卫星平台的振动是降低光通信链路可靠性的一个重要因素。提出在精跟踪系统中采用自适应逆控制方案来抑制卫星平台振动的影响, 从而实现对目标光通信终端的稳定跟踪。采用对象的自适应逆作为控制器来控制快速反射镜偏转, 以保证系统的动态响应品质; 采用自适应逆控制中的自适应扰动消除系统来抑制卫星平台的振动。实现了对象控制和扰动消除分开进行且不相互影响。仿真结果表明该控制律有效地实现了对输入的跟踪, 且能较好地抑制扰动。

为了克服自适应光学系统中倾斜镜的迟滞响应, 提高响应的线性度, 改善倾斜镜的控制精度, 研究了倾斜镜的迟滞非线性效应。提出了一个基于频率相关的Mutified-Prandtl-Ishlinskii (MPI) 模型的补偿方法来在线自适应逆补偿倾斜镜的迟滞非线性。结合反馈PID控制构成了自适应逆前馈复合控制方案, 其中自适应逆前馈克服了由于频率等因素引起的迟滞曲线变化, 反馈PID则改善了整体的控制性能。建立了倾斜镜二阶系统模型来估计倾斜镜系统的输出, 解决了MPI模型参考信号的问题, 避免了增加额外前馈传感器, 保证了光能量的利用率。实验结果表明, 倾斜镜系统15 Hz非线性迟滞率由原来的24.28%降为1.17%, 线性度提高了约95%, 控制精度较传统PID方法提高了约60%。该方法能够有效补偿倾斜镜的迟滞非线性, 提高了自适应光学系统中倾斜镜的校正精度。

针对具有显著非线性和不确定性的无人机自主着陆系统，提出基于模糊干扰观测器的非线性动态逆的控制方法，用于降低控制器对不确定性的要求。基于时标分离原则，将无人机自主着陆系统分为快回路、慢回路、非常慢回路和极慢回路，通过在快回路、慢回路和非常慢回路设计动态逆控制律使状态解耦，设计直线下滑和指数拉平的着陆轨迹，并在极慢回路进行跟踪。设计基于模糊系统的干扰观测器，以逼近外部干扰和内部不确定性等复合干扰，基于李雅普诺夫理论证明系统稳定性。最后给出了无人机自主着陆轨迹跟踪控制仿真，仿真结果表明设计控制器具有良好鲁棒性，完成无人机在外界干扰下的自主着陆控制。

为提高稳定平台的性能指标，满足其高精度、快响应的要求，实现对目标的实时跟踪，对稳定平台的控制方法进行了研究。首先，根据自适应逆控制的基本原理设计出稳定平台自适应逆控制系统的结构。然后，采用模型参考自适应逆作为控制器来完成稳定平台转轴的控制并尝试利用其开环特性来改进稳定平台的控制性能。稳定平台模型辨识和控制器的设计算法都采用最小二乘法(LSM)，最后分别采用传统的PID控制和自适应逆控制分析比较其输出效果。仿真结果显示，采用自适应逆控制时的定位精度可达29″，表明采用自适应逆控制的稳定平台具有响应快、无超调、抗干扰能力强以及稳态误差小等优点，其动、静态性能均优于常规的PID控制。

基于干扰观测器设计了无人机着陆飞行逆控制器。根据时标分离的原则,将无人机系统分解为快慢不同的4个回路,采用动态逆的方法设计快回路、慢回路和非常慢回路控制器,并且在慢回路引入干扰观测器估计无人机所受的扰动和在线估计动态逆误差,降低控制器对干扰和模型精确度的要求,增强控制器的鲁棒性。仿真结果说明所设计的无人机着陆控制器是非常有效的。

稳像平台速度环的性能直接影响成像质量,本文提出了一种基于Elman网络和PD复合控制的自适应逆控制算法。通过对Elman网络模型和控制对象的分析,设计了独立的指令跟踪回路和干扰抑制回路,并将逆控制和PD复合控制思想应用在干扰抑制回路中,实现了Elman网络在线学习和对被控对象的在线辨识。仿真实验结果表明,该方法能有效克服系统慢时变、干扰等非线性因素的影响,增强系统的鲁棒性。

提出了基于内积的压电陶瓷动态神经网络非线性、非光滑迟滞逆模型,采用反馈误差学习方法,快速地在线得到压电陶瓷的逆模型,避免了通过正模型求取压电陶瓷的Jacobian信息。结合PID反馈控制,在dSPACE系统平台上实现了压电陶瓷的神经网络自适应逆控制。为提高实时性,采用了效率高、速度快的C-MEX S Function编程。实验结果表明:神经网络自适应逆控制的控制精度为0.13μm,而PID控制精度为0.32μm。所提出方法有效地消除了迟滞的影响,控制精度高。