针对执行器效益损失故障、偏移故障和舰尾流扰动, 提出了一种直接升力作用下的自适应固定时间容错控制方法。首先, 建立了一种新的含襟翼的舰载机精确反馈线性化模型, 并基于新的固定时间稳定性定理, 对直接升力模态设计了滑模控制器, 提升了系统的收敛速度和着舰精度; 然后, 引入非线性微分方程形式的自适应更新律, 在线估计故障因子的最小值和复合扰动上界值, 补偿故障和扰动的影响, 基于李雅普诺夫方法证明了闭环系统的固定时间收敛特性; 最后, 与其他方法对比仿真的结果证明了所设计方法的有效性和优越性。
舰载机 着舰控制 直接升力控制 容错控制 固定时间控制 carrier-based aircraft landing control direct lift control fault-tolerant control fixed-time control
大连理工大学机械工程学院, 辽宁 大连 116000
研究了四旋翼无人机执行器故障和外部干扰下的高度和姿态容错控制问题。首先, 将执行器故障建模为螺旋桨推力定常效率损失(LoE), 得到包含执行器故障的四旋翼无人机高度和姿态动力学模型; 然后, 基于积分终端滑模控制(ITSMC)设计了一种容错控制器, 并结合自适应律对干扰进行估计和补偿, 借助Lyapunov理论证明了闭环系统的稳定性;最后, 数值仿真结果验证了所提出容错控制方案的有效性和鲁棒性。
四旋翼无人机 执行器故障 积分终端滑模 容错控制 quadrotor UAV actuator fault integral terminal sliding mode fault-tolerant control
1 海军航空大学青岛校区, 山东 青岛 266000
2 海军航空大学航空基础学院, 山东 烟台 264000
舰载机着舰是一项具有强非线性、强耦合性、环境干扰复杂等特点的系统工程。舰载机故障状态下的自动着舰任务更是极具风险与挑战。针对舰载机着舰过程中执行器随机漂移故障、部分损伤故障所引起的控制系统性能恶化问题, 提出了一种基于扩张状态观测器(ESO)补偿的滑模容错控制方法。该方法通过ESO对系统的未建模动态、舰尾流扰动以及故障状态进行实时精确估计, 进而设计滑模控制律确保误差收敛, 采用高阶线性微分跟踪器(LTD)获取控制律所需的各阶微分信号。仿真结果表明, 所设计的方法具有良好的跟踪性能、抗干扰能力以及故障容错性能。
舰载机着舰 滑模控制 容错控制 扩张状态观测器 carrier aircraft landing sliding mode control fault-tolerant control extended state observer
1 郑州西亚斯学院电子信息工程学院, 郑州 451000
2 郑州大学信息工程学院, 郑州 450000
为了克服未知的执行器故障对四旋翼无人机编队飞行的影响, 提出了一种基于动态规划的最优协同容错控制律。首先, 建立了四旋翼无人机模型, 然后, 基于动态规划设计了最优协同控制律, 利用RBF神经网络逼近最优性能指标函数, 设计了自适应律来估计未知的执行器故障, 最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果, 编队飞行的最大轨迹跟踪误差仅为0.04 m, 控制精度较高, 设计的自适应律具有更优的故障估计效果, 最大估计误差仅为0.05 N·m, 实现了对四旋翼无人机编队的安全稳定控制。
无人机编队 未知执行器故障 动态规划 RBF神经网络 自适应律 最优协同容错控制律 UAV formation unknown actuator failure dynamic programming RBF neural network adaptive law optimal cooperative fault-tolerant control law
1 郑州西亚斯学院电子信息工程学院, 郑州 451000
2 郑州大学信息工程学院, 郑州 450000
针对共轴多旋翼无人机中容易出现电机故障和复合干扰的问题, 采用自适应神经网络观测器设计了容错控制算法。首先,建立了包含电机故障和复合干扰的共轴八旋翼无人机运动模型;然后,通过神经网络来逼近复合干扰, 并利用自适应律估计故障因子, 设计了自适应神经网络观测器对系统状态进行估计;最后,针对姿态角回路和角速度回路设计了反步容错控制律, 并利用滤波器对虚拟指令信号进行滤波, 抑制了微分爆炸现象, 实现了共轴八旋翼UAV的渐近稳定。实验结果表明: 所提方法与自适应容错控制方法相比表现出了更优的稳定性和准确性, 最大跟踪误差仅为0.1°, 有效补偿了复合干扰和旋翼电机故障的影响, 提升了无人机的飞行稳定性和容错性能。
共轴八旋翼无人机 电机故障 复合干扰 自适应神经网络观测器 容错控制 coaxial eight-rotor UAV motor fault composite disturbance adaptive neural network observer fault-tolerant control
1 中国科学院 长春光学精密机械与物理研究所， 吉林长春30033
2 中国科学院大学， 北京100049
3 中国科学院 天基动态快速光学成像技术重点实验室， 吉林长春100
为解决系统模型误差、外部干扰以及执行器故障引起的双星编队轨道控制精度低、稳定性差问题，设计一种基于观测器的抗干扰容错线性二次型调节器（LQR）控制策略。首先，根据编队双星相对运动动力学模型，设计基于双比例积分自适应律的增广观测器，同时实现对系统状态、间歇故障与快速时变故障、可建模干扰的快速精确估计，并采用
![]()
![]()
优化技术抑制不可建模干扰对控制系统的影响。其次，采用Lyapunov稳定性理论，保证动态误差系统渐近稳定。然后，在控制器中引入未知动态估计信息的前馈补偿项，设计闭环反馈抗干扰容错LQR控制律。最后实验结果表明，相比文献中控制方法，本文所提方法的编队卫星相对位置控制精度提高49.93%，验证了所设计的抗干扰容错LQR控制律的优越性，能够为双星编队构形保持提供精确控制策略。
1 南京信息工程大学自动化学院，南京 210044
2 大气环境与装备技术协同创新中心，南京 210044
针对包含故障和干扰的非高斯随机分布系统，提出了一种基于迭代学习观测器(ILO)的鲁棒容错控制方法。使用线性B样条神经网络建立了输出概率密度函数(PDF)和动态权重之间的关系。设计迭代学习观测器，以较小的计算量实现对故障的精确估计。利用故障估计信息设计容错控制器，使得系统的权向量在故障发生后仍能够跟踪到期望的权向量。最后通过仿真分析说明了提出方法的有效性。所设计的迭代学习观测器在经过短暂过渡后可迅速重构系统故障，基于PI跟踪的容错控制器对定常和时变权向量都有较好的跟踪效果。
随机分布系统 迭代学习观测器 故障估计 容错控制 stochastic distribution system iterative learning observer fault estimation fault-tolerant control
1 郑州西亚斯学院电子信息工程学院, 郑州 451150
2 郑州大学信息工程学院, 郑州 450001
针对四旋翼无人机(UAV)在输入受限情况下的执行器故障和干扰问题, 提出了一种鲁棒容错控制方法。首先建立了包含执行器故障、输入受限以及外界干扰的四旋翼UAV位置模型和姿态模型; 然后分别对位置环和姿态环进行了分析, 采用滑模滤波器对虚拟控制指令滤波, 并利用模糊系统逼近法估计出不确定项, 设计了鲁棒容错控制律; 最后证明了位置环和姿态环的稳定性。仿真实验结果表明: 提出的鲁棒容错控制方法能够在输入受限下快速准确跟踪指令信号, 与积分滑模容错控制律相比具有更好的控制效果, 实现了包容执行器故障和外界干扰的全状态鲁棒容错控制。
四旋翼无人机 输入受限 执行器故障 模糊系统 鲁棒容错控制 quad-rotor UAV input constraints actuator failure fuzzy system robust fault-tolerant control
针对四旋翼无人机桨叶损伤故障的位置和姿态控制问题, 设计一种基于积分滑模法和扩张状态观测器(ESO)的四旋翼无人机主动容错控制系统。建立了执行机构损伤故障下的无人机非线性模型, 采用抗干扰能力较强的滑模控制法(SMC)设计姿态内环和位置外环基本控制器；为减小系统的稳态误差, 引入积分环节, 构造出积分滑模控制器；通过采用边界层方法, 抑制滑模控制算法本身的抖振效应；利用ESO实时估计出系统的内、外总扰动和执行机构损伤干扰并对控制量进行补偿。李雅普诺夫稳定理论验证了该控制系统能够快速收敛达到稳定, 数值仿真验证了所设计控制系统的有效性和鲁棒性。
四旋翼无人机 执行器故障 积分滑模法 扩张状态观测器 容错控制 quadrotor UAV actuator failure integral sliding mode method ESO fault-tolerant control
针对可重复使用运载器(RLV)再入过程中存在的未知干扰、不确定性以及舵面部分失效(PELF)等问题, 基于增量反演法(IBS)和跟踪微分干扰补偿器(TDDC)设计了鲁棒容错控制律。首先, 对姿态角回路和角速率回路分别设计增量控制律, 并引入误差积分项增强系统的鲁棒性。其次, 对于传统增量反演法直接忽略掉的慢变项和泰勒展开高阶项, 基于Sigmoid跟踪微分器设计了适用于IBS控制律的干扰补偿器对其进行估计和补偿。最后, 仿真结果表明, 相比于传统的增量反演法, 所设计的控制律指令跟踪精度更高。
改进增量反演法 跟踪微分干扰补偿器 可重复使用运载器 鲁棒容错控制 improved incremental backstepping TDDC RLV robust fault-tolerant control
