基于动态逆的L1自适应飞行控制方法研究

战机在战场追逃过程中需要完成超机动动作以快速进入优势攻击区域,但在大攻角飞行范围内,飞行过程具有强烈的耦合作用。传统的动态逆控制方法具有很好的快速解耦能力,但鲁棒性较差。提出一种基于非线性动态逆的L1自适应飞行控制方法,通过引入PI型动态逆控制和L1自适应结构,提高了系统的动态性能和鲁棒性。最后利用某软件仿真战机类眼镜蛇机动,结果表明该方法在提升了系统动态性能的基础上,还可以有效补偿参数不确定性等扰动,同时提高了鲁棒性,能够为战机空中作战提供技术参考。

基于L1自适应结构的动态逆飞行控制方法研究

非线性动态逆控制具有很好的快速性和解耦能力,但自身缺乏必要的鲁棒性。因此,从提高动态逆控制方法鲁棒性的角度出发,提出一种动态性能优异、强鲁棒的L1自适应结构的自适应动态逆控制方法。该方法通过引入L1自适应结构来增强动态逆控制的鲁棒性,并且保证系统在扰动干扰下的稳定性和动态性能。基于此方法设计了飞行控制律,旨在提高飞控系统的鲁棒性和容错能力。在故障干扰下验证了所设计控制器的有效性,仿真结果表明基于L1自适应动态逆设计的飞行控制器在参数不确定性等扰动具有强大的鲁棒性,能够保证系统在扰动下依旧达到期望的动态性能。

基于非线性L_1自适应动态逆的飞行器姿态角控制

钊对常规动态逆控制器不能有效抵消系统中的不确定性这一缺点,提出了一种非线性L_1自适应动态逆控制方法.该方法能够克服常规动态逆的不足,在保证系统鲁棒性的前提下,提升飞行器姿态角控制效果.首先,采用时标分离原理,将姿态角控制系统分为内外两个回路:外回路采用常规动态逆控制器,用于姿态角的跟踪控制;内回路采用非线性L_1自适应控制器,用于角速率的控制.其中,L_1自适应控制器由静态反馈控制器和自适应控制器组成:静态反馈控制器通过状态反馈实现,用于保证内回路的稳定和具有期望的闭环特性;自适应控制器由状态观测器、自适应律和控制律组成,用于抵消系统中的不确定性.其次,对所提控制方法的稳定性进行了分析,结果证明了该控制方法能够保证内回路的稳定和外回路的误差有界.最后,在综合考虑多种不确定性的情况下,将本文提出的非线性L_1自适应动态逆控制方法用于某无人飞行器姿态角控制,仿真结果验证了该控制方法的有效性和鲁棒性.

固定翼无人机动态逆控制方法与工程实现

无人机的稳定性和平稳性是飞行控制的一项重要指标,而无人机飞行时产生的非线性问题是控制率设计中亟需解决的问题。本文以固定翼无人机为研究对象,研究了固定翼飞行控制的动态逆控制方法,搭建了固定翼无人机飞行控制系统框架图,并设计了自适应动态逆控制器及多种飞行控制模式,完成数据接收和解算,在飞控硬件设备上完成了工程实施并进行了飞行试验。初步飞行试验表明,所设计的动态逆控制器满足了固定翼无人机飞行控制的需求。

基于自适应补偿动态逆飞行姿态控制仿真研究

在飞行姿态控制仿真中,基于飞机运行数据建立的机型运动模型误差较大,为此提出用运行数据训练飞行姿态仿真控制律,减小运动模型的误差。具体是根据姿态变化快慢划分三通道控制回路,通过状态量反馈调整逆系统,利用模型输出与机型运行数据相关量的偏差设计自适应补偿结构,修正运动模型误差。仿真验证表明,加入自适应补偿结构的控制器能有效降低姿态角误差。

基于L1动态逆的自主空中加油对接控制

为实现无人受油机与加油机的自主安全对接,提出基于L1自适应动态逆的无人机自主空中加油对接跟踪控制方法。根据时标分离的原则,将无人受油机的姿态控制分为快、慢回路,采用动态逆方法设计姿态回路控制器,设计L1自适应系统补偿外界气流干扰和系统模型误差,并采用自主空中加油对接段仿真系统对所设计控制系统进行验证。仿真结果表明:该对接跟踪控制系统具有很高的抗干扰能力和鲁棒性,能满足自主空中加油的控制精度要求。

基于L1自适应控制的无人机横侧向控制

在设计无人机飞控系统时,以往采用PID增益调参,由于每架飞机参数的不确定,传统方法费时费力。为了克服传统方法对系统参数和模型结构的依赖,提出了一种对小型无人机进行横侧向滚转角控制设计的新的L1自适应控制方法。该方法将飞机在包线内的参数变化和耦合视为模型的时变参数和干扰;构建的L1横侧向控制律能够对控制信号中的高频振荡进行有效抑制。仿真验证的结果表明,所设计的控制器能够控制跟踪误差渐进收敛且跟踪效果良好。

基于L_1自适应方法的四旋翼飞行器纵向控制

针对四旋翼飞行器姿态控制系统欠驱动、强耦合、强振动的特性以及非零初始误差的客观存在,采用了一种新型的L1自适应算法,将模型的非线性因素和耦合项视作时变参数和干扰,设计了L1自适应控制器,突破了传统自适应控制固有的时变参数频率限制,有效抑制了飞行器机械振动所引起的高频干扰;同时,在飞行器存在非零初态跟踪误差情况下,避免了瞬态误差的出现,确保输入力矩在可控范围内一致有界。最后,仿真结果验证了算法的鲁棒性。

NARX网络在自适应逆控制动态系统辨识中的应用

针对动态神经网络的学习算法问题,提出了一种适用于带外加输入的非线性自回归 (NARX)动态网络的改进型RTRL学习算法. 该算法基于LM算法的思想,取代传统RTRL中的梯度寻优算法,以改善RTRL的学习速度, 并将该方法应用于NARX动态网络自适应逆控制的对象辨识中. 数值仿真结果表明该改进学习算法是可行而有效性的,并且也验证了NARX动态神经网络具有很强的动态描述能力.

基于动态逆的高超声速飞行器鲁棒自适应控制

针对高超声速飞行器运动学模型具有高度非线性、多变量耦合及参数不确定等特点,提出了一种基于非线性动态逆的控制系统鲁棒自适应控制器设计方法.该方法将飞行器的运动方程分成速度子系统和高度子系统,利用控制输入的功能分配,并结合虚拟控制指令设计与非线性动态逆技术,实现速度和高度的稳定跟踪.为消除系统中模型不确定性和外界干扰的影响,采用鲁棒自适应滑模控制策略进行补偿.仿真结果表明:所提出的控制器设计方法不仅满足飞行器速度与高度跟踪性能的要求,且对模型不确定性和外干扰具有一定的鲁棒性.

最优控制L_1自适应在重装空投纵向控制器设计中的应用

为保证空投过程中载机的姿态和高度稳定,采用结合最优控制的L_1自适应控制方法设计了飞机纵向控制器.利用最优控制产生线性控制信号并确定匹配参考模型,在此基础上将系统非线性转化为L_1自适应控制结构中的匹配和非匹配不确定性实现姿态保持,结合外环PID高度控制器完成整个飞控系统的设计.仿真验证了控制器的强鲁棒性,可以抑制高自适应增益下输入信号中的高频抖振.

具有输入约束的飞机姿态L_1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。

基于一种新型动态神经网络的非线性自适应逆控制

根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。通过对单输入单输出(SISO)及多输入多输出(MIMO)非线性系统的自适应逆控制仿真研究,证实了DAFNN是一种很好的非线性系统建模和控制工具。

基于L_1神经网络自适应算法的飞行器姿态控制

针对四旋翼飞行器系统非线性、欠驱动、强耦合的特性,提出了基于Sigmoid作用函数的L1神经网络自适应算法姿态控制器。反馈回路中设有低通滤波器,利用神经网络对系统非线性因素在线辨识。只要由低通滤波器和期望闭环系统组成的级联系统L1增益小于非线性因素的李普西兹常数的倒数,就能确保通过提高L1自适应增益,使系统的输入输出信号瞬态响应和稳态跟踪性能与期望的线性时不变系统响应保持一致。仿真验证了算法有效性。

基于L1自适应方法的超机动飞行控制律设计

提出了一种基于L1自适应的超机动飞行控制律设计方法;该方法将局部飞行包线内飞机模型参数的变化视为模型不确定性,将纵向与横、航向三轴间的交联耦合处理为外部干扰,通过L1自适应调整律与控制律,使系统跟踪误差快速渐进收敛于零,并确保系统鲁棒性,从而仅需一套L1自适应控制律即可实现局部包线范围内的大迎角超机动飞行控制,减少了控制律设计的工作量;针对自适应控制引起的高增益问题,采用低通滤波器消除控制信号中不期望的高频动态,对高频振荡进行有效抑制;超机动仿真结果表明:所设计的控制律具有良好的大迎角超机动飞行控制性能。

飞机翼面损伤的L1自适应重构控制方法研究

进行飞机翼面损伤下的重构控制对提高飞机的安全可靠性具有重要的意义,传统的自适应重构控制方法易产生高增益和高频震荡,提出一种基于L1自适应控制的重构控制方法,可同时满足快速自适应和鲁棒性特点;首先根据翼面故障对飞机气动特性的影响,建立故障参数模型,然后根据L1自适应控制快速自适应和鲁棒性的特点,选择合适的自适应律和滤波器进行重构控制器的设计,最后根据飞机升降舵翼面损伤情况进行仿真分析,结果表明文中所用方法可以进行部分翼面损伤的重构控制,能够快速响应和抑制高频震荡,重构控制取得了满意的效果。

磁控式并联电抗器动态自适应逆控制算法

提出一种磁控式并联电抗器(magnetically controlled shunt reactor,MCSR)的非线性自适应逆控制系统的建模算法,采用"分解建模"的设计思想,将元件建模和动态系统辨识理论相结合,对MCSR的非线性元件部分和外在系统的动态影响分别建模。建立描述非线性磁路特性的逆对象方程,根据"阿贝尔定理"对非线性方程进行泰勒展开,以解析解形式求出控制系统需要的励磁电流,建立逆对象传递函数;针对外在电力系统与MCSR的相关性,建立时变参数的动态回归方程,以最小二乘法求出时变参数。已在电力系统全数字实时仿真装置(advanced digital power systemsimulator,ADPSS)中编程实现了控制模块的工程化应用,并以MCSR实际运行参数搭建算例,验证了控制系统的有效性和实用性。

基于动态递归网的无刷直流电动机自适应逆控制

该文给出了基于动态递归神经网络的无刷直流电动机自适应逆控制方案 ,它可以处理电机非线性、变参数的影响。通过使用动态递归网实现了对象逆动态模型的在线控制 ,分析和仿真表明这种方法具有较好的自适应性及良好的收敛性能 ,且具有灵活、简单、方便等特点 。

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计,神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明,该控制方案弥补了动态逆要求精确数学模型的缺点,消除了作动器饱和对自适应单元的影响,提高了整个控制系统的鲁棒性。

互质因子摄动系统最优l_1鲁棒控制:连续性与自适应控制(英文)

针对具有互质因子摄动和未知干扰的离散时间系统研究了一种自适应鲁棒控制策略 .本文的主要工作包括三个方面 .首先建立了互质因子摄动系统最优l1鲁棒控制设计的连续性 .然后 ,提出了一种带变死区的参数鲁棒估计投影算法 .最后 ,结合所提出的参数估计算法和最优l1鲁棒控制 ,利用确定性等价原理提出了互质因子摄动系统的一种新的自适应鲁棒控制方法 .基于本文建立的l1优化设计的连续性 ,证明了自适应鲁棒控制的全局稳定性 。