基于微分器的轨迹线性化控制方法及其应用

针对当前轨迹线性化控制(TLC)方法对系统中的不确定性存在鲁棒性不足的问题,受非线性跟踪微分器设计思路的启发,提出了一种基于微分器设计原则的轨迹线性化控制方法.首先,引入二阶线性微分器(SOLD)的概念,通过理论分析指出了当前轨迹线性化控制方法中采用一阶惯性+伪微分器求取标称指令的微分信号时,会存在与二阶线性微分器类似的峰值现象,随后利用韩式跟踪微分器(TD)求取标称指令及其微分信号,避免了该现象的同时又赋予了系统在控制量的约束范围内调节响应快慢的能力;其次,通过构造期望的闭环系统,跟踪误差动态,直接获取线性时变(LTV)系统的控制量,使得参数整定不再依赖于并行微分(PD)谱理论,在此基础上,将混合微分器(HD)的非摄动形式等价为期望的闭环系统跟踪误差动态,以提升轨迹线性化控制方法的鲁棒性,同时借助Lyapunov稳定性理论证明了受扰系统的跟踪误差最终一致有界;最后,利用所提出的轨迹线性化控制方法设计了高超声速飞行器的姿控系统并进行了相应的仿真.结果表明:存在大范围气动参数摄动的情况下,本方法仍具有较好的控制性能及抗干扰能力,能够满足高超声速飞行器快时变、高精度以及强鲁棒的控制需求.

某新型车载多管负载行进间稳定控制方法

针对某新型车载多管负载存在内外扰动影响、行进间不易稳定的难点,设计一种扰动速度神经网络自适应补偿的稳定控制器。优化设计负载结构使耳轴两端的载荷基本平衡,减小控制过程中由于克服不平衡力矩所产生的能量消耗,以及非线性力矩干扰。稳定控制器采用PI控制计算主控制量;由扰动速度、扰动加速度作为输入构成单神经元控制器计算补偿控制量;利用扩张状态观测器观测载体行进间负载所受到的扰动速度,利用混合微分器得到扰动加速度;由扰动速度、扰动加速度构成单神经元控制器计算补偿控制量;利用RBF神经网络提供梯度信息,对速度补偿系数和加速度补偿系数进行在线学习。数值仿真及台架试验结果表明,所设计稳定控制器具有较强的自学习和自适能力,对不同频率、幅值的扰动均具有鲁棒性,参数学习时间小于3.7 s,积分位置误差均方差小于0.33 mil,由此验证了所提出控制策略对于提高某新型车载多管负载稳定控制精度的可行性和有效性。