摘要：针对具有强烈非线性、强耦合等特性的变机翼后掠角近空间飞行器,在考虑控制器存在摄动的情况下,设计了多模型非脆弱软切换鲁棒跟踪控制方案。将系统工作空间划分为若干区域,在每一区域建立局部模型,根据跟踪性能指标利用广义系统的方法设计局部控制器,大大减少了计算量和复杂度,同时减弱了对于待定矩阵的限制,更易于求得可行解,从而降低了保守性。由于控制器在模糊了的边界处进行切换,保证了系统状态在切换过程中的平滑性。最后对近空间飞行器在变机翼后掠角过程中的姿态进行跟踪控制,仿真结果表明了该控制系统具有良好的控制性能。

摘要：本文利用干扰观测器和Backstepping方法,提出了一类不确定非线性系统的鲁棒自适应控制方案.首先,利用径向基神经网络(radial basis function neuralnetwork,RBFNN)设计干扰观测器,并通过对RBFNN参数的自适应调整来逼近系统干扰.基于干扰观测器的输出,采用Backstepping方法设计鲁棒自适应控制器.在所设计的鲁棒自适应控制器作用下,闭环系统所有信号达到半全局一致有界稳定.闭环系统稳定分析表明适当地选取设计参数可以确保所有系统状态是一致有界的.最后,仿真结果验证了所提出的鲁棒自适应控制方案的有效性.

摘要：针对变体近空间飞行器(near space vehiele,NSV)大包络、多模态的特性,研究其姿态的鲁棒自适应跟踪控制问题。首先,提出标称变体NSV切换非线性系统的单一且光滑主控制器设计方法,以解决因飞行模态切换引起的主控制舵面跳变。其次,针对切换瞬间复合干扰存在不连续的问题,给出一组同步切换的改进干扰观测器设计方法。将改进干扰观测器的输出与光滑的主控制律相结合组成不确定变体NSV切换非线性系统的复合控制器。采用平均驻留时间分析法证明所提出的控制方法可以保证闭环不确定变体NSV切换非线性系统的稳定性。最后,仿真结果验证了所提方法的有效性。

摘要：近空间飞行器(near-space vehicle,NSV)的飞行包络很大,特别在高超声速飞行过程中,系统将具有强烈的非线性和快速时变性。而且,由于机体和发动机高度一体化,气动和推进系统具有很强的耦合特性,这些都对控制器的设计提出了很大的挑战。考虑到NSV爬升和巡航的任务要求,首先分析了近空间飞行器的气动结构和动力配置,提出了NSV在高超声速条件下的气动/发动机一体化纵向运动控制模型,并采用输入-输出反馈精确线性化方法的思想将控制模型转化成仿射形式。结合一类不确定非线性系统,提出了一种基于滑动面的广义预测控制(generalized predictive control,GPC)方法,同时利用T-S模糊系统的通用逼近性,设计模糊自适应律来消除系统不确定性的影响,并通过Lyapunov方法分析了闭环系统的控制特性。这种方法被用于NSV纵向运动飞/推一体化控制中,仿真实验验证了该方法的有效性。

摘要：针对一类由T-S模糊模型描述的不确定非线性系统,提出一种新颖的鲁棒模糊滑模观测器设计和干扰重构方法.首先,给出一种T-S模糊模型的等价形式.其次,在考虑滑模匹配条件不满足、状态不可测的情况下,利用高增益估计器构造辅助变量.为避免其峰化问题,提出基于高增益估计器的鲁棒滑模观测器.然后,基于所提出的等价形式,给出一类不确定非线性系统的鲁棒模糊滑模观测器设计方法.并证明其不但对系统的未知干扰具有鲁棒性,而且能保证状态估计残差在有限的时间内收敛于任意小的邻域,并可应用等价输出误差介入原理重构出系统的干扰.最后,将该方法应用于双关节机械臂的控制仿真实验.结果表明所提方法的有效性.

摘要：针对传统控制方法鲁棒性不强以及配置极点复杂的问题,本文中提出了一种基于T-S模型的最优模糊多模型切换控制方法,将T-S模型、线性二次型最优控制器设计以及多模型切换控制三者结合起来。该方法首先对每个T-S模糊模型的线性子系统设计LQR控制器,再把每个控制器乘以其权重求和得到全局LQR控制器,满足线性二次型性能指标最小的条件下,获得状态反馈矩阵,即提高了系统的鲁棒性,且避免了配置极点的复杂工作。在模糊规则数相同的情况下,多模型切换由于模糊论域的变小而提高了线性逼近精度,实现对整体非线性系统的逼近与控制。仿真实验结果验证了这种方法的有效性。

摘要：针对多变量、不稳定的近空间飞行器姿态系统,在系统存在参数不确定和外部干扰的情况下,并考虑执行器动态和输入受限,提出一种鲁棒可重构跟踪控制策略.首先,利用二阶滑模干扰观测器分别重构姿态、角速率回路的复合干扰;其次,采用鲁棒二阶滑模积分滤波器的反推(backstepping)方法避免了控制器设计中微分项膨胀问题,利用鲁棒项抵消重构误差对系统的影响,以实现姿态控制器设计.然后,在考虑执行器动态、输入受限及舵面卡死故障下,给出一种线性矩阵不等式的在线优化舵面分配算法,以实现飞行器的姿态角渐近跟踪期望的制导指令.最后,仿真结果表明所提出的方法具有良好的跟踪控制性能.

摘要：针对变后掠翼近空间飞行器(near space vehicle,NSV)在大包络、多任务模式飞行运动过程中具有非线性、快时变、强耦合和不确定的特性,提出了基于径向基神经网络(radialbasis function neural network,RBFNN)的鲁棒自适应跟踪控制策略。首先,利用RBFNN在线逼近NSV飞行过程中外部干扰。其次,应用backstepping设计光滑的反馈控制器。其中,采用微分器避免backstepping设计中出现微分膨胀问题,利用鲁棒项减少RBFNN估计误差对系统的影响。然后,通过公共Lyapunov函数证明所提出的控制器可以保证在任意飞行模态中NSV的输出跟踪误差均可以收敛到任意小的有界集内。最后,仿真结果表明该飞控系统具有良好的控制性能。

摘要：针对变结构近空间飞行器在大包络飞行过程中具有切换的后掠翼、非线性、快时变、强耦合和不确定的特性,提出基于全调节径向基神经网络(Fully Tuned Radial Basis Function Neural Network,FTRBFNN)和动态面backstepping的鲁棒自适应跟踪控制策略。该方法利用FTRBFNN在线逼近飞控切换模型中的复合干扰,应用带有动态面的backstepping方法,设计适用于任意切换后掠翼角光滑的反馈控制器。通过公共李氏函数,证明了所提出的控制方法可以保证闭环切换系统的输出跟踪误差在有限时间内收敛到任意小的有界集内。仿真实验结果表明该飞控系统具有良好的控制性能。