一种无人机编队的自适应滑模控制方法

    公开(公告)号:CN112327926A

    公开(公告)日:2021-02-05

    申请号:CN202011333190.0

    申请日:2020-11-24

    Abstract: 本发明公开一种基于神经网络和干扰观测器的非线性无人机编队的自适应滑模控制方法,采用能够体现其真实性的非线性动力学模型。为使无人机编队在执行任务时具有良好的跟踪性能,通过对无人机飞行实际运行情况的分析,并考虑了无人机模型的执行器状态参数不确定性和外界电磁波干扰对跟踪性能的不利影响。设计了一种自适应滑模控制器,分别采用径向基神经网络逼近和扰动观测器逼近并补偿模型的不确定性和外部干扰的影响。同时保证了所形成的闭环系统在控制器作用下的全局稳定性,通过仿真实验确定该方法在实际应用中具有一定的优势。

    一种无人机编队的自适应滑模控制方法

    公开(公告)号:CN112327926B

    公开(公告)日:2023-07-21

    申请号:CN202011333190.0

    申请日:2020-11-24

    Abstract: 本发明公开一种基于神经网络和干扰观测器的非线性无人机编队的自适应滑模控制方法,采用能够体现其真实性的非线性动力学模型。为使无人机编队在执行任务时具有良好的跟踪性能,通过对无人机飞行实际运行情况的分析,并考虑了无人机模型的执行器状态参数不确定性和外界电磁波干扰对跟踪性能的不利影响。设计了一种自适应滑模控制器,分别采用径向基神经网络逼近和扰动观测器逼近并补偿模型的不确定性和外部干扰的影响。同时保证了所形成的闭环系统在控制器作用下的全局稳定性,通过仿真实验确定该方法在实际应用中具有一定的优势。

    一种用于癫痫脑刺激的滑模控制方法

    公开(公告)号:CN113341732A

    公开(公告)日:2021-09-03

    申请号:CN202110730692.5

    申请日:2021-06-29

    Abstract: 本发明公开一种基于宽度学习(BLS)的癫痫病脑刺激自适应快速非奇异终端滑模(AFNTSM)控制方法;基于标准化的丘脑机理模型,设计了一种新颖的快速非奇异终端滑模面,并且推导出使滑模运动渐进稳定的充分条件;结合快速非奇异终端滑模技术和宽度学习系统,设计了一种自适应快速非奇异终端滑模控制器,以确保滑模运动的可达性;通过闭环跟踪控制系统的稳定性和可达性分析促进了设计参数更好的选择,最后通过仿真对比确保了该设计方案更为卓越的控制性能。

Patent Agency Ranking