针对矢量推力双旋翼无人机姿态控制过程中存在强耦合、模型不精确的问题,提出了一种改进型的线性自抗扰姿态控制(linear active disturbance rejection controller,LADRC)方法。该方法利用改进线性扩张状态观测器(linear extended state...针对矢量推力双旋翼无人机姿态控制过程中存在强耦合、模型不精确的问题,提出了一种改进型的线性自抗扰姿态控制(linear active disturbance rejection controller,LADRC)方法。该方法利用改进线性扩张状态观测器(linear extended state observer,LESO)提高对总扰动的实时观测精度,根据姿态角的误差及其变化率引入模糊控制思想对线性状态误差反馈控制律进行在线参数整定,最后以矢量推力双旋翼飞行器为研究对象,对比PID和常规LADRC对外界扰动的抗扰效果,仿真试验验证了该方法能够较好估计补偿系统的总扰动,具有更好的抗扰性能和收敛速度。展开更多
应用倾斜转弯(Bank to Turn,BTT)及推力矢量控(ThrustVector Control,TVC)技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响,为消除误差影响,引入RBF神经网络分别对快...应用倾斜转弯(Bank to Turn,BTT)及推力矢量控(ThrustVector Control,TVC)技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响,为消除误差影响,引入RBF神经网络分别对快慢回路进行补偿,利用李亚普诺夫(Lyapunov)稳定性定理推导了神经网络权值、中心及带宽的自适应规律,并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究,结果表明RBF神经网络自适应控制方法补偿作用显著,不仅改善了控制系统的动态性能,而且使系统具有良好的抗干扰和容错能力。展开更多
文摘针对矢量推力双旋翼无人机姿态控制过程中存在强耦合、模型不精确的问题,提出了一种改进型的线性自抗扰姿态控制(linear active disturbance rejection controller,LADRC)方法。该方法利用改进线性扩张状态观测器(linear extended state observer,LESO)提高对总扰动的实时观测精度,根据姿态角的误差及其变化率引入模糊控制思想对线性状态误差反馈控制律进行在线参数整定,最后以矢量推力双旋翼飞行器为研究对象,对比PID和常规LADRC对外界扰动的抗扰效果,仿真试验验证了该方法能够较好估计补偿系统的总扰动,具有更好的抗扰性能和收敛速度。
文摘应用倾斜转弯(Bank to Turn,BTT)及推力矢量控(ThrustVector Control,TVC)技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响,为消除误差影响,引入RBF神经网络分别对快慢回路进行补偿,利用李亚普诺夫(Lyapunov)稳定性定理推导了神经网络权值、中心及带宽的自适应规律,并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究,结果表明RBF神经网络自适应控制方法补偿作用显著,不仅改善了控制系统的动态性能,而且使系统具有良好的抗干扰和容错能力。
