CN101937233A - 近空间高超声速飞行器非线性自适应控制方法 - Google Patents
近空间高超声速飞行器非线性自适应控制方法 Download PDFInfo
- Publication number
- CN101937233A CN101937233A CN 201010250141 CN201010250141A CN101937233A CN 101937233 A CN101937233 A CN 101937233A CN 201010250141 CN201010250141 CN 201010250141 CN 201010250141 A CN201010250141 A CN 201010250141A CN 101937233 A CN101937233 A CN 101937233A
- Authority
- CN
- China
- Prior art keywords
- control
- loop
- omega
- rule
- ngpc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013461 design Methods 0.000 claims description 43
- 230000003044 adaptive effect Effects 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 28
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 8
- 239000004576 sand Substances 0.000 claims description 6
- 230000009897 systematic effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 13
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 7
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 32
- 238000013528 artificial neural network Methods 0.000 description 17
- 238000013459 approach Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 238000005312 nonlinear dynamic Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000454 anti-cipatory effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000204914 Salmonella enterica subsp. enterica serovar Give Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种近空间高超声速飞行器(NHV)非线性自适应控制方法,属于航空航天技术领域的飞行控制方法。该控制方法主要由三个控制律部分组成,包括标称非线性广义预测控制律(NGPC),B样条递归泛函连接网络(BRFLN)自适应控制律,增益自适应调整的鲁棒控制律。本发明兼顾了NGPC方法的简便性与BRFLN学习动态不确定的有效性,针对NHV飞行过程中姿态系统存在的不可测量的动态不确定和快变干扰,学习效果良好,实现了对姿态角的非线性精确控制。
Description
技术领域
本发明涉及一种航空航天技术领域的飞行控制方法,具体地说,是非线性自适应控制方法,尤其适用于存在模型高度不确定和快变干扰的近空间高超声速飞行器的姿态控制方法。
背景技术
近空间高超声速飞行器(Near-space Hypersonic Vehicles,NHV)由于飞行包络大、飞行环境复杂、高机动、多任务模式等特点,不可避免存在着内部结构和气动参数引起的不确定以及外界环境导致的干扰,而且近空间区域飞行时,各状态变量高度耦合,呈现出强烈的非线性动态特性。这些因素会增加姿态控制算法设计的难度,如采用经典的线性控制方法则会造成控制精度下降甚至系统失稳。因此,非线性自适应控制方法的研究成为了NHV飞行控制的一个研究热点。
可以采用先进的非线性控制方法(例如反馈线性化、动态逆、滑模控制、回馈递推控制、非线性预测控制等)来解决飞行控制中的非线性问题,以实现较大飞行包络内的高准确度控制。美国佐治亚理工学院的E.N.Johnson(E.N.Johnson,Limited authority adaptive flight control.Ph.D.thesis,Atlanta:Georgia Institute of Technology,2000)为X33设计出自适应动态逆控制系统,作为了NASA先进飞行控制系统的备选方法之一;英国拉夫堡大学的W.H.Chen等(W.H.Chen,D.J.Balance and P.J.Gawthrop,Optimal control of nonlinear systems:a predictive control approach,Automatica,vol.39,no.6,pp.633-641,2003)提出了一种基于泰勒逼近理论的多变量非线性连续系统广义预测控制方法,并在导弹的自动控制律设计上得到验证。对于飞行中存在的难以准确测量的不确定与干扰,通常应用非线性控制方法结合经典鲁棒与自适应控制方法来处理。美国洛克马丁航空公司的H.P.Lee等(H.P.Lee,S.E.Reiman,C.H.Dillon and H.M.Youssef,Robust nonlinear dynamic inversion control for a hypersonic cruise vehicle,Proc.of AIAAGuidance,Navigation and Control Conference and Exhibit,South Carolina,USA:AIAA 2007-6685,pp.1-9,2008)提出了动态逆控制律结合μ分析的控制方法来改善存在气动参数不确定的高超声速飞行控制问题。然而,这类方法只能补偿不确定界为已知的参数不确定以及慢变的外界干扰,控制器设计的保守性较大。
NHV在近空间区域飞行时,未建模动态以及模型参数不确定呈现动态变化特征,且变化界限未知,另外飞行中受到各种干扰力矩和风紊流、风切变等的快时变干扰影响,有必要设计一种无需不确定界信息的能够补偿快变扰动的控制算法。模糊和神经网络直接自适应控制方法与非线性控制结合可以有效抑制飞行器的参数不确定与外界干扰,并能补偿非线性因素的影响。新加坡国立大学的Tee K P等(K.P.Tee,S.S.Ge and F.E.H.Tay,Adaptive neural network control for helicopters in vertical flight,IEEE Trans.Control Syst.Technol.,vol.16,no.4,pp.753-762,2008.)为直升机设计了多层前馈神经网络自适应控制器来抵消飞行参数的不确定。此方法无需不确定信息,但它属于静态映射方法,对于快速动态变化干扰的逼近效果不佳。递归神经网络是一种动态映射网络,它适合逼近高阶非线性动态函数,但普通递归网络需要学习的权值参数较多,应用于姿态控制中会导致计算耗时过大。
发明内容
本发明的目的是提供一种新的非线性神经网络自适应控制方法,并将其用于近空间高超声速飞行器(NHV)的姿态控制器设计当中。本发明着力针对NHV的强烈非线性动态,设计能够实现大范围高精度非线性控制,而且能够补偿模型参数不确定以及快时变干扰的姿态控制算法。控制算法主要包括非线性广义预测控制与神经网络直接自适应控制方法,对于存在动态气动参数不确定、推力偏心干扰力矩以及风紊流干扰的高超声速飞行器,本发明能够有效地抑制不确定与干扰的影响,实现姿态的精确非线性控制。
本发明的技术方案如下:
NHV非线性自适应控制方法,包括以下步骤:
(1)针对仿射非线性方程描述的一般被控对象,得到存在动态不确定和干扰的非线性广义预测控制律(NGPC)形式u(t),所述控制律中包含标称NGPC和动态不确定项;
(2)针对NHV姿态快回路和慢回路的两组仿射非线性方程,按照步骤(1)所述的控制律形式分别设计快回路NGPC和慢回路NGPC,快回路NGPC包含快回路标称NGPC和快回路动态不确定项,慢回路NGPC包含慢回路标称NGPC和慢回路动态不确定项;
(3)设计快回路B样条递归泛函连接网络(BRFLN)权值自适应律和快回路鲁棒增益自适应律,将计算得到的快回路BRFLN的控制输出和鲁棒项控制输出之和代替步骤(2)得到的快回路动态不确定项,并与快回路标称NGPC相加得到快回路总控制律;
(4)设计慢回路B样条递归泛函连接网络(BRFLN)权值自适应律和慢回路鲁棒增益自适应律,将计算得到的慢回路BRFLN的控制输出和鲁棒项控制输出之和代替步骤(2)得到的慢回路动态不确定项,并与慢回路标称NGPC相加得到慢回路总控制律;
(5)将步骤(4)得到的慢回路总控制律代入到步骤(3)得到的快回路总控制律中,能够得到用于控制NHV的舵面控制力矩;
(6)经过控制分配计算,最终得到用于控制NHV姿态的气动舵面偏转量。
步骤(1)针对的一般被控对象仿射非线性方程描述如下:
y(t)=h(x(t))
其中,x∈Rn、u∈Rm和y∈Rm分别是系统的状态向量、控制向量和输出向量,g2Δ∈Rn代表总的动态不确定项;f(x)∈Rn、g1(x)∈Rn×m和g2(x)∈Rn×m是状态x的平滑函数。通过推导得出含有不确定的NGPC表达式为
其中,是标称NGPC,即不包含不确定的系统控制律,-(G1(x))-1H(x)Δ是相对于动态不确定的控制律;G1(x)、F(x)和H(x)都是有关系统参数的已知矩阵;Mρ是有关系统输出误差的矩阵,它是需要实时从系统中检测的;K是需要设计的矩阵。
步骤(3)和(4)中BRFLN的输入经过B样条基函数来扩展输入变量的模态;所述网络不含隐含层;所述网络输出延时反馈到联系节点单元,联系节点单元经过延时自反馈。
根据所述NHV的快、慢回路姿态非线性方程:
依据步骤(1)-(4)得到的快、慢回路总控制律为:
其中,ω=[p,q,r]T和Ω=[α,β,μ]T为快回路角速率向量和慢回路姿态角向量,MC=gf,δδC是舵面控制力矩,gf,δ是控制分配矩阵,δC=[δe,δa,δr]T是气动舵面偏转角,它是姿态的最终控制变量;Δf和Δs分别是快回路和慢回路动态不确定项。ff、gf、fs和gs是有关ω、Ω和飞行器气动参数等物理量的函数。是快回路标称NGPC律, 和分别是快回路BRFLN自适应控制项和鲁棒控制项;同理usad和usr分别是慢回路标称NGPC律、慢回路BRFLN自适应控制项和鲁棒控制项;ef和es为快回路和慢回路输出误差,Ωc是姿态角给定值。
步骤(3)中,应用李亚普诺夫稳定性理论推导快回路BRFLN权值自适应律和鲁棒增益自适应律如下:
rf=Pfef(t),
其中rf和是中间变量,表达式和分别是快回路权值自适应律和快回路鲁棒增益自适应律,ef=ω-ωc是BRFLN的输入向量,也是鲁棒控制项的输入向量;ρ′□ρ′(WTΦ),δ、KW、λψ和Kψ是正的设计常数,Pf、ΓW是正定设计矩阵。
步骤(4)中,应用李亚普诺夫稳定性理论推导慢回路BRFLN权值自适应律和鲁棒增益自适应律如下:
rs=PsEs(t),
其中rs和是中间变量,表达式和分别是慢回路权值自适应律和慢回路鲁棒增益自适应律;δs、KWs、λψs和Kψs是正的设计常数,Ps、ΓWs是正定设计矩阵。慢回路BRFLN的输入与慢回路鲁棒控制项的输入是向量Es,慢回路输出误差为es=Ω-Ωc,此误差经过比例微分(PD)校正后的误差即为
本发明与现有技术相比的优点在于:
1)应用非线性广义预测控制律设计标称姿态系统的控制律,设计过程简便,设计参数少,并能充分利用已有模型的信息,减轻了学习不确定项的神经网络计算负担。
2)本发明提出的BRFLN是一种无隐含层的新型递归神经网络,它不仅能够学习高阶动态非线性函数,而且结构简单,权值参数少,较之一般递归神经网络减轻了在线计算的工作量。本发明的BRFLN采用了n阶B样条函数作为网络输入的展开函数。由于B样条函数较之多项式函数具有更好的逼近效果,因此BRFLN比一般FLN具备更强的非线性映射能力。
3)本发明提出的BRFLN的权值不需要离线训练,初始权值可以随机选取。权值的在线学习律采用李亚普诺夫稳定性理论推导得出,因此可以保证闭环系统一致最终有界,而且应用BRFLN学习不确定项和干扰,并不需要它们的确切界信息。
5)鲁棒增益的自适应调整可以降低鲁棒控制项设计的保守性,避免控制量有大的振荡,从而避免输出姿态大的超调。
6)采用PD超前校正的BRFLN自适应鲁棒控制方法,不仅能够学习慢回路动态不确定和干扰,而且能有效改善慢回路自适应控制器作用与实际慢回路不确定对NHV作用之间的时差问题。
附图说明
图1为本发明提出的BRFLN的结构图。
图2为本发明实施的NHV姿态控制原理图。
图3为存在快慢回路动态不确定的姿态控制仿真图。
图4为快回路BRFLN与鲁棒项对快回路不确定的逼近。
图5为慢回路BRFLN与鲁棒项对慢回路不确定的逼近。
具体实施方式
本发明近空间高超声速飞行器非线性自适应控制方法如下:
1)针对含有不确定和干扰的NHV姿态非线性方程,设计新的非线性广义预测姿态控制律。NHV姿态模型为仿射非线性方程形式,无干扰和不确定条件下标称系统的控制律采用W.H.Chen等(W.H.Chen,D.J.Balance and P.J.Gawthrop,Optimal control of nonlinear systems:apredictive control approach,Automatica,vol.39,no.6,pp.633-641,2003)提出的非线性广义预测控制(NGPC)方法来设计。此算法为连续非线性系统解析形式的最优预测控制律,它基于四个概念:泰勒级数展开的预测,滚动时域控制,控制约束(在滚动时域中)和优化理论。该算法避免了经典预测控制需要在线计算的缺点,设计过程简便,设计参数少。本发明在标称NGPC的基础上推导了非线性方程存在动态不确定及干扰的新的NGPC算法,控制律当中包含了不确定和干扰项。
被控对象模型的仿射非线性方程如下所述:
y(t)=h(x(t))
其中,x∈Rn、u∈Rm和y∈Rm分别是系统的状态向量、控制向量和输出向量。g2Δ∈Rn代表总的动态不确定项,它包括未建模动态、未知参数不确定以及外界不可测干扰。f(x)∈Rn、g1(x)∈Rn×m和g2(x)∈Rn×m是状态x的平滑函数。通过推导得出使滚动时域性能指标
最小的不确定非线性广义预测控制律为
其中,i,j=1,...,ρ+r+1,且此处r是系统的控制阶,为设计方便通常设为零。因此,标称控制律之中只有矩阵K需要设计,它与预测时间T有关。由于不确定控制律(3)中的动态不确定项Δ是未知的,且没有经验信息可以获得,因此考虑采取神经网络直接自适应控制的方法进行在线逼近。
2)设计一种新的无隐含层的递归神经网络——递归泛函连接网络,采用三阶B样条函数作为网络输入的展开函数。应用此网络来设计直接自适应控制算法,用来逼近飞行中的气动参数不确定和快时变干扰Δ。
泛函连接网络(FLN)是带泛函映射输入的单层神经网络,目前已经成功应用于系统辨识、图像处理和非线性信道均衡等领域。它最主要的特点是不牺牲网络性能的前提下降低了网络计算的复杂度,很适合应用于在线计算。然而,FLN是静态映射网络,对于高阶高动态的非线性函数学习效果不佳。因此,本发明设计了新的B样条递归泛函连接网络(BRFLN),此网络将FLN的输出经过延时引入到联系节点单元,同时对联系节点也引入经延时的自反馈。通过如此处理,可以使静态映射网络FLN转变为一个动态神经网路,结构参见图1。应用此网络就可以学习高阶动态非线性函数,而且BRFLN没有隐含层,网络学习参数较少,能够用于高超声速飞行器不确定的在线学习当中。在线训练的网络权值自适应律由李亚普诺夫稳定性定理推导得出,权值不需要离线训练,初始权值可以随机选取。BRFLN的输出表示为
其中,输出函数ρ(S)采用双曲正切函数tanh(S),权值矩阵W=[WS T,WF T]T∈R(N+m)×m,WS∈Rm×N是前馈权值矩阵,WF∈Rm×m为反馈权值矩阵。是网络的输入向量,是输入的作用函数,其中代表基函数矩阵,它满足三个条件:a)b)子集是线性独立集;c)这种正交的函数包括切比雪夫多项式、勒让德多项式、拉格朗日多项式等。考虑到B样条函数较之多项式函数有更好的逼近效果,本发明提出将其作为输入的基函数。中心B样条基函数可表示为:
其中,另外,是联系节点的输出,它与网络的反馈输出和联系节点自反馈系数α=(α1,…,αp,…,αm)T有关,表达式如下:
3)设计了增益自适应调节的鲁棒控制项,用来抵消BRFLN学习不确定Δ时的逼近误差ε,提高学习精度,改善控制效果。
鲁棒控制项vr的设计与系统输出误差有关,误差越大,鲁棒项作用越强,直至误差降低到比较小的界内。固定的鲁棒项增益,一方面会使控制设计具有比较大的保守性,另一方面如果增益选择不当,过低会使鲁棒项作用降低,过高又会引起系统振荡。因此,鲁棒增益的自适应调整是一种比较好的方式,它的数值也通过在线自适应律的调整来确定。鲁棒项的输出与BRFLN的输出有关系式其中是控制律(3)中的不确定项Δ的代替值。因此(3)式可以写成
其中uad是BRFLN的自适应控制项,ur是鲁棒控制输出。
4)基于李亚普诺夫稳定性定理推导BRFLN权值和鲁棒项增益的自适应调整律,从而得出vad和vr的具体表达式如下:
vad=ρ(WTΦ),vr=ψσ*tanh(σ*r/δ) (9)
其中式(10)为中间变量,式(11-12)为自适应调节律。为系统误差,也是BRFLN的输入向量。P是满足PA+ATP=-Q的正定矩阵,矩阵A和B是误差状态方程的系数矩阵,δ、KW、λψ和Kψ是正的设计常数,ΓW是正定设计矩阵。该自适应调整律能够保证系统误差、权值学习误差和鲁棒增益学习误差一致最终有界。
5)将(9)式代入到(8)式可以得到能够补偿动态不确定和干扰影响的NGPC律。控制算法关键在于三个部分:标称NGPC律用于控制无不确定影响的标称非线性系统动态;BRFLN用于近似逼近动态不确定和干扰函数;鲁棒控制项用于补偿BRFLN逼近不确定时的残留误差。
6)由于NHV气流姿态角和角速率非线性动态的不同,将其姿态分为快、慢两个回路,相应控制律也分为快回路控制律和慢回路控制律。控制思路采用前述控制律(8)的构成,但快、慢回路控制律的具体设计稍有不同。快回路BRFLN和鲁棒项的输入采用快回路输出误差,慢回路BRFLN和鲁棒项的输入采用经过比例微分(PD)超前校正后的慢回路输出误差。由于慢回路控制器对不确定项的控制作用要经过NHV的角速率快动态后才能到达NHV的慢动态,因此对不确定的控制作用要提前作用才能有效抵消它的影响,故慢回路BRFLN和鲁棒项的输入信号采用了经PD校正后的慢回路输出误差,主要原理参见图2。针对NHV的姿态控制设计原理和过程见“实施例”。
实施例
1)将已建立的NHV六自由度十二状态方程(朱亮,空天飞行器不确定非线性鲁棒自适应控制,南京航空航天大学博士论文,2006年)作为被控制对象模型,将方程中涉及到的三个气流姿态角(迎角α、侧滑角β、航迹滚转角μ)方程和三个绕机体轴角速度(p、q、r)方程写成仿射非线性方程的形式,提取出来作为设计非线性预测控制律的被控变量方程。将六个变量方程分为两个子系统——角速率快回路和姿态角慢回路,表达式如下:
其中ω=[p,q,r]T和Ω=[α,β,μ]T分别为快回路角速率向量和慢回路姿态角向量,MC=gf,δδC∈R3是舵面控制力矩,gf,δ是控制分配矩阵,δC=[δe,δa,δr]T是左升降副翼舵、右升降副翼舵和方向舵的偏转角,它是姿态的最终控制变量。Δf=[Δp,Δq,Δr]T和Δs=[Δα,Δβ,Δμ]T分别是快回路和慢回路中存在的动态不确定和外界干扰。ff、gf、fs和gs是有关ω、Ω和飞行器气动参数等物理量的函数。
2)根据快慢回路方程、控制律(3)和(8)分别设计快回路和慢回路控制律如下:
其中,设计参数Tf是快回路预测时间,此处设为0.35秒,Tf越大,Kf则越小,快回路输出的调节时间越长,振荡越小,我们可以根据性能指标的要求来确定参数。同理,Ts是慢回路预测时间,此处设为0.3秒。需要注意的是快回路的控制律中含有其中ωc是慢回路的控制律,因此(15)式里需要代入ωc才能完成控制律的计算。
3)确定快回路控制律(15)中的神经网络输出Mad和鲁棒控制项输出Mr。
快回路BRFLN的权值Wf和鲁棒项增益ψf的自适应调整律由Lyapunov稳定性定理推得:
rf=Pfef(t),
各变量定义可参见式(9-12)。为了求出Pf,需要得到快回路误差状态方程如下:
4)确定慢回路控制律(16)中的神经网络输出ωad和鲁棒控制项输出ωr。
慢回路BRFLN的权值Ws和鲁棒项增益ψf的自适应调整律由Lyapunov稳定性定理推得:
rs=PsEs(t),
慢回路误差状态方程如下:
NHV姿态控制原理图见图2,快慢回路中的设计参数可参考下表:
5)将计算得出的慢回路控制律(16)代入快回路控制律(15)中,可以得出NHV的控制力矩MC,由式MC=gf,δδC进而求得舵面控制指令δC。控制舵面由执行机构(舵回路)驱动,如果执行机构模型已知,则可以求出姿态控制计算机的输出指令u。本发明给出了计算到舵面指令δC的方法,暂未考虑执行机构。
6)本发明在MATLAB7.0环境下进行仿真验证,飞行初始状态如下:高度H=30km,飞行速度V=3000m/s,飞行器质量为136820kg,发动机推力Tth为600KN,舵面限幅为±30°。初始姿态角和角速率为:α0=1.0°,β0=3.0°,μ0=2.5°,p0=q0=r0=0rad/s。给NHV气动力系数施加+30%~+50%正弦变化不确定,对气动力矩系数施加-35%~-50%余弦变化的动态不确定,对快回路施加动态变化的干扰力矩,对慢回路施加风紊流,则Δf=[Δp,Δq,Δr]T和Δs=[Δα,Δβ,Δμ]T都为动态变化的不确定项。最后,给定系统姿态角阶跃指令信号为:αc=3.0°,βc=1.0°,μc=4.5°。
采用BRFLN自适应鲁棒控制结合NGPC控制得到的姿态仿真图如图3,图中还提供了使用标称NGPC方法进行姿态控制的姿态角输出结果。另外,图4给出了快回路BRFLN自适应鲁棒控制对快回路动态不确定Δq和Δr的逼近效果,图5是慢回路BRFLN自适应鲁棒控制对慢回路Δα和Δβ的学习效果图。可以得出结论,本发明提出的方法能够较好地学习快回路和慢回路的动态不确定,能够对NHV的姿态进行非线性控制,并达到了良好的控制效果。
Claims (7)
1.一种近空间高超声速飞行器非线性自适应控制方法,其特征在于,包括以下步骤:
(1)针对仿射非线性方程描述的被控对象,得到存在动态不确定和干扰的非线性广义预测控制律(NGPC)形式u(t),所述控制律中包含标称NGPC和动态不确定项;
(2)针对近空间高超声速飞行器(NHV)姿态快回路和慢回路的两组仿射非线性方程,按照步骤(1)所述的控制律形式分别设计快回路NGPC和慢回路NGPC,快回路NGPC包含快回路标称NGPC和快回路动态不确定项,慢回路NGPC包含慢回路标称NGPC和慢回路动态不确定项;
(3)设计快回路B样条递归泛函连接网络(BRFLN)权值自适应律和快回路鲁棒增益自适应律,将计算得到的快回路BRFLN的控制输出和鲁棒项控制输出之和代替步骤(2)得到的快回路动态不确定项,并与快回路标称NGPC相加得到快回路总控制律;
(4)设计慢回路B样条递归泛函连接网络(BRFLN)权值自适应律和慢回路鲁棒增益自适应律,将计算得到的慢回路BRFLN的控制输出和鲁棒项控制输出之和代替步骤(2)得到的慢回路动态不确定项,并与慢回路标称NGPC相加得到慢回路总控制律;
(5)将步骤(4)得到的慢回路总控制律代入到步骤(3)得到的快回路总控制律中,能够得到用于控制NHV的舵面控制力矩;
(6)经过控制分配计算,最终得到用于控制NHV姿态的气动舵面偏转量。
2.根据权利要求1所述的近空间高超声速飞行器非线性自适应控制方法,其特征在于:所述步骤(1)针对一般被控对象的仿射非线性方程描述如下:
y(t)=h(x(t))
其中,x∈Rn、u∈Rm和y∈Rm分别是系统的状态向量、控制向量和输出向量,g2Δ∈Rn代表总的动态不确定项;f(x)∈Rn、g1(x)∈Rn×m和g2(x)∈Rn×m是状态x的平滑函数;通过推导得出含有不确定的NGPC表达式为:
3.根据权利要求1所述的近空间高超声速飞行器非线性自适应控制方法,其特征在于:所述步骤(3)和(4)中BRFLN的输入经过B样条基函数来扩展输入变量的模态;所述网络不含隐含层;所述网络输出延时反馈到联系节点单元,联系节点单元经过延时自反馈。
4.根据权利要求1所述的近空间高超声速飞行器非线性自适应控制方法,其特征在于:根据所述NHV的快、慢回路姿态非线性方程为:
依据步骤(1)-(4)得到的快、慢回路总控制律为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102501410A CN101937233B (zh) | 2010-08-10 | 2010-08-10 | 近空间高超声速飞行器非线性自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102501410A CN101937233B (zh) | 2010-08-10 | 2010-08-10 | 近空间高超声速飞行器非线性自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101937233A true CN101937233A (zh) | 2011-01-05 |
CN101937233B CN101937233B (zh) | 2012-05-30 |
Family
ID=43390613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102501410A Expired - Fee Related CN101937233B (zh) | 2010-08-10 | 2010-08-10 | 近空间高超声速飞行器非线性自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101937233B (zh) |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142053A (zh) * | 2011-03-30 | 2011-08-03 | 北京航空航天大学 | 特征结构配置飞行控制律计算机辅助设计系统 |
CN102323825A (zh) * | 2011-07-18 | 2012-01-18 | 北京航空航天大学 | 一种航天器机动时dgmscmg系统的力矩补偿控制方法 |
CN102749851A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 一种挠性高超声速飞行器的精细抗干扰跟踪控制器 |
CN102759928A (zh) * | 2012-04-28 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 一种平流层飞艇航迹控制方法 |
CN102880052A (zh) * | 2012-09-29 | 2013-01-16 | 西北工业大学 | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 |
CN102880055A (zh) * | 2012-09-29 | 2013-01-16 | 西北工业大学 | 基于预测模型的高超声速飞行器神经网络控制方法 |
CN102929151A (zh) * | 2012-11-14 | 2013-02-13 | 北京理工大学 | 一种基于指数时变二阶滑模的再入飞行姿态控制方法 |
CN102929139A (zh) * | 2012-10-10 | 2013-02-13 | 西北工业大学 | 飞行器多区间模型的控制器设计方法 |
CN103425135A (zh) * | 2013-07-30 | 2013-12-04 | 南京航空航天大学 | 一种具有输入饱和的近空间飞行器鲁棒控制方法 |
CN103592847A (zh) * | 2013-10-30 | 2014-02-19 | 天津大学 | 一种基于高增益观测器的高超声速飞行器非线性控制方法 |
CN103699119A (zh) * | 2013-12-24 | 2014-04-02 | 北京控制工程研究所 | 一种适用于仿射非线性系统的故障可诊断性分析方法 |
CN104635725A (zh) * | 2014-12-31 | 2015-05-20 | 重庆科技学院 | 超前校正器结构参数的获取方法及装置 |
CN105629734A (zh) * | 2016-02-14 | 2016-06-01 | 济南大学 | 一种近空间飞行器的轨迹跟踪控制方法 |
CN105676637A (zh) * | 2016-01-11 | 2016-06-15 | 华北电力大学 | 基于预测函数控制的分子量输出pdf控制方法 |
CN105739513A (zh) * | 2016-02-05 | 2016-07-06 | 北京航空航天大学 | 一种四旋翼飞行机器人非线性轨迹跟踪控制器及其跟踪控制方法 |
CN105843080A (zh) * | 2016-06-01 | 2016-08-10 | 南京航空航天大学 | 可变翼高超声速飞行器智能非线性控制系统 |
CN106383523A (zh) * | 2016-09-30 | 2017-02-08 | 湖北航天技术研究院总体设计所 | 一种飞行器非线性姿态控制系统稳定性分析方法 |
CN106444430A (zh) * | 2016-11-09 | 2017-02-22 | 上海宇航系统工程研究所 | 运载火箭一子级再入控制系统及方法、仿真系统及方法 |
CN106681148A (zh) * | 2017-01-10 | 2017-05-17 | 南京航空航天大学 | 一种航空发动机积分正切模糊自适应滑模控制器设计方法 |
CN106842912A (zh) * | 2016-11-30 | 2017-06-13 | 南京航空航天大学 | 高超声速机动飞行抗舵面饱和鲁棒控制方法 |
CN106931967A (zh) * | 2017-02-28 | 2017-07-07 | 西北工业大学 | 一种助推‑滑翔式临近空间飞行器的捷联惯性导航方法 |
CN106997208A (zh) * | 2017-05-10 | 2017-08-01 | 南京航空航天大学 | 一种面向不确定条件下的高超声速飞行器的控制方法 |
CN107065554A (zh) * | 2017-04-27 | 2017-08-18 | 南京航空航天大学 | 近空间可变翼飞行器自适应小翼切换控制系统及工作方法 |
CN107065897A (zh) * | 2016-06-20 | 2017-08-18 | 浙江工业大学 | 三自由度直升机显式模型预测控制方法 |
CN107490966A (zh) * | 2017-08-22 | 2017-12-19 | 浙江工业大学 | 一种基于改进幂次趋近律的飞行器有限时间自适应姿态控制方法 |
CN108241380A (zh) * | 2018-01-24 | 2018-07-03 | 北京航空航天大学 | 高速无人飞行器的控制方法、装置和高速无人飞行器 |
CN108255061A (zh) * | 2018-01-22 | 2018-07-06 | 北京航空航天大学 | 一种高速时滞飞行器的鲁棒控制方法及系统 |
CN108459611A (zh) * | 2018-05-21 | 2018-08-28 | 济南大学 | 一种近空间飞行器的姿态跟踪控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
CN108563124A (zh) * | 2018-04-26 | 2018-09-21 | 傅裕 | 基于api可用户设置轨迹的旋翼无人机自适应控制方法 |
CN108693889A (zh) * | 2017-03-31 | 2018-10-23 | 通用电气公司 | 经由基于模型的迭代优化而实现的飞行管理 |
CN109270947A (zh) * | 2018-12-13 | 2019-01-25 | 北京航空航天大学 | 倾转旋翼无人机飞行控制系统 |
CN109901387A (zh) * | 2017-12-11 | 2019-06-18 | 上海航空电器有限公司 | 一种航空器自动近地防撞系统自适应飞行轨迹预测方法 |
CN110209190A (zh) * | 2019-03-01 | 2019-09-06 | 苏州纳飞卫星动力科技有限公司 | 一种卫星标称轨道无偏飞行控制的方法 |
CN110320927A (zh) * | 2019-07-26 | 2019-10-11 | 中国人民解放军国防科技大学 | 智能变形飞行器的飞行控制方法及系统 |
CN110377045A (zh) * | 2019-08-22 | 2019-10-25 | 北京航空航天大学 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
CN110427046A (zh) * | 2019-07-26 | 2019-11-08 | 沈阳航空航天大学 | 一种三维平滑随机游走无人机群移动模型 |
CN110426958A (zh) * | 2019-08-06 | 2019-11-08 | 大连海事大学 | 无人船艇航行控制方法、系统、存储介质及计算机设备 |
CN111290278A (zh) * | 2020-02-27 | 2020-06-16 | 南京信息工程大学 | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 |
CN111290421A (zh) * | 2020-03-20 | 2020-06-16 | 湖南云顶智能科技有限公司 | 一种考虑输入饱和的高超声速飞行器姿态控制方法 |
CN109062047B (zh) * | 2018-08-17 | 2021-10-01 | 北京控制工程研究所 | 动态逆控制中基于加计信息解算慢回路控制指令的方法及系统 |
CN114265420A (zh) * | 2021-12-09 | 2022-04-01 | 中国运载火箭技术研究院 | 适于高动态、控制慢响应的制导控制一体化设计方法 |
CN116088549A (zh) * | 2022-12-30 | 2023-05-09 | 西北工业大学 | 一种尾座式垂直起降无人机姿态控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515530A (zh) * | 2017-07-12 | 2017-12-26 | 北京控制工程研究所 | 一种基于深度自编码网络的非线性控制分配方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073755A (zh) * | 2010-11-10 | 2011-05-25 | 南京航空航天大学 | 近空间高超声速飞行器运动控制仿真方法 |
-
2010
- 2010-08-10 CN CN2010102501410A patent/CN101937233B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073755A (zh) * | 2010-11-10 | 2011-05-25 | 南京航空航天大学 | 近空间高超声速飞行器运动控制仿真方法 |
Non-Patent Citations (3)
Title |
---|
《电光与控制》 20090831 王峰等 基于多Agent的无人机自主飞行控制系统研究 4-8 1-7 第16卷, 第8期 2 * |
《电光与控制》 20100831 王善敏等 武装直升机机动飞行的鲁棒控制研究 21-23 1-7 第17卷, 第8期 2 * |
《航空兵器》 20090831 宫林等 基于自适应逆的无人机着陆控制 3-6 1-7 第2009年卷, 第4期 2 * |
Cited By (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142053A (zh) * | 2011-03-30 | 2011-08-03 | 北京航空航天大学 | 特征结构配置飞行控制律计算机辅助设计系统 |
CN102323825A (zh) * | 2011-07-18 | 2012-01-18 | 北京航空航天大学 | 一种航天器机动时dgmscmg系统的力矩补偿控制方法 |
CN102323825B (zh) * | 2011-07-18 | 2013-05-22 | 北京航空航天大学 | 一种航天器机动时dgmscmg系统的力矩补偿控制方法 |
CN102759928A (zh) * | 2012-04-28 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 一种平流层飞艇航迹控制方法 |
CN102759928B (zh) * | 2012-04-28 | 2015-04-15 | 中国人民解放军国防科学技术大学 | 一种平流层飞艇航迹控制方法 |
CN102749851A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 一种挠性高超声速飞行器的精细抗干扰跟踪控制器 |
CN102749851B (zh) * | 2012-07-24 | 2015-01-28 | 北京航空航天大学 | 一种挠性高超声速飞行器的精细抗干扰跟踪控制器 |
CN102880055B (zh) * | 2012-09-29 | 2014-11-26 | 西北工业大学 | 基于预测模型的高超声速飞行器神经网络控制方法 |
CN102880052A (zh) * | 2012-09-29 | 2013-01-16 | 西北工业大学 | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 |
CN102880055A (zh) * | 2012-09-29 | 2013-01-16 | 西北工业大学 | 基于预测模型的高超声速飞行器神经网络控制方法 |
CN102880052B (zh) * | 2012-09-29 | 2014-12-31 | 西北工业大学 | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 |
CN102929139B (zh) * | 2012-10-10 | 2015-03-25 | 西北工业大学 | 飞行器多区间模型的控制器设计方法 |
CN102929139A (zh) * | 2012-10-10 | 2013-02-13 | 西北工业大学 | 飞行器多区间模型的控制器设计方法 |
CN102929151B (zh) * | 2012-11-14 | 2016-01-20 | 北京理工大学 | 一种基于指数时变二阶滑模的再入飞行姿态控制方法 |
CN102929151A (zh) * | 2012-11-14 | 2013-02-13 | 北京理工大学 | 一种基于指数时变二阶滑模的再入飞行姿态控制方法 |
CN103425135A (zh) * | 2013-07-30 | 2013-12-04 | 南京航空航天大学 | 一种具有输入饱和的近空间飞行器鲁棒控制方法 |
CN103592847A (zh) * | 2013-10-30 | 2014-02-19 | 天津大学 | 一种基于高增益观测器的高超声速飞行器非线性控制方法 |
CN103592847B (zh) * | 2013-10-30 | 2017-05-17 | 天津大学 | 一种基于高增益观测器的高超声速飞行器非线性控制方法 |
CN103699119A (zh) * | 2013-12-24 | 2014-04-02 | 北京控制工程研究所 | 一种适用于仿射非线性系统的故障可诊断性分析方法 |
CN103699119B (zh) * | 2013-12-24 | 2016-08-24 | 北京控制工程研究所 | 一种适用于仿射非线性系统的故障可诊断性分析方法 |
CN104635725A (zh) * | 2014-12-31 | 2015-05-20 | 重庆科技学院 | 超前校正器结构参数的获取方法及装置 |
CN105676637B (zh) * | 2016-01-11 | 2018-06-22 | 华北电力大学 | 基于预测函数控制的分子量输出pdf控制方法 |
CN105676637A (zh) * | 2016-01-11 | 2016-06-15 | 华北电力大学 | 基于预测函数控制的分子量输出pdf控制方法 |
CN105739513B (zh) * | 2016-02-05 | 2018-06-12 | 北京航空航天大学 | 一种四旋翼飞行机器人非线性轨迹跟踪控制器及其跟踪控制方法 |
CN105739513A (zh) * | 2016-02-05 | 2016-07-06 | 北京航空航天大学 | 一种四旋翼飞行机器人非线性轨迹跟踪控制器及其跟踪控制方法 |
CN105629734B (zh) * | 2016-02-14 | 2019-02-12 | 济南大学 | 一种近空间飞行器的轨迹跟踪控制方法 |
CN105629734A (zh) * | 2016-02-14 | 2016-06-01 | 济南大学 | 一种近空间飞行器的轨迹跟踪控制方法 |
CN105843080A (zh) * | 2016-06-01 | 2016-08-10 | 南京航空航天大学 | 可变翼高超声速飞行器智能非线性控制系统 |
CN107065897A (zh) * | 2016-06-20 | 2017-08-18 | 浙江工业大学 | 三自由度直升机显式模型预测控制方法 |
CN106383523A (zh) * | 2016-09-30 | 2017-02-08 | 湖北航天技术研究院总体设计所 | 一种飞行器非线性姿态控制系统稳定性分析方法 |
CN106444430B (zh) * | 2016-11-09 | 2019-06-28 | 上海宇航系统工程研究所 | 运载火箭一子级再入控制系统及方法、仿真系统及方法 |
CN106444430A (zh) * | 2016-11-09 | 2017-02-22 | 上海宇航系统工程研究所 | 运载火箭一子级再入控制系统及方法、仿真系统及方法 |
CN106842912A (zh) * | 2016-11-30 | 2017-06-13 | 南京航空航天大学 | 高超声速机动飞行抗舵面饱和鲁棒控制方法 |
CN106842912B (zh) * | 2016-11-30 | 2020-08-14 | 南京航空航天大学 | 高超声速机动飞行抗舵面饱和鲁棒控制方法 |
CN106681148B (zh) * | 2017-01-10 | 2019-05-14 | 南京航空航天大学 | 一种航空发动机积分正切模糊自适应滑模控制器设计方法 |
CN106681148A (zh) * | 2017-01-10 | 2017-05-17 | 南京航空航天大学 | 一种航空发动机积分正切模糊自适应滑模控制器设计方法 |
CN106931967B (zh) * | 2017-02-28 | 2019-10-18 | 西北工业大学 | 一种助推-滑翔式临近空间飞行器的捷联惯性导航方法 |
CN106931967A (zh) * | 2017-02-28 | 2017-07-07 | 西北工业大学 | 一种助推‑滑翔式临近空间飞行器的捷联惯性导航方法 |
CN108693889A (zh) * | 2017-03-31 | 2018-10-23 | 通用电气公司 | 经由基于模型的迭代优化而实现的飞行管理 |
CN108693889B (zh) * | 2017-03-31 | 2022-05-17 | 通用电气公司 | 经由基于模型的迭代优化而实现的飞行管理 |
CN107065554A (zh) * | 2017-04-27 | 2017-08-18 | 南京航空航天大学 | 近空间可变翼飞行器自适应小翼切换控制系统及工作方法 |
CN106997208B (zh) * | 2017-05-10 | 2019-09-27 | 南京航空航天大学 | 一种面向不确定条件下的高超声速飞行器的控制方法 |
CN106997208A (zh) * | 2017-05-10 | 2017-08-01 | 南京航空航天大学 | 一种面向不确定条件下的高超声速飞行器的控制方法 |
CN107490966B (zh) * | 2017-08-22 | 2020-08-04 | 浙江工业大学 | 一种基于改进幂次趋近律的飞行器有限时间自适应姿态控制方法 |
CN107490966A (zh) * | 2017-08-22 | 2017-12-19 | 浙江工业大学 | 一种基于改进幂次趋近律的飞行器有限时间自适应姿态控制方法 |
CN109901387A (zh) * | 2017-12-11 | 2019-06-18 | 上海航空电器有限公司 | 一种航空器自动近地防撞系统自适应飞行轨迹预测方法 |
CN108255061A (zh) * | 2018-01-22 | 2018-07-06 | 北京航空航天大学 | 一种高速时滞飞行器的鲁棒控制方法及系统 |
CN108241380A (zh) * | 2018-01-24 | 2018-07-03 | 北京航空航天大学 | 高速无人飞行器的控制方法、装置和高速无人飞行器 |
CN108563124A (zh) * | 2018-04-26 | 2018-09-21 | 傅裕 | 基于api可用户设置轨迹的旋翼无人机自适应控制方法 |
CN108563124B (zh) * | 2018-04-26 | 2021-01-05 | 宋永端 | 基于api可用户设置轨迹的旋翼无人机自适应控制方法 |
CN108459611A (zh) * | 2018-05-21 | 2018-08-28 | 济南大学 | 一种近空间飞行器的姿态跟踪控制方法 |
CN108459611B (zh) * | 2018-05-21 | 2021-08-17 | 济南大学 | 一种近空间飞行器的姿态跟踪控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
CN109062047B (zh) * | 2018-08-17 | 2021-10-01 | 北京控制工程研究所 | 动态逆控制中基于加计信息解算慢回路控制指令的方法及系统 |
CN109270947A (zh) * | 2018-12-13 | 2019-01-25 | 北京航空航天大学 | 倾转旋翼无人机飞行控制系统 |
CN110209190A (zh) * | 2019-03-01 | 2019-09-06 | 苏州纳飞卫星动力科技有限公司 | 一种卫星标称轨道无偏飞行控制的方法 |
CN110209190B (zh) * | 2019-03-01 | 2022-05-20 | 苏州纳飞卫星动力科技有限公司 | 一种卫星标称轨道无偏飞行控制的方法 |
CN110320927A (zh) * | 2019-07-26 | 2019-10-11 | 中国人民解放军国防科技大学 | 智能变形飞行器的飞行控制方法及系统 |
CN110427046A (zh) * | 2019-07-26 | 2019-11-08 | 沈阳航空航天大学 | 一种三维平滑随机游走无人机群移动模型 |
CN110427046B (zh) * | 2019-07-26 | 2022-09-30 | 沈阳航空航天大学 | 一种三维平滑随机游走无人机群移动模型 |
CN110426958A (zh) * | 2019-08-06 | 2019-11-08 | 大连海事大学 | 无人船艇航行控制方法、系统、存储介质及计算机设备 |
CN110377045B (zh) * | 2019-08-22 | 2020-09-01 | 北京航空航天大学 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
CN110377045A (zh) * | 2019-08-22 | 2019-10-25 | 北京航空航天大学 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
CN111290278A (zh) * | 2020-02-27 | 2020-06-16 | 南京信息工程大学 | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 |
CN111290278B (zh) * | 2020-02-27 | 2022-05-03 | 南京信息工程大学 | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 |
CN111290421A (zh) * | 2020-03-20 | 2020-06-16 | 湖南云顶智能科技有限公司 | 一种考虑输入饱和的高超声速飞行器姿态控制方法 |
CN114265420A (zh) * | 2021-12-09 | 2022-04-01 | 中国运载火箭技术研究院 | 适于高动态、控制慢响应的制导控制一体化设计方法 |
CN114265420B (zh) * | 2021-12-09 | 2023-08-29 | 中国运载火箭技术研究院 | 适于高动态、控制慢响应的制导控制一体化设计方法 |
CN116088549A (zh) * | 2022-12-30 | 2023-05-09 | 西北工业大学 | 一种尾座式垂直起降无人机姿态控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101937233B (zh) | 2012-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101937233B (zh) | 近空间高超声速飞行器非线性自适应控制方法 | |
Xu et al. | Neural network based dynamic surface control of hypersonic flight dynamics using small-gain theorem | |
Bu et al. | Novel prescribed performance neural control of a flexible air-breathing hypersonic vehicle with unknown initial errors | |
Zong et al. | Output feedback back-stepping control for a generic hypersonic vehicle via small-gain theorem | |
CN110347170B (zh) | 可重复使用运载器再入段鲁棒容错制导控制系统及工作方法 | |
Wang et al. | Nonlinear hierarchy-structured predictive control design for a generic hypersonic vehicle | |
Zhao et al. | Finite-time super-twisting sliding mode control for Mars entry trajectory tracking | |
Chang et al. | Adaptive control of hypersonic vehicles based on characteristic models with fuzzy neural network estimators | |
Lee et al. | Nonlinear adaptive aggressive control using recurrent neural networks for a small scale helicopter | |
Jiao et al. | Adaptive mode switching of hypersonic morphing aircraft based on type-2 TSK fuzzy sliding mode control | |
CN105629734A (zh) | 一种近空间飞行器的轨迹跟踪控制方法 | |
Zhang et al. | Switched linear parameter-varying modeling and tracking control for flexible hypersonic vehicle | |
CN109683624A (zh) | 用于小型无人直升机姿态控制的非线性鲁棒控制方法 | |
Van Oort et al. | Full-envelope modular adaptive control of a fighter aircraft using orthogonal least squares | |
Qi et al. | Adaptive dynamic programing design for the neural control of hypersonic flight vehicles | |
Wang et al. | Optimal trajectory-tracking guidance for reusable launch vehicle based on adaptive dynamic programming | |
Gao et al. | Offset-free trajectory tracking control for hypersonic vehicle under external disturbance and parametric uncertainty | |
Hu et al. | ADP-based intelligent tracking algorithm for reentry vehicles subjected to model and state uncertainties | |
Liu et al. | Cascade ADRC with neural network-based ESO for hypersonic vehicle | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
Hashemi et al. | Performance optimizing gust load alleviation control of flexible wing aircraft | |
Liu et al. | Incremental sliding-mode control and allocation for morphing-wing aircraft fast manoeuvring | |
CN116736723A (zh) | 一种气动热影响下的弹性高超声速飞行器建模和模糊自适应滑模控制方法 | |
CN116360258A (zh) | 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法 | |
Yu et al. | Model predictive control for a 3DOF laboratory helicopter based on disturbance prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20170810 |
|
CF01 | Termination of patent right due to non-payment of annual fee |