基于反馈线性化的广义预测控制机械臂轨迹跟踪算法

分析了机械臂轨迹跟踪控制问题的特点,建立了二自由度机械臂动力学模型。为解决广义预测控制(generalized predictive control,GPC)算法难以适用于非线性系统的问题,在现有的GPC算法基础上,设计了基于反馈线性化的广义预测控制(feedback linearization-generalized predictive control,FL-GPC)算法框架,即底层为线性系统预测控制,非线性项使用预估值来进行代替,高层为迭代修正预估量,使用迭代计算的方式对非线性项进行预估。使用FL-GPC算法对二自由度机械臂的静态、动态轨迹跟踪任务进行了仿真。仿真结果表明,算法可以进行有效的机械臂轨迹跟踪控制。

考虑自抗扰的飞行器轨迹线性化控制研究

在对飞行器轨迹控制的过程中,由于相关参数设置之间存在自扰作用,导致控制效果与期望存在较大偏差,为此,提出考虑自抗扰的飞行器轨迹线性化控制研究。结合飞行器在不同飞行模式下的运动特征,构建飞行器运行状态模型,明确状态参数之间的关系。根据影响飞行器轨迹状态的扰动因素,通过分别为飞行器设置合理的动压约束条件、法向过载约束条件以及控制量约束条件,以此实现对飞行器轨迹的线性化控制。实验结果表明,设计控制方法对应飞行器轨迹回路的航迹角与期望之间的偏差分别稳定在0.2°以内,轨迹回路的速度与期望之间的偏差稳定在1.0m/s以内,轨迹回路的姿态角与期望之间的偏差分别稳定在1.0°范围内。

基于轨迹线性化控制的再入轨迹跟踪制导

针对高超声速飞行器再入制导问题,提出了一种基于轨迹线性化控制(TLC)方法的轨迹跟踪制导律.利用再入飞行器动力学固有时间尺度分离的特点,通过外环路和内环路的设计分别对高度和速度进行控制.轨迹倾角被用作外环路的虚拟控制量来控制高度;倾侧角和迎角用于在内环路跟踪轨迹倾角指令和速度.在反馈回路通过设计线性时变控制器对误差动态进行镇定.反馈增益可在线计算并能符号化地表示为参考轨迹的函数,从而避免了增益插值调度和可能需要的模式切换.大量仿真结果表明:TLC可以实现轨迹的精确跟踪且控制参数对不同参考轨迹的依赖性很小;TLC与基于轨迹在线生成的制导方法的结合可以显著提高再入制导的自主性和适应性.

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.

基于单隐层神经网络的空天飞行器直接自适应轨迹线性化控制

基于轨迹线性化方法(TLC)及神经网络技术研究了一种新的直接自适应TLC控制方案。利用单隐层神经网络(SHLNN)对于光滑非线性函数的逼近能力,对消系统中不确定因素的影响,神经网络自适应律采用Lyapunov方法设计,保证了整个系统所有信号有界。最后利用该方案设计了空天飞行器飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明整个控制系统具有很好的性能和鲁棒性。

基于轨迹线性化方法的导弹动态逆控制系统设计

基于动态逆控制及轨迹线性化方法,研究了一种新的导弹鲁棒自适应控制系统设计方法。首先,基于导弹的非线性模型设计快、较慢回路的动态逆控制器,以实现其非线性解耦;然后,在较慢回路中设计鲁棒自适应轨迹线性化控制器,以补偿整个控制系统的不确定性及干扰,即在轨迹线性化控制的基础上,通过设计RBF神经网络在线估计系统中存在的不确定性及外部干扰,以抵消其对控制性能的影响,并引入鲁棒自适应控制项,以克服逼近误差。稳定性分析表明,闭环系统所有信号一致最终有界。最后通过对所设计控制系统的仿真分析,验证了该方法的有效性。

基于轨迹线性化控制方法的全驱动自主式水下航行器轨迹跟踪控制

基于轨迹线性化控制(Trajectory Linearization Control,TLC)方法研究了全驱动自主式水下航行器(AUV)的轨迹跟踪控制.利用微分方程奇异摄动理论中的时标分离思想,将全驱动AUV的轨迹跟踪控制系统分成快、慢回路,分别基于轨迹线性化思想设计出快、慢回路控制器;利用Lyapunov稳定性理论对闭环控制系统进行了稳定性分析,通过AUV爬升转弯过程的仿真验证了该控制方法的有效性.

基于单隐层神经网络的空天飞行器鲁棒自适应轨迹线性化控制

研究了一种新的空天飞行器鲁棒自适应轨迹线性化飞行控制系统设计方案。利用单隐层神经网络的逼近能力在线估计系统中存在的不确定性,神经网络输出用以抵消不确定性对轨迹线性化方法控制性能的影响。鲁棒自适应控制器用以克服逼近误差,并使闭环系统具有更好的性能。严格的理论证明表明,给定的自适应调节律能够保证闭环系统跟踪误差最终收敛至任意小紧集。空天飞行器高超声速飞行条件下的仿真结果表明,即使在很恶劣的条件下,新方法仍然表现出很好的响应性能。

基于模糊干扰观测器的空天飞行器轨迹线性化控制

针对一类多输入多输出非线性不确定系统,提出了基于模糊干扰观测器(FDO)的轨迹线性化控制(TLC)方法并应用于空天飞行器(ASV)飞行控制系统设计。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法本文证明了闭环系统跟踪误差和干扰观测误差一致最终有界。最后利用所提出的控制方案设计了ASV飞行控制系统,仿真结果表明了控制方案的有效性和鲁棒性。

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素,并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少,整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。

基于非线性干扰观测器的不确定非线性系统鲁棒轨迹线性化控制

针对一类不确定非线性系统,基于轨迹线性化控制方法(TLC)及非线性干扰观测器技术(NDO)研究了一种新的非线性鲁棒控制策略.TLC是一种有效的非线性跟踪和解耦控制方法,但当系统中存在内部未建模动态和外界干扰时,当前TLC控制器性能将显著下降.本文利用NDO对系统中的不确定项进行估计,其输出与TLC控制律结合来对消不确定性的影响.最后通过一个数值仿真实例验证了本文提出的方法的有效性,仿真结果表明该鲁棒轨迹线性化控制方法具有很好的干扰衰减能力和鲁棒性能.*

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.

精确反馈线性化在移动机器人轨迹跟踪中的应用

本文首先介绍了轮式移动机器人从原始形式到链形式的转换 ,并以此为对象 ,通过动态扩展 ,引入了精确反馈线性化的方法 ,将链形式精确地转换为输入输出线性系统 ,在此基础上 ,设计了反馈控制器对轮式移动机器人的轨迹跟踪进行控制 .

基于非线性干扰观测器的空天飞行器轨迹线性化控制

研究一种新的空天飞行器基于非线性干扰观测器的轨迹线性化飞行控制方案。轨迹线性化控制是一种新颖有效的非线性跟踪和解耦控制方法,但空天飞行器飞行过程中存在的建模误差和外界干扰等不确定因素将导致其性能下降甚至失效。为了满足空天飞行器高精度高稳定控制的要求,本文利用非线性干扰观测器对系统中存在的不确定进行估计,其输出用以设计新的补偿控制律,从而使当前轨迹线性化方法的控制性能得到改善。最后利用该方案设计出空天飞行器飞行控制系统,通过高超声速飞行条件下的仿真,验证了该方法的有效性。

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC)。针对再入机动飞行器(MRV)进行了控制器设计和分析。MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降。利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能。基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性。仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性。

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。

无人机鲁棒轨迹线性化控制航迹跟踪设计

研究一种鲁棒轨迹线性化控制方法并将其应用于无人机(unmanned aerial vehicle,UAV)航迹跟踪控制设计。通过理论分析指明传统轨迹线性化控制方法对系统中的不确定性存在鲁棒性不足的问题,采用改进隐层自适应神经网络对不确定性进行补偿,并利用Lyapunov理论证明了跟踪误差的有界性,最后将该方法应用到无人机三维航迹跟踪控制中。仿真结果表明,当参数摄动在20%时,该控制方法仍能使UAV很好地跟踪理想航迹,从而验证了该方法的有效性。

基于模糊干扰观测器的轨迹线性化控制研究

针对一类非线性不确定系统,基于轨迹线性化控制(TLC)方法及模糊干扰观测器(FDO)技术研究了一种新的非线性控制结构。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法,证明了跟踪误差和干扰观测误差一致最终有界。最后利用提出的控制方案针对数值算例进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。

空天飞行器模糊自适应轨迹线性化控制器设计

针对一类单输入单输出非线性不确定系统,提出了模糊自适应轨迹线性化控制(TLC)方法并应用于空天飞行器(ASV)飞行控制系统设计。利用模糊系统具有以任意精度逼近非线性系统的能力对未知干扰和不确定进行估计,以减小其对系统性能的影响,并通过鲁棒控制项来克服模糊系统的逼近误差。采用Lyapunov方法,证明了闭环系统所有信号一致最终有界。最后利用提出的控制方案设计了空天飞行器飞行控制系统,并在高超声速条件下进行了仿真验证,仿真结果表明了该方法的有效性和鲁棒性。

基于自抗扰的高超再入飞行器轨迹线性化控制技术

在高超再入飞行器运动模型的基础上,全面分析了全弹道3通道间的运动学耦合、惯性耦合、气动耦合和控制耦合.针对该强耦合系统的姿态跟踪问题,基于时标分离和奇异摄动原理,分别在姿态环慢回路和快回路设计了基于自抗扰的轨迹线性化控制器.结合控制器的设计过程,从前馈、反馈、干扰观测与补偿等角度全面分析了自抗扰轨迹线性化控制方法的通道解耦机理.仿真结果验证了解耦机理分析的正确性,表明自抗扰轨迹线性化方法具有很好的解耦效果,适合用于强耦合系统的控制器设计.