For parameter identifications of robot systems, most existing works have focused on the estimation veracity, but few works of literature are concerned with the convergence speed. In this paper, we developed a robot control/identification scheme to identify the unknown robot kinematic and dynamic parameters with enhanced convergence rate. Superior to the traditional methods, the information of parameter estimation error was properly integrated into the proposed identification algorithm, such that enhanced estimation performance was achieved. Besides, the Newton-Euler (NE) method was used to build the robot dynamic model, where a singular value decomposition-based model reduction method was designed to remedy the potential singularity problems of the NE regressor. Moreover, an interval excitation condition was employed to relax the requirement of persistent excitation condition for the kinematic estimation. By using the Lyapunov synthesis, explicit analysis of the convergence rate of the tracking errors and the estimated parameters were performed. Simulation studies were conducted to show the accurate and fast convergence of the proposed finite-time (FT) identification algorithm based on a 7-DOF arm of Baxter robot.

This paper studies the composite adaptive tracking control for a class of uncertain nonlinear systems in strict-feedback form. Dynamic surface control technique is incorporated into radial-basis-function neural networks (NNs)-based control framework to eliminate the problem of explosion of complexity. To avoid the analytic computation, the command filter is employed to produce the command signals and their derivatives. Different from directly toward the asymptotic tracking, the accuracy of the identified neural models is taken into consideration. The prediction error between system state and serial-parallel estimation model is combined with compensated tracking error to construct the composite laws for NN weights updating. The uniformly ultimate boundedness stability is established using Lyapunov method. Simulation results are presented to demonstrate that the proposed method achieves smoother parameter adaption, better accuracy, and improved performance.

This paper studies both indirect and direct global neural control of strict-feedback systems in the presence of unknown dynamics, using the dynamic surface control (DSC) technique in a novel manner. A new switching mechanism is designed to combine an adaptive neural controller in the neural approximation domain, together with the robust controller that pulls the transient states back into the neural approximation domain from the outside. In comparison with the conventional control techniques, which could only achieve semiglobally uniformly ultimately bounded stability, the proposed control scheme guarantees all the signals in the closed-loop system are globally uniformly ultimately bounded, such that the conventional constraints on initial conditions of the neural control system can be relaxed. The simulation studies of hypersonic flight vehicle (HFV) are performed to demonstrate the effectiveness of the proposed global neural DSC design.

Abstract In this paper, the robust adaptive controller is investigated for the longitudinal dynamics of a generic hypersonic flight vehicle. The proposed methodology addresses the issue of controller design and stability analysis with respect to parametric model uncertainty and input saturations for the control‐oriented model. The velocity and attitude subsystems are transformed into the linearly parameterized form. Based on the parameter projection estimation, the dynamic inverse control is proposed via the back‐stepping scheme. In order to avoid the problem of “explosion of complexity,” by introducing a first‐order filtering of the synthetic input at each step, the dynamic surface control is designed. The closed‐loop system achieves uniform ultimately bounded stability. The compensation design is employed when the input saturations occur. Simulation results show that the proposed approach achieves good tracking performance.

This paper investigates the disturbance observer (DOB)-based neural adaptive control on the longitudinal dynamics of a flexible hypersonic flight vehicle (HFV) in the presence of wind effects. The coupling effect between flexible states and rigid body, and the accessional angle of attack (AOA) due to wind, is modeled as unknown disturbance, where the nonlinear DOB is constructed using the neural approximation. For the weight update in neural networks (NNs), a novel algorithm is proposed with the additional prediction error derived from the serial-parallel estimation model (SPEM) using both neural approximation and disturbance estimation. Different from previous work, the wind effect is taken into the hypersonic flight dynamics for realistic analysis, and the novel controller is designed using compound estimation, where the NN and the DOB are constructed to deal with aerodynamic uncertainty and unknown disturbance. Simulation studies of a flexible HFV with wind effects show that the proposed controller can achieve high tracking accuracy, while the compound estimation can closely follow the system uncertainty with fast convergence.

This paper investigates a fault-tolerant control of the hypersonic flight vehicle using back-stepping and composite learning. With consideration of angle of attack (AOA) constraint caused by scramjet, the control laws are designed based on barrier Lyapunov function. To deal with the unknown actuator faults, a robust adaptive allocation law is proposed to provide the compensation. Meanwhile, to obtain good system uncertainty approximation, the composite learning is proposed for the update of neural weights by constructing the serial–parallel estimation model to obtain the prediction error which can dynamically indicate how the intelligent approximation is working. Simulation results show that the controller obtains good system tracking performance in the presence of AOA constraint and actuator faults.

Abstract In order to study the structural dynamic response and the separation rule of launch tube and missile of the overhang cold launching system during launching, and provide a basis for the design of new overhang launching system, a dynamic model of the overhang cold launching system was established by using the rigid-flexible coupling method and multi-body dynamics according to the structural characteristics and ejection physical process of the overhang cold launching system. The accuracy and rationality of the modeling method proposed by this paper were validated against the test. Based on this, the dynamic response of ejection and outlet attitude were analysed. The results show that the dynamic model of overhang cold launching system can accurately reflect the vibration characteristics of the system. A large longitudinal displacement of the center of launch tube will occur during the ejection process. The oscillation frequency is relatively small, but the structural vibration caused by the ejection impact will have a great influence on the pitching attitude of the missile. The vibration response of the adjacent launch tube is small, which is beneficial for the continuous launching of the overhang launching system. The research results can provide a basis for the subsequent design of vibration reduction.

Ensuring that the distance between unmanned aerial vehicle (UAV) formation members surpasses the safety separation distance (SSD) is paramount for flight safety. This SSD is jointly determined by the navigation and control systems. Existing studies frequently consider the performances of the two systems separately and rely on empirical designs for SSD, which can lead to inefficient use of airspace by the formation. This paper presents a general framework for the SSD design in UAV formation by integrating navigation and control systems. Specifically, a filter for the integrated system is developed to reduce separation distance error and estimate their statistical characteristics. Taking the statistical characteristics of the separation distance error as a measure of the uncertainty in relative positioning, a method for calculating collision probability based on the envelope model is proposed to characterize the collision risk between formation members. Furthermore, a problem for achieving SSD that meets a specific collision risk level is formulated and optimized, guiding the design strategy of formation spacing. Simulation results validate this method effectively determines the SSD that meets flight safety requirements based on navigation and control performances, showcasing the practicality and effectiveness of our framework.