神经ESO级联控制器

解耦扰动抑抖振

用RBF神经网络替代传统扩张状态观测器，在线拟合耦合扰动，在抑制控制抖振的同时保持高超声速飞行器姿态控制的抗扰能力。

刘磊 · Yongxiong, Liu · Zhou, Lilin · 王博 · 成忠涛 · 樊慧津

Journal of the Franklin Institute 2023

技术优势

抖振更小

神经网络在线训练拟合扰动特性，避免了传统ESO因带宽与参数不匹配引起的控制抖振。

耦合可解

级联结构配合神经网络处理多入多出系统，解决了强耦合高超声速飞行器各通道难以独立设计ADRC的问题。

抗扰更强

相比传统ADRC，该方法对强时变、非线性、耦合扰动具有更好的抗扰能力。

应用场景

• 高超声速飞行控制：直接替换高超声速飞行器姿态控制中的观测器，提升复杂扰动下的鲁棒性。
• 无人机姿态控制：将神经网络观测器用于无人机姿态回路，增强抗扰并减弱抖振。
• MIMO系统抗扰控制：用级联神经网络观测器处理多入多出系统的耦合扰动，简化各通道控制器设计。