CN114167734B - 一种强耦合非线性系统高精度控制方法及控制系统 - Google Patents

一种强耦合非线性系统高精度控制方法及控制系统 Download PDF

Info

Publication number
CN114167734B
CN114167734B CN202210131728.2A CN202210131728A CN114167734B CN 114167734 B CN114167734 B CN 114167734B CN 202210131728 A CN202210131728 A CN 202210131728A CN 114167734 B CN114167734 B CN 114167734B
Authority
CN
China
Prior art keywords
nonlinear
observer
model
attitude parameter
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.)
Active
Application number
CN202210131728.2A
Other languages
English (en)
Other versions
CN114167734A (zh
Inventor
王常虹
韩泽强
夏红伟
马广程
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.)
Shenrui Technology Beijing Co ltd
Harbin Institute of Technology
Original Assignee
Shenrui Technology Beijing Co ltd
Harbin Institute 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 Shenrui Technology Beijing Co ltd, Harbin Institute of Technology filed Critical Shenrui Technology Beijing Co ltd
Priority to CN202210131728.2A priority Critical patent/CN114167734B/zh
Publication of CN114167734A publication Critical patent/CN114167734A/zh
Application granted granted Critical
Publication of CN114167734B publication Critical patent/CN114167734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B13/04—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (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

本发明涉及一种强耦合非线性系统高精度控制方法及系统，适应复杂航天器强耦合非线性的动力学特性，采用超螺旋滑模干扰观测器对耦合项进行解耦，采用反步控制法对解耦后模型中的非线性特性进行控制，克服传统方法对精确建模需求高、鲁棒性低等缺点，在被控对象姿态系统稳定的前提下，保证控制精度，满足任务需求，同时对于系统中的未建模特性与干扰不敏感，鲁棒性强，提高了系统的控制精度。

Description

一种强耦合非线性系统高精度控制方法及控制系统
技术领域
本发明涉及控制技术领域，尤其涉及一种强耦合非线性系统高精度控制方法及系统。
背景技术
在对强耦合非线性系统进行控制时，通常需要先对强耦合非线性系统进行解耦。而现有的解耦方法包括：（1）采用多变量过程控制解耦方法，该方法在系统结构较为简单的情况下，易于操作，效果显著，但该方法适用的模型较为简单，并且未考虑系统非线性环节，无法适用于强耦合非线性系统的解耦过程。（2）针对变量系统采用前馈结构，该方法的优点是原理简单，便于操作，对于不太复杂的系统效果显著，但缺点是需要精确要求系统模型，且仅适用于线性定常系统，不适用于非线性系统，无法适用于强耦合非线性系统的解耦过程。（3）采用动态逆解耦，该方法在模型精确的情况下可以取得良好的控制效果，但该方法需要得知系统精确模型，且鲁棒性较差。可见现有的解耦方法仅适用于简单线性系统或者模型精确的非线性系统，且鲁棒性差，难以满足实际需求。
基于此，亟需一种能够提高对强耦合非线性系统的控制精度的控制方法及系统。
发明内容
有鉴于此，本发明提供一种强耦合非线性系统高精度控制方法及系统，至少部分解决现有技术中存在的问题，实现强耦合非线性系统的高精度控制。
本发明用于提供一种强耦合非线性系统高精度控制方法，所述控制方法包括：
根据被控对象特性，建立强耦合非线性模型；
利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制。
本发明还用于提供应用上述控制方法的强耦合非线性系统高精度控制系统，所述控制系统包括：
模型构建模块，用于根据被控对象特性，建立强耦合非线性模型；
解耦模块，用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
控制模块，用于基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制。
本发明用于提供一种强耦合非线性系统高精度控制方法及系统，适应复杂航天器强耦合非线性的动力学特性，采用超螺旋滑模干扰观测器对耦合项进行解耦，采用反步控制法对解耦后模型中的非线性特性进行控制，克服传统方法对精确建模需求高、鲁棒性低等缺点，在被控对象姿态系统稳定的前提下，保证控制精度，满足任务需求，同时对于系统中的未建模特性与干扰不敏感，鲁棒性强，提高了系统的控制精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例1所提供的控制方法的方法流程图；
图2为本发明实施例1所提供的控制原理图；
图3为本发明实施例3所提供的控制系统的系统框图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
实施例1：
本实施例用于提供一种强耦合非线性系统高精度控制方法，如图1和图2所示，所述控制方法包括：
S1：根据被控对象特性，建立强耦合非线性模型；
所述强耦合非线性模型为：
Figure 216520DEST_PATH_IMAGE001
其中，
Figure 890078DEST_PATH_IMAGE002
为被控对象姿态参数，
Figure 620137DEST_PATH_IMAGE003
为第i个姿态参数；
Figure 23436DEST_PATH_IMAGE004
为
Figure 954483DEST_PATH_IMAGE005
的微分；
Figure 177654DEST_PATH_IMAGE006
为第i个姿态参数对应的第一非线性已知函数；
Figure 976983DEST_PATH_IMAGE007
为第i个姿态参数对应的第二非线性已知函数；
Figure 234789DEST_PATH_IMAGE008
为第i个姿态参数对应的包含耦合项
Figure 71158DEST_PATH_IMAGE009
的未知项；
Figure 47204DEST_PATH_IMAGE010
为控制力矩；
Figure 384645DEST_PATH_IMAGE011
为被控对象的期望姿态。
S2：利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
超螺旋滑模干扰观测器用于对系统中包含耦合项的未知特性进行观测，在有限时间后估计项可以表达未知特性，从而实现解耦的目的。
S2可以包括：
（1）建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式；
所述观测变量表达式为：
Figure 496957DEST_PATH_IMAGE012
其中
Figure 790314DEST_PATH_IMAGE013
，
Figure 988077DEST_PATH_IMAGE014
的估计项；
Figure 129209DEST_PATH_IMAGE015
的微分；
Figure 361607DEST_PATH_IMAGE016
的估计项。
定义滑模面和滑模面
Figure 539779DEST_PATH_IMAGE017
的微分包括：
Figure 490417DEST_PATH_IMAGE018
则所述观测器表达式为：
Figure 169660DEST_PATH_IMAGE019
其中，
Figure 256565DEST_PATH_IMAGE020
为第一观测器参数；
Figure 605638DEST_PATH_IMAGE021
为滑模面；
Figure 777993DEST_PATH_IMAGE022
为第二观测器参数；
Figure 260927DEST_PATH_IMAGE023
为第三观测器参数；
Figure 874442DEST_PATH_IMAGE024
为第四观测器参数；
Figure 722312DEST_PATH_IMAGE025
为观测器的虚拟变量；
Figure 444281DEST_PATH_IMAGE026
的微分。
（2）基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件；
所述约束条件包括：
Figure 403009DEST_PATH_IMAGE027
其中
Figure 402189DEST_PATH_IMAGE013
，为正常数。
（3）在约束条件下，基于观测变量表达式和观测器表达式进行迭代计算，对未知项进行估计，得到估计项。
由超螺旋滑模干扰观测器理论，存在正常数
Figure 420961DEST_PATH_IMAGE028
，当观测器中的参数满足上述条件，此时在有限时间
Figure 364646DEST_PATH_IMAGE029
内，滑模面
Figure 127066DEST_PATH_IMAGE030
会收敛到零，由此可知估计项
Figure 980752DEST_PATH_IMAGE031
在有限时间
Figure 170425DEST_PATH_IMAGE032
后收敛到未知项
Figure 866986DEST_PATH_IMAGE033
，利用估计项替换未知项，即可完成对系统的解耦。
S3：基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制。
具体的，本实施例可利用反步控制法设计非线性控制器。反步法控制法用于针对解耦后模型，将系统拆分成多个子系统，自上而下递推设计理想输入，得出最终控制律。
在此对反步控制法进行进一步的说明：当
Figure 167517DEST_PATH_IMAGE034
，从
Figure 875710DEST_PATH_IMAGE035
开始顺序设计控制器。针对
Figure 236284DEST_PATH_IMAGE036
表达式：
Figure 154562DEST_PATH_IMAGE037
定义跟踪误差
Figure 258784DEST_PATH_IMAGE038
其中
Figure 87063DEST_PATH_IMAGE039
为上一层反步控制法设计所需的参考指令，且
Figure 618538DEST_PATH_IMAGE040
为系统参考输出。对跟踪误差进行求导可得：
Figure 24112DEST_PATH_IMAGE041
；
将
Figure 666446DEST_PATH_IMAGE042
当作
Figure 346301DEST_PATH_IMAGE005
表达式的参考指令，根据李雅普诺夫稳定性理论，选取任意正实数
Figure 48678DEST_PATH_IMAGE043
：
Figure 675968DEST_PATH_IMAGE044
其中，i=1，2，...n-1；
Figure 59676DEST_PATH_IMAGE043
为第i个姿态参数对应的正实数；
Figure 924864DEST_PATH_IMAGE045
为第i个姿态参数对应的跟踪误差；
Figure 860459DEST_PATH_IMAGE046
为第i个姿态参数对应的参考指令；
Figure 912729DEST_PATH_IMAGE047
为第i-1个姿态参数对应的跟踪误差。
基于上式，由
Figure 100128DEST_PATH_IMAGE048
开始递推，直至计算得到xnd。
当
Figure 819822DEST_PATH_IMAGE049
，原理同上，最终反步控制法的控制律，即非线性控制器为：
Figure 926318DEST_PATH_IMAGE050
其中，
Figure 465884DEST_PATH_IMAGE051
为控制力矩；
Figure 191395DEST_PATH_IMAGE052
为第n个姿态参数对应的正实数；
Figure 765595DEST_PATH_IMAGE053
为第n个姿态参数对应的跟踪误差；
Figure 42993DEST_PATH_IMAGE054
为第n个姿态参数对应的参考指令；
Figure 335434DEST_PATH_IMAGE055
为第n-1个姿态参数对应的跟踪误差。
本实施例所述方法主要包括：一、在强耦合非线性系统模型上，采用超螺旋滑模干扰观测器对强耦合环节与未建模特性进行估计，从而实现系统的解耦；二、针对解耦后的非线性系统，采用反步控制法，设计非线性控制器实现对被控对象的高精度控制。该方法对系统模型的精确度要求不高，在对强耦合系统进行解耦后，针对系统非线性环节设计控制器，具有较强鲁棒性，对于系统中不确定特性有较强控制效果，同时对于系统中的未建模特性与干扰不敏感，鲁棒性强，适用性广，提高了系统的控制精度。
实施例2：
早期发射的航天器体积较小，结构简单，按照传统的刚体建模方法可以对航天器进行精确的建模，此时采用结构简单的控制方法就能够取得良好的控制效果。但是随着航天任务的不断升级，航天器的规模日益增大，动力学特性愈加复杂，且加入了组合刚体、挠性结构等复杂结构，引入了多模态、强耦合、非线性和更多的未建模特性。此时的航天器姿态控制模型为一强耦合非线性模型，传统的控制方法难以满足越来越高的控制精度要求，甚至会使得航天器失控，导致航天任务失败。
基于此，以下以对航天器姿态系统这一强耦合非线性系统进行控制为例，对实施例1所述的控制方法进行进一步的说明，所述控制方法包括：
（1）根据含挠性悬臂梁的航天器的姿态特性，建立航天器姿态控制非线性模型，则关于航天器姿态
Figure 599056DEST_PATH_IMAGE002
的强耦合非线性系统方程（即非线性模型）为：
Figure 293343DEST_PATH_IMAGE056
其中
Figure 741642DEST_PATH_IMAGE057
，为航天器姿态参数，
Figure 255800DEST_PATH_IMAGE058
为第i个姿态参数；
Figure 323113DEST_PATH_IMAGE004
为第i个姿态参数的微分；
Figure 668643DEST_PATH_IMAGE059
为第i个姿态参数对应的包含转动惯量矩阵和挠性振动振型函数在内的第一非线性已知函数；
Figure 225527DEST_PATH_IMAGE060
为第i个姿态参数对应的包含转动惯量矩阵和挠性振动振型函数在内的第二非线性已知函数；
Figure 164664DEST_PATH_IMAGE061
为第i个姿态参数对应的包含耦合项的未知项，该未知项包括关于耦合项
Figure 97985DEST_PATH_IMAGE062
的耦合环节和系统中的各种未建模特性，
Figure 563601DEST_PATH_IMAGE062
为
Figure 291386DEST_PATH_IMAGE002
的耦合变量，其为包含挠性振动与建模误差在内的耦合项；
Figure 717819DEST_PATH_IMAGE063
为航天器姿态控制所施加的控制力矩，通过控制该控制力矩以使航天器以期望姿态运行，本实施例的目的即确定一控制律，通过该控制律对控制力矩进行控制，以对航天器姿态进行控制；
Figure 454831DEST_PATH_IMAGE064
为航天器的期望姿态。
更为具体的，以一边含挠性附件的航天器为例，此时
Figure 774954DEST_PATH_IMAGE065
代表航天器偏航角，
Figure 673640DEST_PATH_IMAGE066
代表航天器偏航角速度，
Figure 584439DEST_PATH_IMAGE067
代表航天器偏航角加速度。
Figure 859563DEST_PATH_IMAGE069
其中
Figure 34192DEST_PATH_IMAGE070
为刚体的转动惯量，
Figure 369359DEST_PATH_IMAGE071
为挠性部件的转动惯量。
Figure 504805DEST_PATH_IMAGE072
为对应的未建模特性。
Figure 583619DEST_PATH_IMAGE073
为挠性附件振动，
Figure 612755DEST_PATH_IMAGE074
为挠性附件振动系数矩阵。
Figure 118823DEST_PATH_IMAGE075
为航天器目标偏航角。
Figure 741565DEST_PATH_IMAGE076
为未知项
Figure 358491DEST_PATH_IMAGE077
的上界。
俯仰角、滚转角同理。
（2）利用超螺旋滑模干扰观测器对非线性模型中的未知项进行估计，以对非线性模型进行解耦，得到解耦后模型；
超螺旋滑模干扰观测器对航天器姿态系统中包含耦合项的未知特性进行观测，在有限时间后估计项可以表达未知特性，从而实现航天器姿态系统解耦的目的。
具体的，利用超螺旋滑模干扰观测器对非线性模型中的未知项进行估计包括：
（2.1）建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式；
超螺旋滑模干扰观测器的观测变量表达式如下：
Figure 507713DEST_PATH_IMAGE078
其中，
Figure 184682DEST_PATH_IMAGE079
的估计项；
Figure 294720DEST_PATH_IMAGE080
的微分；
Figure 715338DEST_PATH_IMAGE081
的估计项。
定义滑模面
Figure 719066DEST_PATH_IMAGE021
以及滑模面的微分
Figure 566936DEST_PATH_IMAGE082
：
Figure 164270DEST_PATH_IMAGE083
则超螺旋滑模干扰观测器的观测器表达式如下：
Figure 122999DEST_PATH_IMAGE084
其中，
Figure 246813DEST_PATH_IMAGE085
为第一观测器参数；
Figure 5DEST_PATH_IMAGE086
为滑模面；sgn（）为符号函数；
Figure 84636DEST_PATH_IMAGE087
为第二观测器参数；
Figure 643793DEST_PATH_IMAGE088
为第三观测器参数；
Figure 559797DEST_PATH_IMAGE089
为第四观测器参数；
Figure 687153DEST_PATH_IMAGE090
为观测器的虚拟变量；
Figure 55817DEST_PATH_IMAGE080
的微分。
（2.2）基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件；
所述约束条件包括：
Figure 418665DEST_PATH_IMAGE091
其中，
Figure 454755DEST_PATH_IMAGE092
为正常数。
（2.3）在约束条件下，基于观测变量表达式和观测器表达式进行迭代计算，对未知项进行估计，得到估计项。
由超螺旋滑模干扰观测器理论，存在正常数
Figure 753012DEST_PATH_IMAGE028
，当观测器中的参数满足上述约束条件，此时在有限时间
Figure 608972DEST_PATH_IMAGE093
内，滑模面
Figure 775512DEST_PATH_IMAGE094
会收敛到零，由此可知估计项
Figure 666107DEST_PATH_IMAGE095
在有限时间
Figure 132336DEST_PATH_IMAGE093
后收敛到不确定项
Figure 475593DEST_PATH_IMAGE096
，以有限时间T后的估计项
Figure 180243DEST_PATH_IMAGE097
替换非线性模型中的
Figure 925346DEST_PATH_IMAGE098
，以完成对非线性模型的解耦，得到解耦后模型。
（3）基于解耦后模型，利用反步控制法设计非线性控制器，并利用非线性控制器对航天器姿态进行控制。
系统解耦后，采用反步控制法对航天器姿态系统进行控制。针对解耦后模型，将航天器姿态系统拆分成多个子系统，自上而下递推设计理想输入，得出最终控制律。
当
Figure 565405DEST_PATH_IMAGE034
，从
Figure 395958DEST_PATH_IMAGE035
开始顺序设计控制器。针对
Figure 904300DEST_PATH_IMAGE036
表达式：
Figure 503909DEST_PATH_IMAGE100
定义跟踪误差
Figure 314870DEST_PATH_IMAGE101
其中
Figure 632719DEST_PATH_IMAGE102
为上一层反步控制法设计所需的参考指令，且
Figure 944751DEST_PATH_IMAGE103
为系统参考输出。对跟踪误差进行求导可得：
Figure 70970DEST_PATH_IMAGE104
将
Figure 115150DEST_PATH_IMAGE105
当作
Figure 982611DEST_PATH_IMAGE036
表达式的参考指令，根据李雅普诺夫稳定性理论，选取任意正实数
Figure 770439DEST_PATH_IMAGE106
：
Figure 282323DEST_PATH_IMAGE107
其中，i=1，2，...n-1；
Figure 497404DEST_PATH_IMAGE106
为第i个姿态参数对应的正实数；
Figure 852161DEST_PATH_IMAGE045
为第i个姿态参数对应的跟踪误差；
Figure 178101DEST_PATH_IMAGE108
为第i个姿态参数对应的参考指令；
Figure 872387DEST_PATH_IMAGE109
为第i-1个姿态参数对应的跟踪误差；
Figure 461631DEST_PATH_IMAGE110
。
基于上式，由
Figure 772527DEST_PATH_IMAGE111
开始递推，直至计算得到xnd。
当
Figure 902157DEST_PATH_IMAGE112
，原理同上，最终反步控制法的控制律，即非线性控制器为：
Figure 388633DEST_PATH_IMAGE113
其中，
Figure 945516DEST_PATH_IMAGE051
为控制力矩；
Figure 9287DEST_PATH_IMAGE052
为第n个姿态参数对应的正实数；
Figure 942608DEST_PATH_IMAGE053
为第n个姿态参数对应的跟踪误差；
Figure 283591DEST_PATH_IMAGE054
为第n个姿态参数对应的参考指令；
Figure 11376DEST_PATH_IMAGE114
为第n-1个姿态参数对应的跟踪误差。
本实施例的方法针对复杂航天器强耦合非线性的动力学特性，采用超螺旋滑模干扰观测器对耦合项进行解耦，采用反步控制法对解耦后模型中的非线性特性进行控制，克服传统方法对精确建模需求高、鲁棒性低等缺点，在航天器姿态系统稳定的前提下，保证控制精度，满足任务需求，实现了对强耦合系统的解耦，同时对于航天器姿态系统中的未建模特性与干扰不敏感，鲁棒性强，提高了系统的控制精度。
实施例3：
本实施例用于提供一种应用实施例1所述控制方法的强耦合非线性系统高精度控制系统，如图3所示，所述控制系统包括：
模型构建模块M1，用于根据被控对象特性，建立强耦合非线性模型；
解耦模块M2，用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
控制模块M3，用于基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制。
本实施例的控制系统对系统模型的精确度要求不高，且实现了有效的解耦，基于解耦模型进行了反步控制法控制，对于系统中的未建模特性不敏感，鲁棒性强，适用性广，有效提高控制精度。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种强耦合非线性系统高精度控制方法，其特征在于，所述控制方法包括：
根据被控对象特性，建立强耦合非线性模型；所述被控对象为航天器；
利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制；
所述强耦合非线性模型为：
Figure FDA0003563577820000011
其中，x为被控对象姿态参数，x＝[x1…xn]T；xi为第i个姿态参数；
Figure FDA0003563577820000014
为xi的微分；fi(x)为第i个姿态参数对应的第一非线性已知函数；gi(x)为第i个姿态参数对应的第二非线性已知函数；di(x′)为第i个姿态参数对应的包含耦合项x′的未知项；ux为控制力矩；y1为被控对象的期望姿态；
所述利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计包括：
建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式；
基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件；
在所述约束条件下，基于所述观测变量表达式和所述观测器表达式进行迭代计算，对未知项进行估计，得到估计项；
所述观测变量表达式为：
Figure FDA0003563577820000012
其中，ωi为xi的估计项；
Figure FDA0003563577820000013
为ωi的微分；vi为di的估计项；
所述观测器表达式为：
Figure FDA0003563577820000021
其中，k1i为第一观测器参数；si为滑模面；k2i为第二观测器参数；k3i为第三观测器参数；k4i为第四观测器参数；wi为观测器的虚拟变量；
Figure FDA0003563577820000022
为wi的微分；
所述非线性控制器为：
Figure FDA0003563577820000023
其中，u为控制力矩；kn为第n个姿态参数对应的正实数；zn为第n个姿态参数对应的跟踪误差；
Figure FDA0003563577820000024
为第n个姿态参数对应的参考指令；zn-1为第n-1个姿态参数对应的跟踪误差。
2.根据权利要求1所述的控制方法，其特征在于，利用反步控制法设计所述非线性控制器。
3.根据权利要求1所述的控制方法，其特征在于，所述约束条件包括：
Figure FDA0003563577820000025
其中，
Figure FDA0003563577820000026
为di的微分；ci为正常数。
4.根据权利要求1所述的控制方法，其特征在于，所述第n个姿态参数对应的参考指令包括：
Figure FDA0003563577820000027
其中，i＝1，2，...n-1；ki为第i个姿态参数对应的正实数；zi为第i个姿态参数对应的跟踪误差；
Figure FDA0003563577820000028
为第i个姿态参数对应的参考指令；zi-1为第i-1个姿态参数对应的跟踪误差。
5.应用权利要求1-4中任一项所述控制方法的强耦合非线性系统高精度控制系统，其特征在于，所述控制系统包括：
模型构建模块，用于根据被控对象特性，建立强耦合非线性模型；
解耦模块，用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计，以对所述强耦合非线性模型进行解耦，得到解耦后模型；
控制模块，用于基于所述解耦后模型，设计非线性控制器，并利用所述非线性控制器对被控对象进行控制。
CN202210131728.2A 2022-02-14 2022-02-14 一种强耦合非线性系统高精度控制方法及控制系统 Active CN114167734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210131728.2A CN114167734B (zh) 2022-02-14 2022-02-14 一种强耦合非线性系统高精度控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210131728.2A CN114167734B (zh) 2022-02-14 2022-02-14 一种强耦合非线性系统高精度控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN114167734A CN114167734A (zh) 2022-03-11
CN114167734B true CN114167734B (zh) 2022-04-22

Family

ID=80489889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210131728.2A Active CN114167734B (zh) 2022-02-14 2022-02-14 一种强耦合非线性系统高精度控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN114167734B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114779628B (zh) * 2022-03-16 2024-05-24 哈尔滨工业大学 基于rbf和多模态切换机制的自抗扰运动控制方法
CN116436300B (zh) * 2023-06-14 2023-08-22 佛山仙湖实验室 一种基于反步超螺旋的dc-dc变换器控制方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116934B (zh) * 2015-08-14 2017-03-22 北京航空航天大学 基于自适应滑模补偿的双框架mscmg框架系统高精度控制方法
CN106802660B (zh) * 2017-03-09 2019-08-09 北京航天自动控制研究所 一种复合强抗扰姿态控制方法
CN107450588B (zh) * 2017-09-29 2018-06-22 北京航空航天大学 一种挠性航天器姿态控制系统的强抗扰控制方法
CN110320925B (zh) * 2019-04-18 2021-08-10 南京航空航天大学 基于高阶干扰观测器的四旋翼飞行器安全控制方法
CN111610794A (zh) * 2019-11-26 2020-09-01 南京航空航天大学 基于滑模干扰观测器的战斗机大迎角动态逆控制方法
CN111722634B (zh) * 2020-05-28 2022-09-23 南京邮电大学 一种基于非线性扰动观测器的四旋翼飞行器滑模控制方法

Also Published As

Publication number Publication date
CN114167734A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN114167734B (zh) 一种强耦合非线性系统高精度控制方法及控制系统
Ye et al. State damping control: A novel simple method of rotor UAV with high performance
Miao et al. Adaptive fast nonsingular terminal sliding mode control for attitude tracking of flexible spacecraft with rotating appendage
CN111752280B (zh) 一种基于有限时间不确定观测器的多无人船编队固定时间控制方法
Rahmani MEMS gyroscope control using a novel compound robust control
Chowdhary et al. Aerodynamic parameter estimation from flight data applying extended and unscented Kalman filter
CN109270946B (zh) 挠性航天器的姿态控制方法、电子设备及可读存储介质
CN107561935B (zh) 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法
CN108628172B (zh) 一种基于扩张状态观测器的机械臂高精度运动控制方法
CN106218922B (zh) 挠性敏捷卫星的联合执行机构控制方法
Zhang et al. Extended state observer based robust adaptive control on SE (3) for coupled spacecraft tracking maneuver with actuator saturation and misalignment
CN105607473B (zh) 小型无人直升机的姿态误差快速收敛自适应控制方法
CN107015567B (zh) 一种超大尺度柔性航天器分散协同控制方法
CN110044385B (zh) 一种大失准角情况下的快速传递对准方法
CN111965976B (zh) 基于神经网络观测器的机器人关节滑模控制方法及系统
CN110132287B (zh) 一种基于极限学习机网络补偿的卫星高精度联合定姿方法
CN112558468B (zh) 基于双观测器的发射平台自适应鲁棒输出反馈控制方法
CN112506045A (zh) 非标准型离散时间非线性系统的自适应控制方法及系统
Shao et al. Input-and-measurement event-triggered control for flexible air-breathing hypersonic vehicles with asymmetric partial-state constraints
CN115981162A (zh) 一种基于新型扰动观测器的机器人系统滑模控制轨迹跟踪方法
Perrusquía et al. Stable robot manipulator parameter identification: A closed-loop input error approach
CN115535305B (zh) 一种抗振抗饱和的多星分布式定时姿态协同跟踪控制方法
CN111958606A (zh) 一种应用于多自由度机械臂的分布式鲁棒跟踪控制方法
CN113377121A (zh) 一种基于深度强化学习的飞行器智能抗扰动控制方法
CN108762088B (zh) 一种迟滞非线性伺服电机系统滑模控制方法

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