针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首...针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。展开更多
基金This work was supported in part by the National Natural Science Foundation of China(No.62003163)the National Science Fund for the Key R&D projects(Social Development)in Jiangsu Province of China(No.BE2020704)+3 种基金the Aeronautical Science Foundation of China(Nos.201957052001,20200007052001)the Jiangsu Province“333”project(No.BRA2019051)the Postdoctoral Research Foundation of Jiangsu Province(No.2020Z112)the Natural Science Foundation of Jiangsu Province for Young Scholars(No.BK20200415)。
文摘针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。