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。
