具有飞行包线限制的飞翼无人机鲁棒自适应容错姿态控制

为实现复杂环境下飞翼无人机姿态的精确跟踪控制,考虑参数不确定性、外部扰动、执行器故障及飞行包线限制的影响,提出一种基于Nussbaum增益的鲁棒自适应容错控制方法。在受扰动的飞翼无人机姿态运动学与动力学模型基础上考虑执行器故障与系统不确定的影响,建立面向控制的姿态控制模型。通过引入时变障碍Lyapunov函数,在保证飞行包线限制的同时确保姿态跟踪误差的瞬态与稳态性能。通过自适应的有界估计与Nussbaum增益,补偿总的不确定项与执行器故障的影响。通过稳定性分析严格证明新提出的控制方法的可行性。仿真结果表明,新的控制方法能够确保飞行包线限制,同时保证预设的瞬态与稳态性能,实现飞翼无人机高精度的姿态跟踪控制。

基于Nussbaum增益方法的UUV路径跟踪控制

研究有界控制输入下欠驱动水下机器人(UUV)路径跟踪问题。UUV的水下运动通常靠推进器来实现,推进器所产生的推力大小受推进器形状、电力、水流情况以及UUV外形所决定,并且推力大小有一定的变化范围,这就要求对UUV进行控制器设计时要考虑控制的有界性这一限制。本实验以UUV路径跟踪为控制目标,引入一个辅助系统和Nussbaum增益函数来解决控制输入有界约束问题,其中辅助系统用来实现有界输入控制设计问题,Nussbaum增益用来估计控制器未知参数。通过Lyapunov稳定理论和仿真分析表明,所设计的控制器在保证闭环系统稳定的同时能使系统的控制输入增益始终保持在实际约束的范围内。

控制方向未知分数阶混沌系统的Nussbaum增益同步

文章将Nussbaum增益控制引入分数阶混沌系统,解决了分数阶混沌系统在存在控制方向未知情况下的同步控制问题。首先,选取了一类稳定的分数阶积分滑模面。然后,结合整数阶Nussbaum增益控制方法与滑模变结构控制理论,设计了一种Nussbaum增益同步控制器。最后,作为例子,实现了分数阶Chen系统和分数阶R?ssler系统在控制系数未知时的混沌同步控制,数值仿真验证了文中方法的正确性和有效性。

输入受限无人帆船自适应航向跟踪控制

针对带有输入受限且存在未知控制系数约束情形下,考虑了具有未知模型和风、浪等外界干扰的无人船航向跟踪控制问题,提出一种受限控制输入约束下的跟踪控制方法。该方法运用RBF神经网络对未知模型进行在线逼近,利用Nussbaum自适应增益技术解决未知控制系数问题。根据滑模控制理论,设计具有指数趋近律的鲁棒控制项,保证所得误差闭环系统快速响应且最终趋向0。为弱化传统滑模控制产生的抖振问题,将符号函数替换成饱和函数使控制输入变得平滑。引入一种误差辅助系统,构建了帮助误差闭环系统输入退出饱和机制。通过李雅普诺夫稳定性理论,给出了跟踪控制方法的稳定性数学分析过程,证明误差闭环跟踪控制系统的所有信号最终一致有界性。最后通过仿真结果验证了所得理论的有效性。

基于DSC后推法的非线性系统的鲁棒自适应NN控制

针对一类具有不确定系统函数和方向未知的不确定增益函数的非线性系统,提出了一种鲁棒自适应神经网络控制算法.本算法采用RBF神经网络(Radial based function neural network,RBFNN)逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,将动态面控制(Dynamic surface control,DSC)与后推方法结合,消除了反推法的计算膨胀问题,降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中方向未知的不确定虚拟控制增益函数,不仅可以避免可能存在的控制器奇异值问题,而且还能使得整个系统的在线学习参数显著减少,与DSC方法优点结合,使得控制算法的计算量大为减少,便于计算机实现.稳定性分析证明了所得闭环系统是半全局一致最终有界(Semi-global uniformly ultimately bounded,SGUUB)的,并且跟踪误差可以收敛到原点的一个较小邻域.最后,计算机仿真结果表明了本文所提出控制器的有效性.

控制增益未知的多变量极值搜索系统神经网络自适应协同控制

针对一类控制增益未知的多变量极值搜索系统,提出了一种神经网络自适应协同控制方法.该方法利用协同控制实现状态变量之间的协同收敛,并确保对系统内部参数扰动和外界干扰具有不变性;以极值搜索控制方法得到的搜寻变量作为输入量,设计多层神经网络逼近状态变量的极值变化率和未知的变量与函数;采用Nussbaum函数解决系统控制增益未知的问题;同时运用自适应参数抵消神经网络逼近误差的影响.稳定性分析证明了系统的状态跟踪误差、输出量与其极值之间的误差、极值搜索变量的跟踪误差以及神经网络各参数的估计误差均指数收敛至原点的一个有界邻域.理论分析与仿真结果验证了该方法的有效性.

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.

具有未知控制方向的输出反馈自适应学习控制

针对具有未知控制方向的工作于重复条件下的参数化输出反馈高阶非线性系统,提出一种自适应重复学习控制方法.利用连续Nussbaum增益方法解决系统中控制方向即高频增益符号未知的问题.在针对高阶非线性系统的自适应反步控制器设计过程中,使用综合时域自适应以及迭代域自适应的微分-差分自适应律对未知参数进行估计.利用李雅普诺夫稳定理论证明,在所提出的重复学习控制律作用下,系统的输出轨迹沿迭代轴逐点渐近收敛于期望轨迹.数值仿真结果表明,所提出的方法能够在解决控制方向未知问题的同时,保证输出反馈高阶非线性系统的收敛性.

船舶航向保持的滑模变结构自适应模糊控制研究

针对船舶航向非线性控制系统中存在未知控制增益,参数不确定性和外界干扰的影响,通过引入Nussbaum函数,利用模糊逻辑系统的逼近能力,将多滑模控制与自适应模糊控制相结合,提出一种新的多滑模自适应模糊控制算法,实现了船舶航向的跟踪控制,并且在设计过程中,避免了控制器奇异值问题的发生。借助Lya-punov函数证明了所设计控制器使船舶运动非线性系统中所有信号有界,且跟踪误差收敛到零的某个邻域内。仿真结果表明,所设计的控制器能够快速准确地跟踪设定航向,对参数摄动和外界扰动具有较强的鲁棒性。

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.

控制增益符号未知的非线性系统执行器故障补偿

针对一类具有方向未知的不确定增益函数和未知执行器故障的不确定非线性系统,将Nussbaum函数增益与自适应输出反馈设计相结合,提出一种自适应鲁棒非线性容错控制方案。本方案无需精确获得执行器故障信息,并通过引入控制参数在线自适应调整技术,使得控制器对参数、干扰以及故障变化具有很强的鲁棒性,采用Nussbaum增益方法放松了对高频增益符号已知的假设,利用鲁棒项抵补偿自适应逼近误差和未知外界干扰的影响,通过李雅普诺夫方法从理论上严格证明了整个闭环系统信号的有界性和渐进的输出跟踪。仿真结果验证了该方法的有效性。

一类控制方向未知不确定性系统的自适应迭代学习控制

采用了一种自适应迭代学习的控制方法,对于一类含有未知控制方向以及参数化和非参数化不确定性系统进行了研究.结合连续的Nussbaum增益技术,很好地处理了系统中控制方向未知的问题.在满足局部Lipschitz连续条件下,非参数化不确定性可以得到有效的解决.通过构造微分-差分耦合参数自适应律,提出一种自适应迭代学习控制方案,保证系统跟踪误差沿迭代轴方向渐进收敛于零.基于一个构造的Lyapunov泛函,给出闭环系统收敛的一个充分条件.实例仿真结果验证了设计方法是有效的.

一类非线性MIMO系统鲁棒自适应神经网络DSC设计

为了研究一类多输入多输出强非线性系统的自适应跟踪问题,采用RBF神经网络逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,并将动态面控制与Nussbaum增益技术结合,提出了一种鲁棒自适应神经网络跟踪控制算法.该算法不仅能够解决系统中控制方向完全未知问题和可能存在的控制器奇异值问题,而且能够避免传统后推方法的计算膨胀问题,从而大大降低了控制器的复杂性,使之易于工程实现.同时,该算法保证了闭环系统的稳定性,并具有良好的鲁棒性.仿真结果验证了控制器的有效性.

带有特殊不确定性的导弹非线性自适应控制

针对一类带有特殊气动参数不确定性的导弹,研究其自动驾驶仪的设计问题。根据导弹俯仰面动力学方程和多项式形式的气动参数,建立系统控制模型。采用基于Nussbaum增益的非线性自适应控制理论,设计导弹俯仰通道的控制器,控制律无需不确定参数的上下界信息,增强了系统的适应性和鲁棒性。该算法使闭环系统所有信号有界,同时保证了跟踪误差收敛于零。数字仿真结果表明,在考虑了各种不确定性的情况下,攻角仍能很好的跟踪指令信号,验证了控制律的正确性和有效性。

船舶运动航向自适应非线性控制的仿真研究

针对参数未知的船舶航向非线性控制系统数学模型,考虑船舶操舵伺服机构特性的情况下,船舶航向控制问题成一个虚拟控制系数未知的非匹配不确定非线性控制问题。引入Nussbaum函数,并采用逆推(backstepping)技术,成功地解决了上述困难,设计了船舶航向自适应非线性控制器;借助Lyapunov函数证明了所设计控制器使最终的闭环非匹配不确定船舶运动非线性系统中的所有信号有界,系统的实际航向自适应地保持设定航向。以大连海事大学“育龙”轮为例进行仿真研究,结果证明所设计的控制器是有效的。

带有未知虚拟控制增益符号的自适应输出反馈控制

针对带有未知虚拟控制增益符号的一类非线性系统,采用基于参数的坐标变换和参数重定义,将该系统转化为参数输出反馈形式,从而将未知的虚拟控制增益归入高频控制增益中.由于该高频控制增益符号未知,将N ussbaum增益技术融入自适应B ackstepp ing方法中设计自适应输出反馈控制器.采用调节函数法设计参数自适应律以避免过参数估计.该方法所设计的自适应输出反馈控制器可确保闭环系统的所有信号一致有界,且跟踪误差渐近收敛.仿真研究表明了该设计方法的有效性.

船舶航向非线性系统的自适应跟踪控制器设计

将非线性船舶操纵数学模型用于船舶航向跟踪的自动舵设计,同时考虑模型参数的不确定性以及舵机伺服系统特性,则船舶操纵非线性数学模型具有非匹配不确定形式.针对上述困难,提出一种新的自适应非线性控制策略,将Nussbaum函数与逆推(backstepping)技术相结合,设计了船舶运动航向跟踪控制器,成功解决了其虚拟控制系数符号未知的问题.在理论上,借助Lyapunov函数证明了所设计控制器使最终的非匹配不确定船舶运动非线性系统中所有信号有界,船舶实际航向自适应地渐近跟踪设定的期望参考航向.仿真结果表明所设计的控制器有效可行,对系统参数变化具有很强的鲁棒性.

高超声速飞行器模糊自适应动态面容错控制

针对输入饱和下高超声速飞行器发生执行机构损伤故障并存在参数不确定的情况,提出了一种基于Nussbaum增益技术的模糊自适应动态面容错控制策略.对于飞行器的高度和速度子通道,分别设计了动态面和动态逆控制器.利用双曲正切函数逼近飞行器的输入饱和特性,并基于中值定理将其转化为控制输入的仿射形式.对于损伤故障和参数不确定导致的控制增益未知问题,通过引入Nussbaum增益技术既保证控制系统稳定,又可以避免控制器奇异问题.通过设计模糊自适应系统,在线逼近包含不确定参数与饱和逼近误差的未知函数项,且引入范数估计思想,使得每个模糊系统仅包含一个自适应参数,以减小计算量.稳定性分析证明了闭环控制系统的半全局一致最终有界性,仿真结果验证了该容错控制算法的有效性.

控制方向未知的二阶时变非线性系统自适应迭代学习控制

对一类二阶严格反馈时变非线性系统的自适应迭代学习控制问题进行了研究.系统中含有非周期时变参数化不确定性且控制方向未知.首先,提出了一种神经网络估计器,实现了对未知非周期时变非线性函数的逼近.随后,用Nussbaum函数对未知控制方向进行了自适应估计,并综合应用backstepping技术和自适应迭代学习控制技术设计了控制器.所设计的控制器能保证系统所有状态量在Lpe–范数意义下有界,且系统的输出量在L2T–范数意义下收敛到期望轨迹.最后的仿真研究证明了控制器设计方法的有效性.

鲁棒自适应输出跟踪控制在船舶操纵中的应用

针对带有未知控制增益、常参数不确定性以及外部扰动的船舶运动非线性模型,将自适应逆推技术与Nussbaum增益方法相结合,提出一种新的非线性自适应鲁棒控制策略,实现了船舶运动航向渐近跟踪控制。在所得控制器作用下的系统性能不仅能够通过设计参数而得到保证,且可克服控制器奇异值问题。设计过程及数字仿真结果均表明,所设计的自适应非线性跟踪控制器对不确定性具有良好的适应性及鲁棒性。