摘要：针对一类多输入多输出不确定非线性系统,用一个RBF神经网络获得未建模动态和外来扰动的估计值,将回馈递推思想与滑模控制相结合,逐步回馈递推,设计了鲁棒控制器。将这种方案用于某型侧滑转弯导弹的飞行控制系统设计。其中,为克服导弹作动器的位置饱和、速率饱和问题,改进了滑动面的符号函数,并采用模糊逻辑对滑动面的斜率进行实时调整。仿真表明了该控制方法的有效性。

摘要：针对不确定严格反馈块控非线性系统,提出了一种快速回馈递推自适应控制方法。系统的不确定性及外界干扰由RBF神经网络在线逼近,利用动态面控制技术简化回馈递推方法的控制律,同时改进参数自适应律,使在线调整自适应参数显著减少,提高了控制算法的计算效率。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差指数收敛到有界紧集内。最后进行了空天飞行器飞行控制系统设计,并在高超声速的条件下对其进行了仿真验证,结果表明了该方法的有效性。

摘要：针对可变翼高超声速飞行器的外环稳定跟踪控制问题,考虑可变翼对建模的影响、模型参数不确定和外界未知干扰对跟踪控制性能的影响,提出基于回馈递推的智能非线性控制策略。本文首先利用巡航段气动参数的插值数据建立精确的纵向模型;然后采用输入-输出反馈线性化方法对飞行器纵向模型进行非线性映射,并根据状态变量特性将飞行器划分为三个子系统,利用回馈递推依次求取控制信号,采用RBF神经网络对未知干扰进行逼近,保证鲁棒性能。针对回馈递推设计过程中微分膨胀的问题,加入动态面控制思想进行改进。通过仿真表明,该方法可以保证闭环系统的全局稳定,并且拥有良好的跟踪性能和鲁棒性能。

摘要：研究了新型多旋翼飞行器的建模与轨迹跟踪控制.建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略.首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令.采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器.该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量.仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.

摘要：首先将一种侧滑转弯导弹的非线性运动方程变换为适用于回馈递推方法的形式,其次利用回馈递推方法设计了导弹飞行控制器,系统的收敛性通过李亚普诺夫稳定性理论得到了严格的数学证明,然后针对作动器的位置、速率饱和对于系统性能的影响,采用非线性优化方法,避免了用通常回馈递推方法继续回推分析作动器动态过程的复杂性,得出了一种折衷考虑作动器动态特性、导弹飞行性能和鲁棒性的控制器。仿真表明了本方案的有效性。

摘要：针对飞机大机动飞行提出了一种命令滤波回馈递推自适应控制方法。基于回馈递推的思想适当选取Lya-punov函数递推得到控制律,同时设计相应的自适应律来调节未知参数,考虑到飞机内部状态变量和激励器的物理限制,命令滤波器被引入到递推设计过程中,并利用一种基于免疫克隆原理的改进粒子群算法优化固定参数改善动态性能。仿真结果表明,当激励器饱和时,设计的控制律仍能理想地跟踪飞机大机动指令飞行,同时具有快速的收敛性和良好的鲁棒性。

摘要：文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法。首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性。基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的。仿真结果验证了所研究算法的有效性。

摘要：针对近空间飞行器(Near space vehicle,NSV)姿态系统,在考虑复合干扰情况下,以其拥有良好的控制性能及强鲁棒性为目标,提出基于回馈递推(Backstepping)的控制策略。首先,采用一种自适应干扰估计算法,以提高干扰估计的准确性。其次,为避免backstepping设计中的"微分膨胀问题",设计一个快速收敛的非线性微分器,实现快速估计期望角速率的微分信号。然后,将自适应干扰估计算法、快速收敛的非线性微分器和backstepping方法相结合,设计不确定NSV姿态系统的复合控制器,其中构造鲁棒项减少干扰估计误差对系统跟踪性能的影响,并利用输入输出有界理论证明了闭环NSV系统的稳定性。最后,仿真结果表明所提出方法具有良好的跟踪控制性能和鲁棒性能。

摘要：研究了一类非匹配不确定性非线性系统自适应跟踪问题,在假设系统模型不确定参数未知时,结合Backstepping的递推方法和鲁棒控制技术,经过多步递推设计了输出反馈控制器和参数自适应控制律.通过控制参数调节,对存在非匹配不确定性和未知干扰的非线性系统实现了输出跟踪.基于Lyapunov稳定性理论所设计的控制器不仅使系统的输出跟踪给定的期望输出,而且使得系统对于所允许的不确定系统状态全局一致有界.与经典反演设计相比,本方案允许非参数化不确定性,增强了控制系统的鲁棒性.最后的仿真算例验证所设计控制方法的有效性.

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。