基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制

针对速度不可测的三自由度欠驱动船舶轨迹跟踪控制问题,考虑船舶存在模型参数不确定项以及外界环境干扰未知情况,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制策略.该策略构造扩张观测器估计船舶速度向量,利用神经网络算法逼近模型参数不确定项,然后采用动态面控制技术避免对虚拟控制律直接求导,简化控制律计算过程,并引入低频增益学习技术消除外界扰动导致控制信号产生高频振荡,最后选取李雅普诺夫函数证明该控制律能够保证船舶跟踪闭环系统中所有误差信号一致最终有界.仿真结果表明,本文所设计控制器对船舶模型参数不确定项及外界环境干扰具有较强的鲁棒性,能够实现对船舶轨迹的有效跟踪.     

输入受限的非仿射无人帆船航向系统自适应动态面控制

针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.     

基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。     

输入输出受限船舶的轨迹跟踪自适应递归滑模控制

针对输入输出受限, 模型部分不确定和受到未知海洋干扰的全驱动船舶的轨迹跟踪问题, 提出一种基于时 变非对称障碍李雅普诺夫函数的最小参数自适应递归滑模控制策略. 该策略首先设计障碍李雅普诺夫函数约束船 舶轨迹在有限区域内, 利用最小参数法神经网络逼近模型不确定项, 降低系统的计算复杂度, 然后采用指令滤波器 对输入信号进行幅值约束, 同时避免对因反步法导致的微分爆炸问题, 综合考虑船舶位置以及速度误差间的关系设 计递归滑模控制律, 提高系统的鲁棒性, 采用双曲正切函数和Nussbaum函数补偿由输入饱和引起的非线性项, 提高 系统稳定性. 最后通过Lyapunov理论分析证明了全驱动船舶闭环系统中所有信号是一致最终有界的. 仿真结果表 明, 本文所设计的船舶轨迹跟踪控制方案能有效处理船舶模型不确定部分以及未知外界干扰的问题, 能够实现船舶 在输入受限的情况下在有限区域内航行并准确的跟踪期望轨迹, 具有较强的鲁棒性.     

基于RENN 的柔性关节机械臂自适应动态面控制

针对面贴式永磁同步电机驱动的柔性关节机械臂动力学模型具有非线性、不确定性和未知外部扰动等特点,提出一种自适应动态面控制方法来实现其关节轨迹跟踪控制．控制律由动态面技术得到,降低了反推控制器的复杂性．模型不确定因素由递归Elman神经网络在线补偿,神经网络权值自适应律通过Lyapunov稳定性分析推导得到．仿真研究表明,该方法对于载荷不确定和外界扰动具有较强的鲁棒性,与传统动态面法相比,大大提高了柔性关节的位置跟踪精度．     

基于高增益观测器的船舶动力定位系统的输出反馈控制

针对动力定位船舶的速度向量不可测的问题, 考虑外部环境扰动, 将高增益观测器、动态面控制技术和矢量backstepping方法相结合, 设计仅依赖于船舶位置和艏摇角测量值的船舶动力定位系统输出反馈控制律. 动态面控制技术的引入, 使控制律结构简单, 易于工程实现. 应用Lyapunov函数证明了所设计的控制律能迫使船舶的位置和艏摇角收敛于期望值, 并保证船舶动力定位输出反馈闭环系统所有信号均一致最终有界. 基于一艘供给船的仿真研究验证了所设计的基于高增益观测器的船舶动力定位输出反馈控制律的有效性.     

输入受限四旋翼飞行器的模糊自适应动态面轨迹跟踪控制

针对输入受限条件下四旋翼飞行器的轨迹跟踪控制问题,考虑系统存在模型动态不确定和未知外界干扰的情况,提出一种模糊自适应动态面轨迹跟踪控制方法.该方法设计干扰观测器估计位置模型中复合扰动项,利用模糊系统逼近姿态模型中不确定项和外界干扰,并引入双曲正切函数和辅助系统处理输入受限问题,结合反演法和动态面技术设计轨迹跟踪控制器,以降低控制算法的复杂性,最后选取李雅普诺夫函数证明闭环系统所有信号一致最终有界.应用大疆M100飞行器模型进行仿真验证,结果表明所设计的控制器能够有效处理模型动态不确定和未知外界干扰问题,避免飞行器工作过程中因输入饱和导致执行器失效现象,精确地完成轨迹跟踪控制任务.     

自适应比例–积分H2滑模观测器设计

传统的龙伯格观测器的观测精度极易受到未知外部扰动的影响.为了解决这个问题,本文设计了一种基于径向基神经网络的自适应比例–积分H₂滑模观测器,实现了参数不确定性和外部扰动下非线性系统的鲁棒确切估计.首先,利用径向基神经网络自适应逼近系统模型的复杂非线性项;其次,设计基于误差的线性滑模面,将比例–积分滑模项注入观测器中,使得滑模动态在有限时间内收敛于滑模面,实现对外部扰动和系统模型非线性的完全补偿;最后,基于H₂次优控制和区域极点配置,提出观测器参数自整定方法.通过对单连杆机器人的仿真结果表明,该方法能够保证非线性系统具有较好的鲁棒性和自适应性.     

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。     

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪策略。在无人艇三自由度模型的基础上,结合视线制导率,提出了一种新的轨迹跟踪制导策略。采用自适应滑模控制技术设计了欠驱动无人艇轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界干扰和模型参数不确定性进行补偿和拟合,提高了控制系统的抗干扰能力。基于Lyapunov定理证明了所设计的控制系统的稳定性,并在MATLAB中进行了仿真测试。仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,位置的平均跟踪误差减小了80%以上,具备较高的稳定性和鲁棒性。     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

Robust adaptive NN-based output feedback control for a dynamic positioning ship using DSC approach

A robust adaptive NN-based output feedback control scheme is presented for a dynamic positioning ship with uncertainties and unknown external disturbances. We tackle the problem that velocity vector of a ship is not available by employing a high-gain observer, and develop the proposed control approach by combing vectorial backstepping with dynamic surface control approach, which is simpler and easier to implement in engi- neering practice. The neural network （NN） approximation technique is used to compensate for the uncertainties and unknown external disturbances, and it removes the requirement for the prior knowledge about the vessel parameters and external disturbances. Also, it is demonstrated that the proposed control strategy can force the position and yaw angle of a dynamic positioning ship to approach the desired point while guaranteeing all singles of the designed closed-loop dynamic positioning system semi-globally uniformly ultimately bounded by means of the Lyapunov function. Simulation results of a supply ship illustrate the effectiveness of the proposed scheme.     

A solution for the cooperative formation-tracking problem in a network of completely unknown nonlinear dynamic systems without relative position information

In this paper, a solution of the formation-tracking problem is provided for a network that contains nonlinear agents with completely unknown dynamics and working under unknown disturbances. By the combination of a cooperative observer and an adaptive model-free controller, the requirement of inter-agent relative position information in the network is eliminated. Here, a cooperative observer is designed to estimate the time-varying reference trajectory and the time-varying parameters of the desired formation topology at each agent in the network. The stability of the proposed cooperative observer is analysed using Lyapunov analysis. Utilising the cooperative observer, the formation-tracking problem in the network of dynamic agents is transformed to a tracking problem in a single agent system. Moreover, an adaptive model-free control policy is applied to each agent for providing the tracking objective. Utilising the algebraic connectivity originating from graph theory, this model-free control algorithm is formulated to scale-up for a network of multi-agents. The proposed decentralised controller includes two model-free adaptive laws for online estimating of the completely unknown dynamics at each agent in the network. The application of the proposed solution is simulated for a network of four quadrotors with unknown internal dynamics and unknown external disturbances.     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

基于干扰观测器的机械臂广义模型预测轨迹跟踪控制

为实现对多自由度机械臂关节运动精确轨迹跟踪,提出一种基于非线性干扰观测器的广义模型预测轨迹跟踪控制方法。针对机械臂轨迹跟踪运动学子系统,采用广义预测控制（Generalized Predictive Control,GPC）方法设计期望的虚拟关节角速度。对于机械臂轨迹跟踪动力学子系统,考虑机械臂的参数不确定性和未知外界扰动,利用GPC方法设计关节力矩控制输入,基于非线性干扰观测器方法实时估计和补偿系统模型中的不确定性。在李雅普诺夫稳定性理论框架下证明了机械臂关节角位置和角速度的跟踪误差最终收敛于零的小邻域。数值仿真验证了所提出控制方法的有效性和优越性。