题目：非线性不确定系统控制策略研究

随着社会的进步和科技的发展，被控对象越来越复杂、对控制系统的性能也提出了更高的要求。这使得仅采用传统的ian线性化方法来分析和设计非线性控制系统已难以满足发展的需要，必须寻找新的解决方法。本文以非线性不确定系统作为被控对象，研究了非线性不确定系统的鲁棒自适应控制问题。 实际被控对象通常包含各种不确定性，而鲁棒控制和自适应控制是进行不确定控制系统设计的有效工具。鲁棒控制主要适用于处理系统中不确定性的界值已知的情况。对于具有参数不确定性的被控对象，自适应控制方法可以通过合适的参数自适应律逼近对象的真实参数从而设计出合适的系统控制律。本文首先针对一类具有参数不确定性和结构不确定性的非线性系统，研究了系统的鲁棒自适应控制器设计问。通常，在控制系统设计中，稳定性只是一个最基本的要求，系统的稳态精度以及动态性能也是非常重要的性能指标。因而文中进一步分析了系统稳态精度和动态性能与系统初始状态、控制器设计参数之间的关系，以便合理地选择控制器设计参数，确保系统具有良好的稳态精度和动态性能。另外，还进一步研究了该类被控对象的神经网络控制器设计方案。 Backstepping方法是一种受到广泛关注的非线性设计方法。本文采用Backstepping方法研究了一类复杂非线性不确定系统的控制器设计问题。Backstepping方法需要对“虚拟控制作用”重复求导从而导致“复杂性爆炸”问题，当控制系统阶次较高，或被控对象模型复杂时，控制器的设计将极为复杂。D.Swaroop和J.K.Hedrick等人针对这个问题，提出了一种动态曲面控制（Dynamic surface control）方法。这种方法通过增加一个一阶低通滤波环节来避免对虚拟控制作用的重复求导。文中针对一类复杂参数纯反馈非线性不确定系统，提出了一种DSC鲁棒自适应控制器设计方案，较好地解决了一类非线性系统的鲁棒自适应控制问题。滑模控制对外部扰动和系统参数变化具有较强的鲁棒性，而且动态响应速度快，是解决非线性系统鲁棒设计的一个有效方法。传统滑模控制要求系统不确定性满足匹配条件，而且对于复杂非线性系统选择合适的滑模函数也是一件困难的事情。文中采用积分滑模控制与其它非线性设计方法相结合的方式，提出了一种新的积分滑模自适应控制方案。在该方案中，滑模面的构造非常简单，可以有效地处理不匹配不确定性的问题。所提出方案的另外一优点是：所设计的控制律是一种连续控制律，从而也就不存在传统滑模控制中所谓的“抖振”现象。 拟人智能控制是一种基于物理模型的设计方法，可以设计出符合被控对象运动规律的合理控制律结构, 为复杂非线性系统的控制问题提供了一条新的思路。尽管拟人智能控制方法取得了一系列成功应用。然而，对于非线性不确定系统的鲁棒拟人智能控制器设计问题却一直是一个困扰我们的难题。本文针对这个问题，提出了一种鲁棒拟人智能控制器设计方法、解决了针对不确定系统的拟人智能控制器设计问题，进一步推进了拟人智能控制理论的发展。 倾斜转弯导弹（BTT导弹）具有强烈的非线性，其纵向运动和侧向运动存在强耦合，其动力学系统为一个同时具有快时变性、非线性和模型不确定性的复杂多变量系统。针对再入BTT导弹这种高度非线性、剧烈不确定性的特点，采用Backstepping设计与积分滑模补偿相结合的方法研究了再入BTT导弹的自动驾驶仪设计问题。首先，采用Backstepping方法基于BTT导弹的标称模型设计系统全局稳定非线性控制律。为了解决Backstepping设计中对“虚拟控制作用”求导而引起的BTT导弹控制器结构极为复杂的问题，文中采用了数字微分方法。然后针对导弹气动参数变化以及其它各种扰动引起的的导弹模型不确定性问题，采用积分滑模控制方法设计导弹控制系统的鲁棒补偿器以确保系统的鲁棒稳定。在系统气动系数摄动30%的情况下进行了仿真控制，仿真结果证明了设计方案的有效性。