基于固定时间的多无人机系统自适应姿态控制

针对一类具有非对称输入饱和与时变输出约束的多无人机系统,提出一种自适应固定时间一致性姿态控制算法。首先,设计障碍李亚普诺夫函数限制姿态角输出信号在预设时变约束的边界内,同时利用径向基神经网络解决不确定非线性问题。其次,设计与无人机姿态系统相同阶次的辅助系统,并利用辅助信号与误差变量构建坐标变换,补偿非对称输入饱和的影响。基于固定时间理论和李亚普诺夫稳定性理论,证明该控制算法能够保证多无人机系统的姿态角一致性跟踪误差在固定时间内收敛到原点附近的邻域内,且闭环系统内所有信号都是有界的。最后,通过仿真结果验证所提控制算法的有效性。

基于时滞测量的复杂网络分布式状态估计研究

研究一类存在一步随机时滞的复杂网络分布式状态估计问题,采用伯努利随机变量刻画测量值的随机时滞情况.基于复杂网络模型和不可靠测量值,分别设计复杂网络的状态预测器和分布式状态估计器,基于杨氏不等式消除节点之间的耦合项,通过优化杨氏不等式引进的参数,优化状态预测协方差.通过设计估计器增益,获得状态估计误差协方差,同时结合预测误差协方差,获得状态估计误差协方差的迭代公式,并给出估计误差协方差稳定的充分条件.最后,对由小车组成的耦合系统进行数值仿真,验证所设计估计器的有效性.

基于状态分解的网络化系统分布式状态估计

本文研究了离散时间网络化系统的分布式状态估计问题,提出了一种基于状态分解的新型分布式状态估计方法.通过解耦系统的能观状态分量,网络中各传感器节点可独立估计对应分量,实现了估计方法的完全分布式设计.针对网络信息传输冗余问题,建立了状态预测值扩散策略,各传感器仅需向外传输其能观状态分量的预测值,大幅降低了传感器网络各节点的计算与通信资源消耗.为证明本文所设计估计方法的误差协方差有界性,构造了紧凑形式误差协方差迭代式,得到了协方差存在上下界的充分条件.最后,通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析,验证了所设计估计方法的有效性.

网络化不确定非线性时滞系统的状态估计

本文研究了离散不确定非线性时滞系统在网络传输不可靠情况下的状态估计问题.针对网络传输丢包问题,采用伯努利(Bernoulli)随机模型,建立了控制信号和输入信号的不可靠传输模型.本文通过状态扩展的方法处理不确定非线性项,得到了扩展状态系统.基于不可靠的控制和测量信息,设计了状态预测器和估计器,并给出相应的误差系统.通过设计最优估计器增益,本文给出了状态预测误差协方差的迭代公式.为了进一步提高状态估计器的精度,设计了一种新型的参数迭代优化方法.针对状态预测误差协方差,本文得到了其稳定性的判别准则.最后,通过一例数值仿真,验证了所得结论的有效性.