CN110362103A - 分布式自主水下航行器姿态协同优化控制方法 - Google Patents

分布式自主水下航行器姿态协同优化控制方法 Download PDF

Info

Publication number
CN110362103A
CN110362103A CN201910765460.6A CN201910765460A CN110362103A CN 110362103 A CN110362103 A CN 110362103A CN 201910765460 A CN201910765460 A CN 201910765460A CN 110362103 A CN110362103 A CN 110362103A
Authority
CN
China
Prior art keywords
formula
sliding
fuzzy
navigation device
control
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.)
Granted
Application number
CN201910765460.6A
Other languages
English (en)
Other versions
CN110362103B (zh
Inventor
张卓
李慧平
崔荣鑫
严卫生
高剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest University of Technology
Original Assignee
Northwest University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest University of Technology filed Critical Northwest University of Technology
Priority to CN201910765460.6A priority Critical patent/CN110362103B/zh
Publication of CN110362103A publication Critical patent/CN110362103A/zh
Application granted granted Critical
Publication of CN110362103B publication Critical patent/CN110362103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0875Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种分布式自主水下航行器姿态协同优化控制方法,考虑自主水下航行器为刚性体,将分布式自主水下航行器姿态系统视作多刚体姿态系统,利用模糊理论将分布式自主水下航行器姿态系统构建为模糊系统。为克服外界环境中存在的扰动,根据构建出的模糊系统设计积分型滑模控制器,并求出在滑模面上运动的等价控制系统。针对在滑模面上的等价控制系统,设计分布式状态反馈标称控制器,利用线性二次型最优调节器理论给出能够保证系统稳定且性能指标最优的条件,设计出标称控制器最优参数。本发明提供的方法能够对控制输入进行最优化设计,使得系统能够以较小的控制输入实现期望的控制性能。

Description

分布式自主水下航行器姿态协同优化控制方法
技术领域
本发明属于航海技术领域,涉及一种分布式自主水下航行器的姿态控制方法,特别是一种基于最优控制理论及模糊系统理论的分布式自主水下航行器姿态协同优化控制方法。
背景技术
文献“Attitude synchronization of multiple rigid bodies withcommunication delays,IEEE Transactions on Automatic Control,2012,57(9):2405-2411”公开了一种多刚体非线性反馈姿态协同控制方法。该方法研究了多刚体系统的姿态一致性问题,设计了非线性反馈控制算法。文献中所述的非线性反馈控制算法存在的技术问题在于无法采用线性控制方法中较为成熟的优化算法对控制输入进行优化,导致控制器无法以最优的控制输入来实现期望的控制性能。
发明内容
要解决的技术问题
为克服现有技术中的非线性反馈控制算法无法对控制输入进行最优化设计的不足,本发明提供一种基于模糊系统理论的分布式自主水下航行器姿态协同优化控制方法。
技术方案
考虑自主水下航行器为刚性体,将分布式自主水下航行器姿态系统视作多刚体姿态系统,利用模糊理论将分布式自主水下航行器姿态系统构建为模糊系统。为克服外界环境中存在的扰动,根据构建出的模糊系统设计积分型滑模控制器,并求出在滑模面上运动的等价控制系统。针对在滑模面上的等价控制系统,设计分布式状态反馈标称控制器,利用线性二次型最优调节器理论给出能够保证系统稳定且性能指标最优的条件,设计出标称控制器最优参数。本发明提供的方法能够对控制输入进行最优化设计,使得系统能够以较小的控制输入实现期望的控制性能。
一种分布式自主水下航行器姿态协同优化控制方法,其特征在于步骤如下:
步骤1:考虑自主水下航行器为刚性体,将分布式自主水下航行器姿态系统视作多刚体姿态系统,利用模糊理论将分布式自主水下航行器姿态系统构建为模糊系统:
首先给出如下分布式自主水下航行器姿态模型:
式中,J表示水下航行器的惯性矩阵;ηi和ηi0分别表示用于描述水下航行器姿态的单位四元数矢量和标量部分;ωi表示姿态角速度;ui和fi分别表示作用于水下航行器的控制输入和外界扰动输入;将式(1)化作如下所示的状态空间方程:
其中,03×3表示3×3阶的零矩阵;
定义向量xi=[xi1 xi2 xi3 xi4 xi5 xi6]T,则利用模糊准则,可将式(2)中描述的非线性系统构建为如下模糊系统:
模糊规则r:如果xi1是Cr1且…且xi6是Cr6,那么
式中,Cr1,...,Cr6表示系统的模糊集合,s表示模糊规则的总个数;将式(3)中描述的s个线性子系统进行加权平均,可以得到如下所示的整体模糊系统:
其中,vr(xi)≥0并满足
步骤2:为克服外界环境中存在的扰动,针对步骤1中构建出的模糊系统设计积分型滑模控制器,并求出在滑模面上运动的等价控制系统:
首先设计如下积分型滑模变量:
其中,H为一个能够保证HB可逆的定常矩阵,xi(0)表示向量xi在零时刻的初值,uin表示待求的标称控制器;
针对式(7)中给出的滑模变量,设计如下滑模控制器:
ui=uin-k(HB)-1sgn(si),i=1,...,N. (8)
其中,sgn(si)=[sgn(si1) sgn(si2) sgn(si3)]T表示滑模变量si的符号函数,替换为饱和函数sat(si)=[sat(si1) sat(si2) sat(si3)]T;k表示滑模增益参数,并满足k>‖HB‖ρ,其中ρ≥||fi||;
式中,γ表示饱和函数对应的边界层厚度;
选取李雅普诺夫函数根据李雅普诺夫稳定性理论及有限时间收敛条件,可证明式(8)中设计的滑模控制器能够保证式(7)中给出的滑模变量在有限时间内收敛至零,即能够在有限的时间段内实现;
对等式(7)的两边求导有
再将式(4)代入到式(9)中可得
根据式(10),可以求出当时,即动态系统在滑模面上运动时对应的等价控制器,如下所示:
uieq=uin-fi. (11)
将式(11)中求出的等价控制器代入到模糊系统(4)中,可以得到动态系统在滑模面上运动时对应的等价系统,如下所示:
步骤3:针对步骤2中求出的在滑模面上的等价控制系统,设计分布式状态反馈标称控制器,利用线性二次型最优调节器理论给出能够保证系统稳定且性能指标最优的条件,设计出标称控制器最优参数:
设计如下分布式标称控制器:
其中,K表示增益矩阵;aij表示相对状态保持增益,当第i和第j个航行器之间能够进行相互通信时,aij=1,否则aij=0;gi表示稳定性保持增益,当第i个航行器自身状态信息可测时,gi=1,否则gi=0;c表示正定的加权参数,满足如下条件:
其中表示矩阵的最小特征值,G=diag{g1,…,gN}表示由稳定性保持增益gi构成的对角阵,则表示通信拓扑图对应的拉普拉斯矩阵,且有和lij=-aij,i≠j;
设计增益矩阵K=R-1BTP,其中正定矩阵P为如下代数黎卡提方程的解:
其中,Q为半正定矩阵,R为正定矩阵;
选取李雅普诺夫函数为其中利用李雅普诺夫稳定性理论可以证明,式(14)所设计出的标称控制器能够保证等价系统(12)渐进稳定;
选取如下目标函数:
其中,Un的表达式如下:
再选取如下汉密尔顿函数:
式中,为协态变量,表示由隶属度函数vr(xi)构成的分块对角阵;利用最优化理论可以证明,式(14)所设计出的标称控制器能够保证系统的如下性能指标最优:
有益效果
本发明提出的一种分布式自主水下航行器姿态协同优化控制方法,采用基于模糊理论的姿态协同优化控制方法,能够以较小的控制输入来实现较高的控制精度。在文献中采用的基于非线性反馈的控制器作用下,航行器的全局姿态角范数和全局姿态角速度范数的稳态误差分别为3×10-4以及1.5×10-5,全局控制输入范数的最大值为95;而在本发明提出的基于模糊理论的优化控制器作用下,航行器的全局姿态角范数和全局姿态角速度范数的稳态误差分别只有1.5×10-5以及3×10-6,全局控制输入范数的最大值仅为80。
附图说明
图1是本发明的技术方案流程图;
图2是本发明实施例中,6个水下航行器之间的通讯拓扑结构;
图3是本发明实施例中,在本发明提出的控制方法作用下6个航行器的姿态角范数曲线;
图4是本发明实施例中,在本发明提出的控制方法作用下6个航行器的姿态角速度范数曲线;
图5是本发明实施例中,在本发明提出的控制方法和文献中采用的控制方法作用下,航行器的全局姿态角范数曲线;
图6是本发明实施例中,在本发明提出的控制方法和文献中采用的控制方法作用下,航行器的全局姿态角速度范数曲线;
图7是本发明实施例中,在本发明提出的控制方法和文献中采用的控制方法作用下,航行器的全局控制输入范数曲线。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
步骤一:考虑自主水下航行器为刚性体,将分布式自主水下航行器姿态系统视作多刚体姿态系统,利用模糊理论将分布式自主水下航行器姿态系统构建为模糊系统。首先给出如下分布式自主水下航行器姿态模型:
式中,J表示水下航行器的惯性矩阵;ηi和ηi0分别表示用于描述水下航行器姿态的单位四元数矢量和标量部分;ωi表示姿态角速度;ui和fi分别表示作用于水下航行器的控制输入和外界扰动输入。将式(1)化作如下所示的状态空间方程:
式中,
定义向量xi=[xi1 xi2 xi3 xi4 xi5 xi6]T,则利用模糊准则,可将式(2)中描述的非线性系统构建为如下模糊系统:
模糊规则r:如果xi1是Cr1且…且xi6是Cr6,那么
式中,Cr1,...,Cr6表示系统的模糊集合,s表示模糊规则的总个数。将式(3)中描述的s个线性子系统进行加权平均,可以得到如下所示的整体模糊系统:
式中,
且有vr(xi)≥0以及
步骤二:为克服外界环境中存在的扰动,针对步骤一中构建出的模糊系统(4)设计积分型滑模控制器,并求出在滑模面上运动的等价控制系统。首先设计如下积分型滑模变量:
式中,H为一个能够保证HB可逆的定常矩阵,xi(0)表示向量xi在零时刻的初值,uin表示待求的标称控制器。
针对式(5)中给出的滑模变量,设计如下滑模控制器:
ui=uin-k(HB)-1sgn(si),i=1,...,N, (6)
式中,sgn(si)=[sgn(si1) sgn(si2) sgn(si3)]T表示滑模变量si的符号函数;k表示滑模增益参数,并满足k>‖HB‖ρ,其中ρ为干扰的上界,即ρ≥||fi||。选取李雅普诺夫函数则根据李雅普诺夫稳定性理论及有限时间收敛条件,可以证明式(6)中设计的滑模控制器能够保证式(5)中给出的滑模变量在有限时间内收敛至零,即能够在有限的时间段内实现。此外,由于符号函数的引入将导致系统产生抖振,因此可将式(6)中的符号函数sgn(si)替换为饱和函数sat(si)=[sat(si1) sat(si2) sat(si3)]T,其定义如下所示:
式中,γ表示饱和函数对应的边界层厚度。
对等式(5)的两边求导有
再将式(4)代入到式(7)中可得
根据式(8),可以求出当时,即动态系统在滑模面上运动时对应的等价控制器,如下所示:
uieq=uin-fi. (9)
将式(9)中求出的等价控制器代入到模糊系统(4)中,可以得到动态系统在滑模面上运动时对应的等价系统,如下所示:
步骤三:针对步骤二中求出的在滑模面上的等价控制系统,设计分布式状态反馈标称控制器,利用线性二次型最优调节器理论给出能够保证系统稳定且性能指标最优的条件,设计出标称控制器最优参数。
设计如下分布式标称控制器:
式中,c表示正定的加权参数;K表示增益矩阵;aij表示相对状态保持增益,当第i和第j个航行器之间能够进行相互通信时,aij=1,否则aij=0;gi表示稳定性保持增益,当第i个航行器自身状态信息可测时,gi=1,否则gi=0。
设计标称控制器的加权参数满足其中表示矩阵的最小特征值,G=diag{g1,…,gN}表示由稳定性保持增益gi构成的对角阵,则表示通信拓扑图对应的拉普拉斯矩阵,且有和lij=-aij,i≠j。设计增益矩阵K=R-1BTP,其中正定矩阵P为如下代数黎卡提方程的解:
式中,Q≥0,R>0。
选取李雅普诺夫函数为其中则利用李雅普诺夫稳定性理论可以证明,式(11)所设计出的标称控制器能够保证等价系统(10)渐进稳定。
选取目标函数其中且有
再选取如下汉密尔顿函数:
式中,为协态变量,表示由隶属度函数vr(xi)构成的分块对角阵。利用最优化理论可以证明,式(11)所设计出的标称控制器能够保证系统的如下性能指标最优:
采用以下实施例验证本发明的有益效果:
假设整个网络系统中有6个航行器,且自身状态信息均可获取,航行器之间的通信拓扑结构如图2所示,因此通信拓扑对应的拉普拉斯矩阵和描述自身状态信息可测性的权矩阵为
从而可以计算出矩阵的最小特征值为因此可选取加权参数c=1。取航行器的惯性矩阵为
为模糊系统选取4组工作点,分别为[0.1 0.1 0.1 0.5 0.5 0.5]T、[-0.1 -0.1 -0.1 0 0 0]T、[-0.1 -0.1 -0.1 0.5 0.50.5]T。将4组工作点代入到原始系统(2)中,便可得到4组模糊规则对应的系数矩阵,如下所示:
再令R=0.02I3、Q=I6,便可计算出式(11)中给出的标称控制器对应的控制增益矩阵,如下所示:
此外,对于式(6)中设计的滑模控制器,取滑模增益k=0.1,矩阵H=[J 03×3],再利用饱和函数替换控制器(6)中的符号函数,并取饱和函数的边界层厚度γ=0.2。
选取6个航行器的状态初值分别为
再将作用于6个航行器的外干扰选取为f1=f2=…=f6=[sin(0.1t)sin(0.1t)sin(0.1t)]×10-3,则可得到在本发明提出的控制器作用下,6个航行器的姿态角和姿态角速度的范数。通过仿真曲线可知,本发明提出的控制方法能够保证6个航行器的姿态角及姿态角速度在10秒内同步收敛。
此外,根据文献中采取的非线性补偿控制方法,给出如下所示基于非线性补偿的姿态协同控制器:
式中,和dm为控制增益,表示滑模变量,且有对于式(15)中给出的控制器,取dm=0.001和再选取相同的航行器状态初值以及作用于航行器的外干扰,则可得到在本发明提出的控制器(6)以及文献中采用的控制器(15)的作用下,航行器的全局姿态角范数的曲线,全局姿态角速度范数的曲线,以及全局控制输入范数的曲线。通过仿真曲线可知,在文献中采用的基于非线性反馈的控制器作用下,航行器的全局姿态角范数和全局姿态角速度范数的稳态误差分别为3×10-4以及1.5×10-5,全局控制输入范数的最大值为95;而在本发明提出的基于模糊理论的优化控制器作用下,航行器的全局姿态角范数和全局姿态角速度范数的稳态误差分别为1.5×10-5以及3×10-6,全局控制输入范数的最大值为80。因此,相比于文献中采用的基于非线性反馈的控制器,本发明所提出的基于模糊理论的优化控制器能够以更小的控制输入来实现更高的控制精度。

Claims (1)

1.一种分布式自主水下航行器姿态协同优化控制方法,其特征在于步骤如下:
步骤1:考虑自主水下航行器为刚性体,将分布式自主水下航行器姿态系统视作多刚体姿态系统,利用模糊理论将分布式自主水下航行器姿态系统构建为模糊系统:
首先给出如下分布式自主水下航行器姿态模型:
式中,J表示水下航行器的惯性矩阵;ηi和ηi0分别表示用于描述水下航行器姿态的单位四元数矢量和标量部分;ωi表示姿态角速度;ui和fi分别表示作用于水下航行器的控制输入和外界扰动输入;将式(1)化作如下所示的状态空间方程:
其中,03×3表示3×3阶的零矩阵;
定义向量xi=[xi1 xi2 xi3 xi4 xi5 xi6]T,则利用模糊准则,可将式(2)中描述的非线性系统构建为如下模糊系统:
模糊规则r:如果xi1是Cr1且…且xi6是Cr6,那么
式中,Cr1,...,Cr6表示系统的模糊集合,s表示模糊规则的总个数;将式(3)中描述的s个线性子系统进行加权平均,可以得到如下所示的整体模糊系统:
其中,vr(xi)≥0并满足
步骤2:为克服外界环境中存在的扰动,针对步骤1中构建出的模糊系统设计积分型滑模控制器,并求出在滑模面上运动的等价控制系统:
首先设计如下积分型滑模变量:
其中,H为一个能够保证HB可逆的定常矩阵,xi(0)表示向量xi在零时刻的初值,uin表示待求的标称控制器;
针对式(7)中给出的滑模变量,设计如下滑模控制器:
ui=uin-k(HB)-1sgn(si),i=1,...,N. (8)
其中,k表示滑模增益参数,并满足k>‖HB‖ρ,其中ρ≥||fi||;sgn(si)=[sgn(si1) sgn(si2) sgn(si3)]T表示滑模变量si的符号函数,替换为饱和函数sat(si)=[sat(si1) sat(si2) sat(si3)]T
式中,γ表示饱和函数对应的边界层厚度;
选取李雅普诺夫函数根据李雅普诺夫稳定性理论及有限时间收敛条件,可证明式(8)中设计的滑模控制器能够保证式(7)中给出的滑模变量在有限时间内收敛至零,即能够在有限的时间段内实现;
对等式(7)的两边求导有
再将式(4)代入到式(9)中可得
根据式(10),可以求出当时,即动态系统在滑模面上运动时对应的等价控制器,如下所示:
将式(11)中求出的等价控制器代入到模糊系统(4)中,可以得到动态系统在滑模面上运动时对应的等价系统,如下所示:
步骤3:针对步骤2中求出的在滑模面上的等价控制系统,设计分布式状态反馈标称控制器,利用线性二次型最优调节器理论给出能够保证系统稳定且性能指标最优的条件,设计出标称控制器最优参数:
设计如下分布式标称控制器:
其中,K表示增益矩阵;aij表示相对状态保持增益,当第i和第j个航行器之间能够进行相互通信时,aij=1,否则aij=0;gi表示稳定性保持增益,当第i个航行器自身状态信息可测时,gi=1,否则gi=0;c表示正定的加权参数,满足如下条件:
其中表示矩阵的最小特征值,G=diag{g1,…,gN}表示由稳定性保持增益gi构成的对角阵,则表示通信拓扑图对应的拉普拉斯矩阵,且有和lij=-aij,i≠j;
设计增益矩阵K=R-1BTP,其中正定矩阵P为如下代数黎卡提方程的解:
其中,Q为半正定矩阵,R为正定矩阵;
选取李雅普诺夫函数为其中利用李雅普诺夫稳定性理论可以证明,式(14)所设计出的标称控制器能够保证等价系统(12)渐进稳定;
选取如下目标函数:
其中,Un的表达式如下:
再选取如下汉密尔顿函数:
式中,为协态变量,表示由隶属度函数vr(xi)构成的分块对角阵;利用最优化理论可以证明,式(14)所设计出的标称控制器能够保证系统的如下性能指标最优:
CN201910765460.6A 2019-08-19 2019-08-19 分布式自主水下航行器姿态协同优化控制方法 Active CN110362103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910765460.6A CN110362103B (zh) 2019-08-19 2019-08-19 分布式自主水下航行器姿态协同优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910765460.6A CN110362103B (zh) 2019-08-19 2019-08-19 分布式自主水下航行器姿态协同优化控制方法

Publications (2)

Publication Number Publication Date
CN110362103A true CN110362103A (zh) 2019-10-22
CN110362103B CN110362103B (zh) 2023-02-10

Family

ID=68224048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910765460.6A Active CN110362103B (zh) 2019-08-19 2019-08-19 分布式自主水下航行器姿态协同优化控制方法

Country Status (1)

Country Link
CN (1) CN110362103B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099516A (zh) * 2020-08-24 2020-12-18 西北工业大学 一种基于模糊线性化理论的卫星集群姿态跟踪控制方法
CN113479344A (zh) * 2021-07-07 2021-10-08 西北工业大学 一种可快速解算的分布式卫星姿态协同控制方法
CN117850249A (zh) * 2024-03-08 2024-04-09 山东科技大学 一种auv自适应模糊控制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5329442A (en) * 1991-08-29 1994-07-12 The United States Of America As Represented By The Secretary Of The Navy Optimal distributed control system for a linear distributed parameter system
US6560493B1 (en) * 1999-02-26 2003-05-06 Massachusetts Institute Of Technology Architecture for distributed control of actuator and sensor arrays
US20060064180A1 (en) * 2003-12-09 2006-03-23 Atul Kelkar Method and system to perform energy-extraction based active noise control
US20120071333A1 (en) * 2010-07-26 2012-03-22 Tampere University Of Technology Uses of systems with degrees of freedom poised between fully quantum and fully classical states
EP2884453A1 (en) * 2013-12-12 2015-06-17 Telefonica Digital España, S.L.U. A computer implemented method, a system and computer program product for partitioning a graph representative of a communication network
US20150241173A1 (en) * 2013-07-22 2015-08-27 Government Of The United States, As Represented By The Secretary Of The Air Force Store Separation Autopilot
US20170129603A1 (en) * 2015-11-10 2017-05-11 Matternet, Inc. Methods and systems for transportation using unmanned aerial vehicles
US20170146433A1 (en) * 2015-11-19 2017-05-25 Northeastern University Fault isolation method of industrial process based on regularization framework
CN108363306A (zh) * 2018-03-20 2018-08-03 东南大学 基于线性二次型优化的微电网分布式控制器参数确定方法
CN109189080A (zh) * 2018-11-12 2019-01-11 西北工业大学 基于模糊理论的多自主海洋航行器系统分布式控制方法
CN110018687A (zh) * 2019-04-09 2019-07-16 大连海事大学 基于强化学习方法的无人水面船最优轨迹跟踪控制方法
CN110032204A (zh) * 2019-04-24 2019-07-19 西北工业大学 输入时延下多空间飞行器姿态协同控制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5329442A (en) * 1991-08-29 1994-07-12 The United States Of America As Represented By The Secretary Of The Navy Optimal distributed control system for a linear distributed parameter system
US6560493B1 (en) * 1999-02-26 2003-05-06 Massachusetts Institute Of Technology Architecture for distributed control of actuator and sensor arrays
US20060064180A1 (en) * 2003-12-09 2006-03-23 Atul Kelkar Method and system to perform energy-extraction based active noise control
US20120071333A1 (en) * 2010-07-26 2012-03-22 Tampere University Of Technology Uses of systems with degrees of freedom poised between fully quantum and fully classical states
US20150241173A1 (en) * 2013-07-22 2015-08-27 Government Of The United States, As Represented By The Secretary Of The Air Force Store Separation Autopilot
EP2884453A1 (en) * 2013-12-12 2015-06-17 Telefonica Digital España, S.L.U. A computer implemented method, a system and computer program product for partitioning a graph representative of a communication network
US20170129603A1 (en) * 2015-11-10 2017-05-11 Matternet, Inc. Methods and systems for transportation using unmanned aerial vehicles
US20170146433A1 (en) * 2015-11-19 2017-05-25 Northeastern University Fault isolation method of industrial process based on regularization framework
CN108363306A (zh) * 2018-03-20 2018-08-03 东南大学 基于线性二次型优化的微电网分布式控制器参数确定方法
CN109189080A (zh) * 2018-11-12 2019-01-11 西北工业大学 基于模糊理论的多自主海洋航行器系统分布式控制方法
CN110018687A (zh) * 2019-04-09 2019-07-16 大连海事大学 基于强化学习方法的无人水面船最优轨迹跟踪控制方法
CN110032204A (zh) * 2019-04-24 2019-07-19 西北工业大学 输入时延下多空间飞行器姿态协同控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
FENG TAO: "A state-space model for flat fading channels with a novel method of rational function filter design", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 *
ZHUO ZHANG: "New Results on Sliding-Mode Control for", 《IEEE TRANSACTIONS ON CYBERNETICS, VOL. 49, NO. 5, MAY 2019》 *
刘克平等: "球杆系统自适应遗传PID控制", 《控制工程》 *
刘建刚: "基于LQR的耦合动态互联系统分布式协作负载均衡优化控制", 《控制与决策》 *
张卓: "多智能体系统协同控制方法及在分布式卫星应用研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *
杨永亮: "无模型自适应动态规划及其在多智能体协同控制中的应用", 《中国优秀博硕士学位论文 信息科技辑》 *
王也: "卫星编队的姿态协同控制及其优化设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099516A (zh) * 2020-08-24 2020-12-18 西北工业大学 一种基于模糊线性化理论的卫星集群姿态跟踪控制方法
CN112099516B (zh) * 2020-08-24 2022-08-02 西北工业大学 一种基于模糊线性化理论的卫星集群姿态跟踪控制方法
CN113479344A (zh) * 2021-07-07 2021-10-08 西北工业大学 一种可快速解算的分布式卫星姿态协同控制方法
CN113479344B (zh) * 2021-07-07 2022-09-23 西北工业大学 一种可快速解算的分布式卫星姿态协同控制方法
CN117850249A (zh) * 2024-03-08 2024-04-09 山东科技大学 一种auv自适应模糊控制方法
CN117850249B (zh) * 2024-03-08 2024-05-14 山东科技大学 一种auv自适应模糊控制方法

Also Published As

Publication number Publication date
CN110362103B (zh) 2023-02-10

Similar Documents

Publication Publication Date Title
Du et al. Nonsingular finite-time event-triggered fuzzy control for large-scale nonlinear systems
Javaid et al. High-performance adaptive attitude control of spacecraft with sliding mode disturbance observer
Huo et al. Adaptive-critic design for decentralized event-triggered control of constrained nonlinear interconnected systems within an identifier-critic framework
Sun et al. Adaptive decentralized neural network tracking control for uncertain interconnected nonlinear systems with input quantization and time delay
Ihle et al. Passivity-based designs for synchronized path-following
Zhao et al. Decentralized control for large-scale nonlinear systems with unknown mismatched interconnections via policy iteration
Zhang et al. Adaptive neural network based variable stiffness control of uncertain robotic systems using disturbance observer
Wang et al. Intelligent critic control with disturbance attenuation for affine dynamics including an application to a microgrid system
Tong et al. Observer-based adaptive decentralized fuzzy fault-tolerant control of nonlinear large-scale systems with actuator failures
CN110362103A (zh) 分布式自主水下航行器姿态协同优化控制方法
Li et al. Dynamic balance optimization and control of quadruped robot systems with flexible joints
Luo et al. Inverse optimal adaptive control for attitude tracking of spacecraft
Ji et al. Saturation-tolerant prescribed control for a class of MIMO nonlinear systems
CN110376882A (zh) 基于有限时间扩张状态观测器的预定性能控制方法
Liu et al. Practical consensus tracking control of multiple nonholonomic wheeled mobile robots in polar coordinates
Sun et al. Distributed optimization for two types of heterogeneous multiagent systems
Long et al. Game-based backstepping design for strict-feedback nonlinear multi-agent systems based on reinforcement learning
Yu et al. Enhanced recurrent fuzzy neural fault-tolerant synchronization tracking control of multiple unmanned airships via fractional calculus and fixed-time prescribed performance function
Han et al. Adaptive fuzzy control for a hybrid spacecraft system with spatial motion and communication constraints
Jia et al. Disturbance observer-based performance guaranteed fault-tolerant control for multi-spacecraft formation reconfiguration with collision avoidance
CN109189080B (zh) 基于模糊理论的多自主海洋航行器系统分布式控制方法
Hao et al. Full-state-constrained non-certainty-equivalent adaptive control for satellite swarm subject to input fault
Erdong et al. Robust attitude tracking control of flexible spacecraft for achieving globally asymptotic stability
Karimi et al. Decentralized adaptive control of large-scale affine and nonaffine nonlinear systems
Hakimi et al. Sustained oscillations in MIMO nonlinear systems through limit cycle shaping

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