针对近空间飞行器(Near space vehicle,NSV)姿态系统,在考虑复合干扰情况下,以其拥有良好的控制性能及强鲁棒性为目标,提出基于回馈递推(Backstepping)的控制策略。首先,采用一种自适应干扰估计算法,以提高干扰估计的准确性。其次,为避...针对近空间飞行器(Near space vehicle,NSV)姿态系统,在考虑复合干扰情况下,以其拥有良好的控制性能及强鲁棒性为目标,提出基于回馈递推(Backstepping)的控制策略。首先,采用一种自适应干扰估计算法,以提高干扰估计的准确性。其次,为避免backstepping设计中的"微分膨胀问题",设计一个快速收敛的非线性微分器,实现快速估计期望角速率的微分信号。然后,将自适应干扰估计算法、快速收敛的非线性微分器和backstepping方法相结合,设计不确定NSV姿态系统的复合控制器,其中构造鲁棒项减少干扰估计误差对系统跟踪性能的影响,并利用输入输出有界理论证明了闭环NSV系统的稳定性。最后,仿真结果表明所提出方法具有良好的跟踪控制性能和鲁棒性能。展开更多
针对变体近空间飞行器(near space vehiele,NSV)大包络、多模态的特性,研究其姿态的鲁棒自适应跟踪控制问题。首先,提出标称变体NSV切换非线性系统的单一且光滑主控制器设计方法,以解决因飞行模态切换引起的主控制舵面跳变。其次,针对...针对变体近空间飞行器(near space vehiele,NSV)大包络、多模态的特性,研究其姿态的鲁棒自适应跟踪控制问题。首先,提出标称变体NSV切换非线性系统的单一且光滑主控制器设计方法,以解决因飞行模态切换引起的主控制舵面跳变。其次,针对切换瞬间复合干扰存在不连续的问题,给出一组同步切换的改进干扰观测器设计方法。将改进干扰观测器的输出与光滑的主控制律相结合组成不确定变体NSV切换非线性系统的复合控制器。采用平均驻留时间分析法证明所提出的控制方法可以保证闭环不确定变体NSV切换非线性系统的稳定性。最后,仿真结果验证了所提方法的有效性。展开更多
针对变后掠翼近空间飞行器(near space vehicle,NSV)在大包络、多任务模式飞行运动过程中具有非线性、快时变、强耦合和不确定的特性,提出了基于径向基神经网络(radialbasis function neural network,RBFNN)的鲁棒自适应跟踪控制策略。...针对变后掠翼近空间飞行器(near space vehicle,NSV)在大包络、多任务模式飞行运动过程中具有非线性、快时变、强耦合和不确定的特性,提出了基于径向基神经网络(radialbasis function neural network,RBFNN)的鲁棒自适应跟踪控制策略。首先,利用RBFNN在线逼近NSV飞行过程中外部干扰。其次,应用backstepping设计光滑的反馈控制器。其中,采用微分器避免backstepping设计中出现微分膨胀问题,利用鲁棒项减少RBFNN估计误差对系统的影响。然后,通过公共Lyapunov函数证明所提出的控制器可以保证在任意飞行模态中NSV的输出跟踪误差均可以收敛到任意小的有界集内。最后,仿真结果表明该飞控系统具有良好的控制性能。展开更多
文摘针对近空间飞行器(Near space vehicle,NSV)姿态系统,在考虑复合干扰情况下,以其拥有良好的控制性能及强鲁棒性为目标,提出基于回馈递推(Backstepping)的控制策略。首先,采用一种自适应干扰估计算法,以提高干扰估计的准确性。其次,为避免backstepping设计中的"微分膨胀问题",设计一个快速收敛的非线性微分器,实现快速估计期望角速率的微分信号。然后,将自适应干扰估计算法、快速收敛的非线性微分器和backstepping方法相结合,设计不确定NSV姿态系统的复合控制器,其中构造鲁棒项减少干扰估计误差对系统跟踪性能的影响,并利用输入输出有界理论证明了闭环NSV系统的稳定性。最后,仿真结果表明所提出方法具有良好的跟踪控制性能和鲁棒性能。
文摘针对变体近空间飞行器(near space vehiele,NSV)大包络、多模态的特性,研究其姿态的鲁棒自适应跟踪控制问题。首先,提出标称变体NSV切换非线性系统的单一且光滑主控制器设计方法,以解决因飞行模态切换引起的主控制舵面跳变。其次,针对切换瞬间复合干扰存在不连续的问题,给出一组同步切换的改进干扰观测器设计方法。将改进干扰观测器的输出与光滑的主控制律相结合组成不确定变体NSV切换非线性系统的复合控制器。采用平均驻留时间分析法证明所提出的控制方法可以保证闭环不确定变体NSV切换非线性系统的稳定性。最后,仿真结果验证了所提方法的有效性。
文摘针对变后掠翼近空间飞行器(near space vehicle,NSV)在大包络、多任务模式飞行运动过程中具有非线性、快时变、强耦合和不确定的特性,提出了基于径向基神经网络(radialbasis function neural network,RBFNN)的鲁棒自适应跟踪控制策略。首先,利用RBFNN在线逼近NSV飞行过程中外部干扰。其次,应用backstepping设计光滑的反馈控制器。其中,采用微分器避免backstepping设计中出现微分膨胀问题,利用鲁棒项减少RBFNN估计误差对系统的影响。然后,通过公共Lyapunov函数证明所提出的控制器可以保证在任意飞行模态中NSV的输出跟踪误差均可以收敛到任意小的有界集内。最后,仿真结果表明该飞控系统具有良好的控制性能。
