四旋翼飞行器的RBF神经网络鲁棒自适应控制

针对具有模型不确定性和有界外部扰动的四旋翼飞行器,提出了一种基于径向基函数神经网络的鲁棒自适应全局控制方法(RRAC)。所提方法结合了神经网络控制对未知非线性的强拟合能力和鲁棒控制的全局稳定性,解决了神经网络控制仅能实现半全局一致最终有界的问题,实现了控制精度和鲁棒性的双重提升。所设计的控制器由在近似域内工作的神经网络控制器和在近似域外工作的鲁棒控制器组成。引入一种新型切换函数来实现两者之间的平滑切换,以保证闭环系统的所有信号是全局一致最终有界的。利用Lyapunov函数和Barbalat引理严格证明了非线性四旋翼飞行器系统的稳定性。仿真表明,所设计的控制器在模型不确定性和有界外部扰动下对参考轨迹依旧保持良好的跟踪性能,且跟踪误差趋近于零。

基于滑模变结构控制的多轮独立电驱动车辆驱动防滑控

车辆在低附着路面起步或加速时,车轮极易发生滑转,严重影响车辆行驶动力性和稳定性。针对多轮独立电驱动车辆的驱动防滑控制问题,基于滑模变结构控制理论,设计了防滑控制算法,并设置平滑切换函数,减小转矩切换引起系统输出的抖振,通过滑模变结构控制器调节电机转矩,使车轮滑转率跟踪最优滑转率。在ADAMS/View与MATLAB/Simulink中分别建立车辆动力学模型和防滑控制器模型。机电联合仿真实验结果表明:该控制算法能够在车辆起步阶段或加速行驶时有效控制车轮滑转率,达到了提高车辆动力性的目的。