CN108958043B - 一种刚性飞行器的固定时间自适应姿态容错控制方法 - Google Patents
一种刚性飞行器的固定时间自适应姿态容错控制方法 Download PDFInfo
- Publication number
- CN108958043B CN108958043B CN201811137009.1A CN201811137009A CN108958043B CN 108958043 B CN108958043 B CN 108958043B CN 201811137009 A CN201811137009 A CN 201811137009A CN 108958043 B CN108958043 B CN 108958043B
- Authority
- CN
- China
- Prior art keywords
- fixed time
- rigid aircraft
- sgn
- sat
- diag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种刚性飞行器的固定时间自适应姿态容错控制方法,针对具有集中不确定性的刚性飞行器姿态镇定问题,设计了固定时间滑模面,保证了状态的固定时间收敛;引入神经网络逼近总不确定的函数,设计了神经网络固定时间控制器。本发明在外界干扰,转动惯量不确定,执行器饱和和故障的因素下,实现飞行器系统状态的固定时间一致最终有界的控制。
Description
技术领域
本发明涉及一种刚性飞行器的固定时间自适应姿态容错控制方法,特别是存在外部干扰,转动惯量矩阵不确定,执行器饱和和故障的刚性飞行器姿态镇定方法。
背景技术
刚性飞行器姿态控制系统在刚性飞行器的健康,可靠的运动中扮演着重要的角色。在复杂的航天环境中,刚性飞行器姿态控制系统会受到各种外部干扰以及刚性飞行器在长期不断任务时存在的老化和失效等故障等影响。为了有效维持系统的性能,需要使其对外部干扰以及执行器故障具有较强的鲁棒性;另外,刚性飞行器还存在转动惯量矩阵不确定,因此控制饱和也是飞行器经常出现的问题。综上所述,刚性飞行器在执行任务时,需要一种在短时间内使系统稳定收敛,高精度的容错控制方法。
滑模控制在解决系统不确定性和外部扰动方面被认为是一个有效的鲁棒控制方法。滑模控制方法具有算法简单、响应速度快、对外界噪声干扰和参数摄动鲁棒性强等优点。终端滑模控制是一种可以实现有限时间稳定性的传统滑模控制的改进方案。然而,现存的有限时间技术估计收敛时间需要知道系统的初始信息,这对于设计者是很难知道的。近年来,固定时间技术得到了广泛的应用,固定时间控制方法与现存的有限时间控制方法相比,具有无需知道系统的初始信息,也能保守估计系统的收敛时间的优越性。
神经网络是线性参数化近似方法的中一种,可以被任意的其他近似方法取代,比如RBF神经网络,模糊逻辑系统等等。利用神经网络逼近不确定的性质,有效的结合固定时间滑模控制技术,减少外部干扰及系统参数不确定性对系统控制性能的影响,实现刚性飞行器姿态的固定时间控制。
发明内容
为了克服现有的刚性飞行器姿态控制系统存在的未知非线性问题,本发明提供一种刚性飞行器的固定时间自适应姿态容错控制方法,并且在系统存在外部干扰,转动惯量不确定,执行器饱和和故障的情况下,实现系统状态的固定时间一致最终有界的控制方法。
为了解决上述技术问题提出的技术方案如下:
一种刚性飞行器的固定时间自适应姿态容错控制方法,包括以下步骤:
步骤1,建立刚性飞行器的运动学和动力学模型,初始化系统状态以及控制参数,过程如下:
1.1刚性飞行器系统的运动学方程为:
其中qv=[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值;分别是qv和q4的导数;为qv的转置;Ω∈R3是刚性飞行器的角速度;I3是R3×3单位矩阵;表示为:
1.2刚性飞行器系统的动力学方程为:
其中J∈R3×3是刚性飞行器的转动惯性矩阵;是刚性飞行器的角加速度;u=[u1,u2,u3]T∈R3和d∈R3是控制力矩和外部扰动;D=diag(D1,D2,D3)∈R3×3是3×3对称对角的执行器效率矩阵,满足0<Di(t)≤1,i=1,2,3;sat(u)=[sat(u1),sat(u2),sat(u3)]T为执行器产生的实际控制力矩,sat(ui)为带有饱和特性的执行器,表示为sat(ui)=sgn(ui)min{umi,|ui|},umi为最大提供的控制力矩,sgn(ui)为符号函数,min{umi,|ui|}为两者的最小值;为了表示控制约束,sat(u)表示为sat(u)=g(u)+ds(u),g(u)=[g1(u1),g2(u2),g3(u3)]T,gi(ui)为双曲正切函数
ds(u)=[ds1(u1),ds2(u2),ds3(u3)]T为近似误差矢量;根据中值定理,gi(ui)=miui,0<mi≤1;定义H=DM=diag(δ1m1,δ2m2,δ3m3)∈R3×3为3×3对称对角矩阵,M=diag(m1,m2,m3)∈R3×3为3×3对称对角矩阵;Dsat(u)重新表示为:Dsat(u)=Hu+Dds(u),满足0<h0≤Dimi≤1,i=1,2,3,h0为未知正常数;Ω×表示为:
1.3转动惯性矩阵J满足J=J0+ΔJ,其中J0和ΔJ分别表示J的标称部分和不确定部分,则式(4)重新写成:
进一步得到:
对式(1)进行求导,得到:
步骤2,针对外部扰动,转动惯量不确定,执行器饱和和故障的刚性飞行器系统,设计所需的滑模面,过程如下:
选择固定时间滑模面S=[S1,S2,S3]T∈R3为:
其中,sgn(q1),sgn(q2),sgn(q3)均为符号函数;λ1和λ2为正常数;r1=a1/b1,a1,b1为正常数,满足a1>b1,i=1,2,3;Sau=[Sau1,Sau2,Sau3]T,表示为:
步骤3,设计神经网络固定时间控制器,过程如下:
3.1定义神经网络为:
Gi(Xi)=Wi *TΦ(Xi)+εi (13)
3.2考虑固定时间控制器被设计为:
其中为3×3对称的对角矩阵, 为Θi的估计值Φ(X)=[Φ(X1),Φ(X2),Φ(X3)]T;K1=diag(k11,k12,k13)∈R3×3为3×3对称的对角矩阵;K2=diag(k21,k22,k23)∈R3×3为3×3对称的对角矩阵;K3=diag(k31,k32,k33)∈R3×3为对称的对角矩阵;k11,k12,k13,k21,k22,k23,k31,k32,k33为正常数;0<r3<1,r4>1; sgn(S1),sgn(S2),sgn(S3)均为符号函数;
3.3设计更新律为:
步骤4,固定时间稳定性证明,过程如下:
4.1证明刚性飞行器系统所有信号都是一致最终有界,设计李雅普诺夫函数为如下形式:
对式(18)进行求导,得到:
因此,刚性飞行器系统所有信号都是一致最终有界的;
4.2证明固定时间收敛,设计李雅普诺夫函数为如下形式:
对式(21)进行求导,得到:
基于以上分析,刚性飞行器系统状态在固定时间一致最终有界。
本发明在外界干扰,转动惯量不确定,执行器饱和和故障的因素下,运用固定时间自适应姿态容错控制方法,实现系统稳定控制,保证系统状态实现固定时间一致最终有界。本发明的技术构思为:针对含外部干扰,转动惯量不确定,执行器饱和和故障的刚性飞行器系统,利用滑模控制方法,再结合神经网络,设计了自适应神经网络控制器。固定时间滑模面的设计保证了系统状态的固定时间收敛。本发明在系统存在外界干扰,转动惯量不确定,执行器饱和和故障的情况下,实现系统状态的固定时间一致最终有界的控制方法。
本发明的有益效果为:在系统存在外界干扰,转动惯量不确定,执行器饱和和故障的情况下,实现系统状态的固定时间一致最终有界,并且收敛时间与系统的初始状态无关。
附图说明
图1为本发明的刚性飞行器姿态四元数示意图;
图2为本发明的刚性飞行器角速度示意图;
图3为本发明的刚性飞行器滑模面示意图;
图4为本发明的刚性飞行器控制力矩示意图;
图5为本发明的刚性飞行器参数估计示意图;
图6为本发明的控制流程示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1-图6,一种刚性飞行器的固定时间自适应姿态容错控制方法,所述控制方法包括以下步骤:
步骤1,建立刚性飞行器的运动学和动力学模型,初始化系统状态以及控制参数,过程如下:
1.4刚性飞行器系统的运动学方程为:
其中qv=[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值;分别是qv和q4的导数;为qv的转置;Ω∈R3是刚性飞行器的角速度;I3是R3×3单位矩阵;表示为:
1.5刚性飞行器系统的动力学方程为:
其中J∈R3×3是刚性飞行器的转动惯性矩阵;是刚性飞行器的角加速度;u=[u1,u2,u3]T∈R3和d∈R3是控制力矩和外部扰动;D=diag(D1,D2,D3)∈R3×3是3×3对称对角的执行器效率矩阵,满足0<Di(t)≤1,i=1,2,3;sat(u)=[sat(u1),sat(u2),sat(u3)]T为执行器产生的实际控制力矩,sat(ui)为带有饱和特性的执行器,表示为sat(ui)=sgn(ui)min{umi,|ui|},umi为最大提供的控制力矩,sgn(ui)为符号函数,min{umi,|ui|}为两者的最小值;为了表示控制约束,sat(u)表示为sat(u)=g(u)+ds(u),g(u)=[g1(u1),g2(u2),g3(u3)]T,gi(ui)为双曲正切函数
ds(u)=[ds1(u1),ds2(u2),ds3(u3)]T为近似误差矢量;根据中值定理,gi(ui)=miui,0<mi≤1;定义H=DM=diag(δ1m1,δ2m2,δ3m3)∈R3×3为3×3对称对角矩阵,M=diag(m1,m2,m3)∈R3×3为3×3对称对角矩阵;Dsat(u)重新表示为:Dsat(u)=Hu+Dds(u),满足0<h0≤Dimi≤1,i=1,2,3,h0为未知正常数;Ω×表示为:
1.6转动惯性矩阵J满足J=J0+ΔJ,其中J0和ΔJ分别表示J的标称部分和不确定部分,则式(4)重新写成:
进一步得到:
对式(1)进行求导,得到:
步骤2,针对外部扰动,转动惯量不确定,执行器饱和和故障的刚性飞行器系统,设计所需的滑模面,过程如下:
选择固定时间滑模面S=[S1,S2,S3]T∈R3为:
其中,sgn(q1),sgn(q2),sgn(q3)均为符号函数;λ1和λ2为正常数;r1=a1/b1,a1,b1为正常数,满足a1>b1,i=1,2,3;Sau=[Sau1,Sau2,Sau3]T,表示为:
步骤3,设计神经网络固定时间控制器,过程如下:
3.1定义神经网络为:
Gi(Xi)=Wi *TΦ(Xi)+εi (13)
3.2考虑固定时间控制器被设计为:
其中为3×3对称的对角矩阵, 为Θi的估计值Φ(X)=[Φ(X1),Φ(X2),Φ(X3)]T;K1=diag(k11,k12,k13)∈R3×3为3×3对称的对角矩阵;K2=diag(k21,k22,k23)∈R3×3为3×3对称的对角矩阵;K3=diag(k31,k32,k33)∈R3×3为对称的对角矩阵;k11,k12,k13,k21,k22,k23,k31,k32,k33为正常数;0<r3<1,r4>1; sgn(S1),sgn(S2),sgn(S3)均为符号函数;
3.3设计更新律为:
步骤4,固定时间稳定性证明,过程如下:
4.1证明刚性飞行器系统所有信号都是一致最终有界,设计李雅普诺夫函数为如下形式:
对式(18)进行求导,得到:
因此,刚性飞行器系统所有信号都是一致最终有界的;
4.2证明固定时间收敛,设计李雅普诺夫函数为如下形式:
对式(20)进行求导,得到:
基于以上分析,刚性飞行器系统状态在固定时间一致最终有界。
为验证所提方法的有效性,本方法针对飞行器系统进行仿真验证。系统初始化参数设置如下:
系统的初始值:q(0)=[0.3,-0.2,-0.3,0.8832]T,Ω(0)=[1,0,-1]T弧度/秒;转动惯性矩阵的标称部分J0=[40,1.2,0.9;1.2,17,1.4;0.9,1.4,15]千克*平方米,惯性矩阵的不确定部ΔJ=diag[sin(0.1t),2sin(0.2t),3sin(0.3t)];外部扰动d(t)=[0.2sin(0.1t),0.3sin(0.2t),0.5sin(0.2t)]T牛*米;滑模面的参数如下:λ1=1,λ2=1,控制器的参数如下:K1=K2=K3=0.5I3;更新律参数如下:γi=1,pi=0.1,i=1,2,3,sigmoid函数的参数选择如下:l1=4,l2=10,l3=8,l4=-0.5。最大的控制力矩umi=25牛*米,执行器效率值选择为:
刚性飞行器的姿态四元数和角速度的响应示意图分别如图1和图2所示,可以看出姿态四元数和角速度都能在13秒左右收敛到平衡点的一个零域内;刚性飞行器的滑模面响应示意图如图3所示,可以看出滑模面能在12秒左右收敛到平衡点的一个零域内;刚性飞行器的控制力矩如图4所示,可以看出控制力矩限幅在25牛*米内;参数估计响应示意图分别如图5所示。
因此,在系统存在外界干扰,转动惯量不确定,执行器饱和和故障的情况下,实现系统状态的固定时间一致最终有界,并且收敛时间与系统的初始状态无关。
以上阐述的是本发明给出的一个实施例表现出的优良优化效果,显然本发明不只是限于上述实施例,在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。
Claims (1)
1.一种刚性飞行器的固定时间自适应姿态容错控制方法,其特征在于:所述方法包括以下步骤:
步骤1,建立刚性飞行器的运动学和动力学模型,初始化系统状态以及控制参数,过程如下:
1.1刚性飞行器系统的运动学方程为:
其中qv=[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值;分别是qv和q4的导数;为qv的转置;Ω∈R3是刚性飞行器的角速度;I3是R3×3单位矩阵;表示为:
1.2刚性飞行器系统的动力学方程为:
其中J∈R3×3是刚性飞行器的转动惯性矩阵;是刚性飞行器的角加速度;u=[u1,u2,u3]T∈R3和d∈R3是控制力矩和外部扰动;D=diag(D1,D2,D3)∈R3×3是3×3对称对角的执行器效率矩阵,满足0<Di(t)≤1,i=1,2,3;sat(u)=[sat(u1),sat(u2),sat(u3)]T为执行器产生的实际控制力矩,sat(ui)为带有饱和特性的执行器,表示为sat(ui)=sgn(ui)min{umi,|ui|},umi为最大提供的控制力矩,sgn(ui)为符号函数,min{umi,|ui|}为两者的最小值;为了表示控制约束,sat(u)表示为sat(u)=g(u)+ds(u),g(u)=[g1(u1),g2(u2),g3(u3)]T,gi(ui)为双曲正切函数
ds(u)=[ds1(u1),ds2(u2),ds3(u3)]T为近似误差矢量;根据中值定理,gi(ui)=miui,0<mi≤1;定义H=DM=diag(D1m1,D2m2,D3m3)为3×3对称对角矩阵,M=diag(m1,m2,m3)∈R3×3为3×3对称对角矩阵;Dsat(u)重新表示为:Dsat(u)=Hu+Dds(u),满足0<h0≤Dimi≤1,i=1,2,3,h0为未知正常数;Ω×表示为:
1.3转动惯性矩阵J满足J=J0+ΔJ,其中J0和ΔJ分别表示J的标称部分和不确定部分,则式(4)重新写成:
进一步得到:
对式(1)进行求导,得到:
步骤2,针对外部扰动,转动惯量不确定,执行器饱和和故障的刚性飞行器系统,设计所需的滑模面,过程如下:
选择固定时间滑模面S=[S1,S2,S3]T∈R3为:
其中,sgn(q1),sgn(q2),sgn(q3)均为符号函数;λ1和λ2为正常数;r1=a1/b1,a1,b1为正常数,满足a1>b1,i=1,2,3;Sau=[Sau1,Sau2,Sau3]T,表示为:
步骤3,设计神经网络固定时间控制器,过程如下:
3.1定义神经网络为:
3.2考虑固定时间控制器被设计为:
其中为3×3对称的对角矩阵, 为Θi的估计值Φ(X)=[Φ(X1),Φ(X2),Φ(X3)]T;K1=diag(k11,k12,k13)∈R3×3为3×3对称的对角矩阵;K2=diag(k21,k22,k23)∈R3×3为3×3对称的对角矩阵;K3=diag(k31,k32,k33)∈R3×3为对称的对角矩阵;k11,k12,k13,k21,k22,k23,k31,k32,k33为正常数;0<r3<1,r4>1; sgn(S1),sgn(S2),sgn(S3)均为符号函数;
3.3设计更新律为:
步骤4,固定时间稳定性证明,过程如下:
4.1证明刚性飞行器系统所有信号都是一致最终有界,设计李雅普诺夫函数为如下形式:
对式(18)进行求导,得到:
因此,刚性飞行器系统所有信号都是一致最终有界的;
4.2证明固定时间收敛,设计李雅普诺夫函数为如下形式:
对式(20)进行求导,得到:
基于以上分析,刚性飞行器系统状态在固定时间一致最终有界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811137009.1A CN108958043B (zh) | 2018-09-28 | 2018-09-28 | 一种刚性飞行器的固定时间自适应姿态容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811137009.1A CN108958043B (zh) | 2018-09-28 | 2018-09-28 | 一种刚性飞行器的固定时间自适应姿态容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108958043A CN108958043A (zh) | 2018-12-07 |
CN108958043B true CN108958043B (zh) | 2021-08-03 |
Family
ID=64472034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811137009.1A Active CN108958043B (zh) | 2018-09-28 | 2018-09-28 | 一种刚性飞行器的固定时间自适应姿态容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108958043B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683480B (zh) * | 2018-12-27 | 2021-04-02 | 西北工业大学 | 考虑执行器故障的非线性机械系统类固定时间控制方法 |
CN111290366B (zh) * | 2020-02-12 | 2022-05-27 | 北京科技大学顺德研究生院 | 一种航天器姿控系统多故障诊断方法 |
CN111781942B (zh) * | 2020-06-23 | 2021-10-12 | 南京航空航天大学 | 一种基于自构造模糊神经网络的容错飞行控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7013208B2 (en) * | 2001-12-17 | 2006-03-14 | Hydro-Air, Inc. | Sliding integral proportional (SIP) controller for aircraft skid control |
CN103760906A (zh) * | 2014-01-29 | 2014-04-30 | 天津大学 | 神经网络与非线性连续无人直升机姿态控制方法 |
CN104527994A (zh) * | 2015-01-21 | 2015-04-22 | 哈尔滨工业大学 | 异面交叉快变轨道固定时间稳定姿态指向跟踪控制方法 |
CN107495962A (zh) * | 2017-09-18 | 2017-12-22 | 北京大学 | 一种单导联脑电的睡眠自动分期方法 |
CN107703952A (zh) * | 2017-08-29 | 2018-02-16 | 浙江工业大学 | 一种刚性飞行器的非奇异固定时间自适应姿态控制方法 |
CN108469730A (zh) * | 2018-01-29 | 2018-08-31 | 浙江工业大学 | 一种基于均值耦合的多电机固定时间自适应滑模控制方法 |
CN108490783A (zh) * | 2018-04-12 | 2018-09-04 | 浙江工业大学 | 基于增强型双幂次趋近律和快速终端滑模面的刚性航天飞行器有限时间自适应容错控制方法 |
-
2018
- 2018-09-28 CN CN201811137009.1A patent/CN108958043B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7013208B2 (en) * | 2001-12-17 | 2006-03-14 | Hydro-Air, Inc. | Sliding integral proportional (SIP) controller for aircraft skid control |
CN103760906A (zh) * | 2014-01-29 | 2014-04-30 | 天津大学 | 神经网络与非线性连续无人直升机姿态控制方法 |
CN104527994A (zh) * | 2015-01-21 | 2015-04-22 | 哈尔滨工业大学 | 异面交叉快变轨道固定时间稳定姿态指向跟踪控制方法 |
CN107703952A (zh) * | 2017-08-29 | 2018-02-16 | 浙江工业大学 | 一种刚性飞行器的非奇异固定时间自适应姿态控制方法 |
CN107495962A (zh) * | 2017-09-18 | 2017-12-22 | 北京大学 | 一种单导联脑电的睡眠自动分期方法 |
CN108469730A (zh) * | 2018-01-29 | 2018-08-31 | 浙江工业大学 | 一种基于均值耦合的多电机固定时间自适应滑模控制方法 |
CN108490783A (zh) * | 2018-04-12 | 2018-09-04 | 浙江工业大学 | 基于增强型双幂次趋近律和快速终端滑模面的刚性航天飞行器有限时间自适应容错控制方法 |
Non-Patent Citations (7)
Title |
---|
A Fixed-time attitude control for rigid spacecraft with actuator saturation and faults;Boyan Jiang 等;《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》;20160930;全文 * |
Adaptive fixed‐time fault‐tolerant control for rigid spacecraft using a double power reaching law;Meiling Tao 等;《WILEY》;20190801;全文 * |
Adaptive Nonsingular Fixed-Time Attitude Stabilization of Uncertain Spacecraft;QIANG CHEN 等;《IEEE Transactions on Aerospace and Electronic Systems》;20180510;全文 * |
Adaptive RBFNNs integral sliding mode control for a quadrotor aircraft;Shushuai Li 等;《Neurocomputing》;20161231;全文 * |
固定时间收敛的再入飞行器全局滑模跟踪制导律;王伯平 等;《宇航学报》;20170331;全文 * |
基于快速终端滑模面的两旋翼飞行器有限时间姿态控制;沈林武 等;《计算机测量与控制》;20200930;全文 * |
基于神经网络的多机械臂固定时间同步控制;高苗苗 等;《计算机测量与控制》;20190831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108958043A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488603B (zh) | 一种考虑执行器受限问题的刚性飞行器自适应神经网络跟踪控制方法 | |
CN110543183B (zh) | 一种考虑执行器受限问题的刚体飞行器固定时间姿态跟踪控制方法 | |
CN109188910B (zh) | 一种刚性飞行器的自适应神经网络容错跟踪控制方法 | |
CN110543184B (zh) | 一种刚性飞行器的固定时间神经网络控制方法 | |
CN107450584B (zh) | 一种基于固定时间滑模的飞行器自适应姿态控制方法 | |
CN109062240B (zh) | 一种基于神经网络估计的刚性飞行器固定时间自适应姿态跟踪控制方法 | |
CN107703952B (zh) | 一种刚性飞行器的非奇异固定时间自适应姿态控制方法 | |
CN108490783B (zh) | 基于增强型双幂次趋近律和快速终端滑模面的刚性航天飞行器有限时间自适应容错控制方法 | |
CN108958043B (zh) | 一种刚性飞行器的固定时间自适应姿态容错控制方法 | |
CN107577145B (zh) | 编队飞行航天器反步滑模控制方法 | |
CN108181807B (zh) | 一种卫星初态阶段自适应容错姿态控制方法 | |
CN107272639B (zh) | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 | |
CN110471438B (zh) | 一种刚性飞行器的固定时间自适应姿态跟踪控制方法 | |
CN110501911A (zh) | 一种考虑执行器受限问题的刚性飞行器自适应固定时间姿态跟踪控制方法 | |
CN110488854B (zh) | 一种基于神经网络估计的刚性飞行器固定时间姿态跟踪控制方法 | |
CN110488855B (zh) | 一种基于神经网络估计的刚性飞行器自适应固定时间姿态容错控制方法 | |
CN113885547A (zh) | 一种刚体航天器预定时间容错姿态控制策略 | |
Jin et al. | Adaptive finite-time consensus of a class of disturbed multi-agent systems | |
CN110515389B (zh) | 一种考虑执行器受限问题的刚性飞行器自适应固定时间姿态镇定方法 | |
CN113220007B (zh) | 执行机构故障的挠性航天器有限时间姿态协同控制方法 | |
CN112904726B (zh) | 一种基于误差重构权重更新的神经网络反步控制方法 | |
Wang et al. | Adaptive non-singular integral terminal sliding mode-based fault tolerant control for autonomous underwater vehicles | |
CN108762065B (zh) | 基于增强型指数趋近律和快速终端滑模面的刚性航天飞行器有限时间自适应容错控制方法 | |
CN110471440B (zh) | 一种考虑执行器受限问题的刚体飞行器固定时间姿态镇定方法 | |
CN116923730A (zh) | 一种具有自调节预设性能约束的航天器姿态主动容错控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |