Page 84 - 当代控制理论及应用技术概论

当代控制理论及应用技术概论
Introduction to Contemporary Control Theory and Applied Technology

器模型进行仿真验证，结果表明所设计的控制器能够有效处理模型动态不确定和
未知外界干扰问题，避免飞行器工作过程中因输入饱和导致执行器失效现象，精
确地完成轨迹跟踪控制任务。
（八）神经网络控制法
张莹等针对四旋翼飞行器，采用 RBF 神经网络和 PID 联合控制方法，依

靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以 Matlab/
Simulink 为实验平台，对 RBF 神经网络 PID 控制系统和单纯 PID 控制系统分别
进行仿真。实验结果表明，RBF神经网络PID控制比传统的PID控制调整时间更短、

控制效果更好，增强了系统自适应性。
聂文明等针对旋翼飞行器存在模型参数偏差、外界随机干扰导致的不确定
性等问题，提出了一种基于动态神经网络的旋翼飞行器在线模型辨识算法，在不
依赖于模型先验信息和未知的不确定性信息的情况下，可实现完全数据驱动的在
线高精度的模型辨识。基于 Lyapunov 理论和 Barbalat 引理，给出了辨识算法的收

敛性理论分析，并通过数值仿真验证了模型辨识算法的有效性。

76
76