和最优容错控制的有效性。     

考虑输入输出受限的无人机自适应滑模容错控制

针对存在执行器故障、控制输入饱和与状态约束的无人机(unmanned aerial vehicle, UAV)姿态控制系统,提出一种新的基于反步法的具有有限时间收敛的自适应滑模姿态容错控制方法。首先,为了抑制执行器故障以及外部干扰的影响,采用自适应和干扰观测器技术,实现对干扰的双重抑制。然后,设计动态辅助系统与障碍Lyapunov函数,证明在输入饱和与状态约束的条件下,闭环姿态控制系统可以在有限时间内稳定,且系统中所有信号最终是有界的。最后,对于小型无人系统的姿态跟踪问题进行性能仿真与对比仿真研究。仿真结果表明,所提出的容错控制方法能够保证在执行机构发生故障时控制系统的有效性,并且该方法具有良好的性能。