基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

时滞不确定飞行系统神经网络非脆弱H∞控制

针对具有参数摄动和状态时延的时滞不确定飞行系统,提出了一种神经网络非脆弱H_∞控制方案。该方案将鲁棒H_∞控制和神经网络控制结合起来,利用径向基神经网络的非线性逼近能力,对飞行系统的非线性不确定项进行逼近。由线性矩阵不等式（LMI）设计系统标称部分的鲁棒控制器,然后利用神经网络的输出来消除系统控制输入中的不确定部分。Lyapunov稳定性分析中,综合考虑了系统参数摄动、时延和神经网络逼近误差的影响,并证明了在所设计的飞行控制器作用下,闭环系统的稳定性。仿真实例验证了提出的飞行控制方案的可行性和有效性。     

基于RBF神经网络的扑翼飞行机器人的姿态控制北大核心

针对扑翼飞行机器人(Flapping Wing Aerial Vehicle, FMAV)在实际应用中的姿态控制问题,基于RBF神经网络设计了滑模鲁棒自适应姿态控制器。采用RBF神经网络对FMAV姿态动力学模型中未知项角速度进行逼近,并设计自适应律减小神经网络逼近误差。改进鲁棒项消除了为克服干扰造成的控制输入抖振现象。利用Lyapunov稳定性理论对系统的稳定性进行了分析,并通过数值仿真验证了控制方法的有效性和可行性。     

基于RBF神经网络的扑翼飞行机器人的姿态控制北大核心

针对扑翼飞行机器人(Flapping Wing Aerial Vehicle, FMAV)在实际应用中的姿态控制问题,基于RBF神经网络设计了滑模鲁棒自适应姿态控制器。采用RBF神经网络对FMAV姿态动力学模型中未知项角速度进行逼近,并设计自适应律减小神经网络逼近误差。改进鲁棒项消除了为克服干扰造成的控制输入抖振现象。利用Lyapunov稳定性理论对系统的稳定性进行了分析,并通过数值仿真验证了控制方法的有效性和可行性。     

基于RBF神经网络的扑翼飞行机器人的姿态控制北大核心

针对扑翼飞行机器人(Flapping Wing Aerial Vehicle, FMAV)在实际应用中的姿态控制问题,基于RBF神经网络设计了滑模鲁棒自适应姿态控制器。采用RBF神经网络对FMAV姿态动力学模型中未知项角速度进行逼近,并设计自适应律减小神经网络逼近误差。改进鲁棒项消除了为克服干扰造成的控制输入抖振现象。利用Lyapunov稳定性理论对系统的稳定性进行了分析,并通过数值仿真验证了控制方法的有效性和可行性。     

基于改进的FNNs移动机械臂输出反馈跟踪控制

针对包含电机动态模型的移动机械臂系统,提出一种鲁棒自适应输出反馈控制方法.将误差符号函数鲁棒积分反馈与神经网络前馈结构相结合用于控制器的设计,然后利用神经网络去逼近机器人和电机系统的不确定项,设计鲁棒项实时补偿网络误差.通过Lyapunov稳定性分析证明闭环系统所有信号半全局一致有界.最后仿真实验表明,控制方法对系统动态不确定性和外界干扰有很好的鲁棒性,可实现移动机械臂的输出反馈跟踪控制.     

基于模糊补偿的康复机器人的自适应滑模控制研究

针对下肢外骨骼机器人不确定模型及摩擦因素的轨迹运动控制问题,提出了一种基于模糊补偿的自适应滑模控制(FCASMC)方法。首先利用滑模控制思想设计非线性滑模面,设计滑模控制器实现系统的稳定性;接着采用模糊控制方法对其机器人中关节运动存在的未知摩擦项进行模糊补偿与逼近,减少未知摩擦项和外扰动等因素下对系统带来的稳定性影响;最后还采用了鲁棒项来消除补偿逼近误差所带来的影响,也可减少滑模方法所带来的抖振问题,从而使整个系统的稳定性进一步提高。最后,基于Lyapunov定理对所设计的控制器进行稳定性证明和仿真。仿真结果表明,设计的控制器可以很好地对不确定摩擦项进行补偿,机器人的关节运动轨迹跟踪能实现全局跟踪,提高了在今后实际工程中的应用研究价值。     

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。     

Robust attitude control for tail‐sitter unmanned aerial vehicles in flight mode transitions

Tail‐sitter unmanned aerial vehicles (UAVs) can flight as rotorcrafts as well as fixed‐wing aircrafts, but it is hard to control the flight mode transition. The vehicle dynamics involves serious parametric uncertainties, highly nonlinear dynamics, and is easy to be affected by external disturbances, especially during the mode transition. This paper presents a robust control method for a kind of tail‐sitter UAVs to achieve the flight mode transition. The robust controller is proposed based on the state‐feedback control scheme and the robust compensation method. The proposed control method does not need to switch the coordinate system, the controller structure, or the controller parameters during the mode transitions. Theoretical analysis is given to guarantee the robustness stability of the designed flight control system. Numerical simulation results are presented to show the advantages of the proposed control method compared with the state‐feedback control method and the sliding mode control approach.     

垂直起降无人机基于图像的目标跟踪控制

针对安装有惯性测量单元和摄像机的低成本四旋翼无人机,研究无位置、速度、航向测量情况下的机动目标基于图像的跟踪控制方法.首先,结合无人机的动力学方程在图像空间中推导了系统的误差方程.其次,为克服无航向测量的问题,设计了一种位置控制器,使用图像矩作为反馈输入并输出油门和姿态指令.最后,针对缺少图像速度测量问题,设计了一种super-twisting滑模观测器和控制器,生成的期望姿态和拉力指令无颤振,并通过李雅普诺夫理论证明了控制系统的稳定性.最终无人机通过调整倾斜姿态实现了跟踪飞行,且避免了响应慢的航向调整.跟踪机动目标的仿真结果验证了所提出方法的有效性.     

基于干扰观测器的一类不确定仿射非线性系统有限时间收敛backstepping控制

针对一类不确定仿射非线性系统的跟踪控制问题,提出一种基于干扰观测器的有限时间收敛backstepping控制方法.为增强小脑模型(CMAC)泛化和学习能力,将非对称高斯函数和模糊理论相结合,给出非对称模糊CMAC结构,设计干扰观测器实现系统未知复合干扰在线准确逼近;基于非对称模糊CMAC干扰观测器,给出有限时间收敛backstepping控制器设计步骤,利用Lyapunov稳定理论证明闭环系统稳定性,其中采用非线性微分器获取虚拟控制量滤波和微分信息以避免backstepping设计中的微分“膨胀问题”,设计辅助系统修正因微分器带来的误差对系统跟踪性能影响,引入基于障碍型函数的自适应滑模鲁棒项抑制复合干扰估计偏差对跟踪误差的影响;将所提方法应用于无人机飞行控制仿真实验,结果表明所提方法的有效性.     

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.     

Integrated multiple-model adaptive fault identification and reconfigurable fault-tolerant control for Lead-Wing close formation systems

This paper investigates the attitude and position tracking control problem for Lead-Wing close formation systems in the presence of loss of effectiveness and lock-in-place or hardover failure. In close formation flight, Wing unmanned aerial vehicle movements are influenced by vortex effects of the neighbouring Lead unmanned aerial vehicle. This situation allows modelling of aerodynamic coupling vortex-effects and linearisation based on optimal close formation geometry. Linearised Lead-Wing close formation model is transformed into nominal robust H-infinity models with respect to Mach hold, Heading hold, and Altitude hold autopilots; static feedback H-infinity controller is designed to guarantee effective tracking of attitude and position while manoeuvring Lead unmanned aerial vehicle. Based on H-infinity control design, an integrated multiple-model adaptive fault identification and reconfigurable fault-tolerant control scheme is developed to guarantee asymptotic stability of close-loop systems, error signal boundedness, and attitude and position tracking properties. Simulation results for Lead-Wing close formation systems validate the efficiency of the proposed integrated multiple-model adaptive control algorithm.     

Immersion and Invariance-based Sliding Mode Attitude Control of Tilt Tri-rotor UAV in Helicopter Mode

In this paper, we propose an immersion and invariance-based sliding mode controller for a tilt tri-rotor unmanned aerial vehicle subjects to parameter perturbation, unmodeled dynamics, and external disturbances. The control scheme is divided into three parts, including the disturbance observer, the attitude controller, and the control allocation. Firstly, to alleviate the chattering and improve the robustness for attitude control, the observer using immersion and invariance theory is developed to estimate the disturbance. Note that the observer can relax the requirement of disturbance upper bound and guarantee the convergence of the estimation error. Secondly, to improve the dynamic response capability, a sliding mode attitude controller with an adaptive switch function is designed based on the disturbance observer. Thirdly, a hierarchical control allocation algorithm is proposed. The performance improvement is illustrated by comparing with other sliding mode controllers. Simulations and flight experiments are conducted to verify the effectiveness and applicability of the proposed control scheme.

     

集成神经网络与自适应算法的分数阶滑模控制

针对被控对象的参数时变和外部扰动问题,本文融合神经网络的万能逼近能力和自适应控制技术,并结合分数阶微积分理论,提出了基于神经网络和自适应控制算法的分数阶滑模控制策略.本文采用等效控制的方法设计滑模控制律,并利用神经网络的万能逼近能力估测控制律的变化,结合自适应控制算法和分数阶微积分理论抑制传统滑模控制系统的抖震,同时根据Lyapunov稳定性理论分析了系统的稳定性,最后给出了实验结果.实验结果表明,本文提出的基于神经网络和自适应控制算法的分数阶滑模控制系统,能保持滑模控制器对系统外部扰动和参数变化鲁棒性的同时,也能有效地抑制抖震,使得系统获得较高的控制性能.     

Adaptive dynamic programming-based adaptive-gain sliding mode tracking control for fixed-wing unmanned aerial vehicle with disturbances

This article proposes an adaptive dynamic programming-based adaptive-gain sliding mode control (ADP-ASMC) scheme for a fixed-wing unmanned aerial vehicle (UAV) with matched and unmatched disturbances. Starting from the dynamic of fixed-wing UAV, the control-oriented model composed of attitude subsystem and airspeed subsystem is established. According to the different issues in two subsystems, two novel adaptive-gain generalized super-twisting (AGST) algorithms are developed to eliminate the effects of disturbances in two subsystems and make the system trajectories tend to the designed integral sliding manifolds in finite time. Then, based on the expected equivalent sliding-mode dynamics, the modified adaptive dynamic programming approach with actor-critic structure is utilized to generate the nearly optimal control laws and achieve the nearly optimal performance of the sliding-mode dynamics. Furthermore, through the Lyapunov stability theorem, the tracking errors and the weight estimation errors of two neural networks are all uniformly ultimately bounded. Finally, comparative simulations demonstrate the superior performance of the proposed control scheme for the fixed-wing UAV.     

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.