-
公开(公告)号：CN118963152B
公开(公告)日：2024-12-20
申请号：CN202411448434.8
申请日：2024-10-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于神经网络在线学习的飞行器快速机动方法，涉及高超音速飞行器控制技术领域。通过基于历史数据在线学习的神经网络处理未知的系统不确定性，并通过固定时间滤波器来估计虚拟控制的导数和一些必要的信息。基于神经网络估计的信息和固定时间反步控制器，解决了高超音速飞行器的固定时间跟踪问题。由于神经网络具有自学习功能和并行计算能力，可以快速得到最优的控制效果，因此本发明的固定时间反步控制器可以确保具有不确定性的高超音速飞行器控制系统在固定时间内使系统姿态和速度稳定到期望状态。
-
公开(公告)号：CN118838179A
公开(公告)日：2024-10-25
申请号：CN202410959959.1
申请日：2024-07-17
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了无人系统协同固定时间控制方法、无人系统及存储介质，涉及无人系统控制技术领域。本发明的观测器采用事件驱动的方式，可以显著降低通信频率并提高观测速度。其次，利用历史数据来更新模糊逻辑系统的权重，可以提高学习效率和信息利用率。另外，对权重矩阵范数的平方而非权重矩阵进行更新，可以减轻计算负担和提高方案可行性。最后，通过模糊控制系统来估计跟随者最高阶状态中的不确定性，通过固定时间滤波器来处理其余状态中的不确定性，可以降低方案复杂度和计算负担，并增强控制的鲁棒性和方案适用性。
-
Patent Agency Ranking
公开(公告)号：CN118170163A
公开(公告)日：2024-06-11
申请号：CN202410266159.1
申请日：2024-03-08
Applicant: 北京理工大学
IPC: G05D1/49
Abstract: 本发明公开的一种基于预测器的固定时间神经网络航天器姿态控制方法，属于航天器姿态控制领域。本发明实现方法为：构建由反作用轮控制的不确定航天器俯仰角运动系统模型。构建状态预测器，将状态预测误差信号引入神经网络使得神经网络估计器与控制器的耦合程度降低，提高估计器的在估计不确定性时的学习稳定性和估计精度。在神经网络估计器中加入自适应鲁棒项，对估计误差上界进行自适应估计与补偿。基于反步法设计控制器，构建固定时间滤波器计算反步法中虚拟控制信号的导数估计值，从而解决微分爆炸的问题，基于滤波器对虚拟控制量的估计误差和当前阶补偿信号构建固定时间补偿系统，在降低补偿系统阶次并且减少耦合的同时提高控制器控制精度。
-
公开(公告)号：CN118884845A
公开(公告)日：2024-11-01
申请号：CN202411395285.3
申请日：2024-10-08
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于强化学习的航天器集群分布式容错控制方法，涉及航天器控制技术领域。通过固定时间分布式估计器，保证集群内跟随者能在固定时间内获得领航者的位置与速度信息。并通过固定时间分布式估计器和反步控制方法设计近似最优虚拟控制量与近似可用控制量。在此基础上，引入径向基函数与参与者—评价者网络来处理近似最优虚拟控制量与近似可用控制量中的未知非线性项与哈密顿—雅可比—贝尔曼方程。最后通过执行机构故障处理环节优化近似可用控制量，保证航天器集群能在执行机构故障的影响下完成预定编队任务。
-
公开(公告)号：CN117872895A
公开(公告)日：2024-04-12
申请号：CN202410055377.0
申请日：2024-01-15
Applicant: 北京理工大学
IPC: G05B19/042
Abstract: 本发明公开的一种基于固定时间观测器的航天器安全机动控制方法，属于航天器控制技术领域。本发明实现方法为：建立刚性航天器姿态系统的运动模型及姿态禁区模型。利用观测器进行执行机构故障信息重构，基于重构的执行机构故障信息设计鲁棒CLF约束与鲁棒CBF约束，在此基础上建立二次规划问题平衡控制成本和性能，设计鲁棒CLF‑CBF QP控制器。构建固定时间的状态扩张观测器，实现对外界不确定干扰的观测。根据固定时间的状态扩张观测器，设计基于固定时间观测器的CLF‑CBF QP鲁棒安全姿态控制器。通过CLF‑CBF QP鲁棒安全姿态控制器确保航天器即使在执行机构发生故障的情况下仍然能够及时规避禁止指向区域，并在固定时间内实现姿态稳定。
-
公开(公告)号：CN118963152A
公开(公告)日：2024-11-15
申请号：CN202411448434.8
申请日：2024-10-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于神经网络在线学习的飞行器快速机动方法，涉及高超音速飞行器控制技术领域。通过基于历史数据在线学习的神经网络处理未知的系统不确定性，并通过固定时间滤波器来估计虚拟控制的导数和一些必要的信息。基于神经网络估计的信息和固定时间反步控制器，解决了高超音速飞行器的固定时间跟踪问题。由于神经网络具有自学习功能和并行计算能力，可以快速得到最优的控制效果，因此本发明的固定时间反步控制器可以确保具有不确定性的高超音速飞行器控制系统在固定时间内使系统姿态和速度稳定到期望状态。
-
公开(公告)号：CN118884845B
公开(公告)日：2025-01-24
申请号：CN202411395285.3
申请日：2024-10-08
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于强化学习的航天器集群分布式容错控制方法，涉及航天器控制技术领域。通过固定时间分布式估计器，保证集群内跟随者能在固定时间内获得领航者的位置与速度信息。并通过固定时间分布式估计器和反步控制方法设计近似最优虚拟控制量与近似可用控制量。在此基础上，引入径向基函数与参与者—评价者网络来处理近似最优虚拟控制量与近似可用控制量中的未知非线性项与哈密顿—雅可比—贝尔曼方程。最后通过执行机构故障处理环节优化近似可用控制量，保证航天器集群能在执行机构故障的影响下完成预定编队任务。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
