带不确定性上界估计的移动机器人编队控制

针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者法,以驱动器电压作为控制量,通过反步法设计了一种移动机器人编队鲁棒自适应控制方法。采用单输入径向基神经网络(RBFNN)对含驱动器动力学的机器人动力学非线性不确定部分的上界值进行在线估计,并通过非线性元对建模估计误差进行补偿。所提方法既解决了移动机器人编队控制的多不确定性问题,也确保了机器人编队期望队形下的轨迹跟踪。基于Lyapunov方法设计了参数自适应律,并进行了系统稳定性分析。最后,通过两个仿真实例验证了该方法对不确定性估计的准确性,减低了计算复杂度,提高了抗干扰能力。

高机动弹道目标末端拦截的新型有限时间滑模制导律设计

针对高机动弹道目标末端拦截问题,设计了一种具有有限时间收敛特性的新型滑模制导律。首先针对目标三维运动强耦合的特点,基于视线旋转坐标系内弹目相对运动关系建模,结合降维微分几何制导律和滑模控制理论,并采用快速双幂次趋近律构造了有限时间内快速收敛的连续制导指令;同时,采用了一种在末端拦截段使视线转率随弹目相对距离的减小在有限时间内快速收敛的滑模面;进而将目标的机动加速度视为上界未知的有界扰动,并通过自适应估计实现对目标加速度上界的快速逼近,可显著提高滑模面收敛速度,同时减弱抖震现象;最后,通过李雅普诺夫定律,对所提出新制导律的稳定性进行了证明。仿真结果表明,所设计的新型制导律能有效拦截高机动弹道目标。