CN103197543A - 基于运动状态综合识别的高速飞行器自适应控制方法 - Google Patents

Abstract

本发明公开了一种基于运动状态综合识别的高速飞行器自适应控制方法，用于解决现有基于特征模型的高超声速飞行器鲁棒控制方法收敛时间长的技术问题。技术方案是首先建立高速飞行器模型，并进行小扰动线性化，获得高速飞行器运动状态的特征模型；再由快速可测量在线构建面向控制的特征模型的特征状态量；然后根据得到的特征模型，设计自校正自适应控制方法。由于通过运动状态综合识别方法来快速获得面向控制的特征模型的特征状态量，因此不需要进行在线辨识；其次，自校正自适应控制策略可根据对象的实时动态特性直接进行在线生成控制器参数，使控制器的参数在实际飞行过程中能根据实际情况进行及时地调整。

Description

基于运动状态综合识别的高速飞行器自适应控制方法

技术领域

本发明涉及一种高速飞行器自适应控制方法，特别是涉及一种基于运动状态综合识别的高速飞行器自适应控制方法。

背景技术

高速飞行器在与传统飞行器相比，机体、推进系统以及结构动态之间的耦合更强，同时由于高超声速流特性，高速飞行器的气动特性与姿态角存在复杂的非线性关系，气动建模复杂。对于这种高阶非线性对象模型，难以直接进行控制器的设计。因此，高速飞行器的控制系统设计面临着变参数、快速响应和高效控制等问题（崔尔杰，近空间飞行器研究发展现状及关键技术问题，力学进展，2009，Vol39(6)，658-673）。

文献“基于特征模型的高超声速飞行器鲁棒控制方法，飞行力学，2011，Vol29(1)，46-49”将特征建模理论与多模型自适应控制方法相结合，设计了一种基于特征模型的鲁棒自适应控制方案。将飞行器的飞行空域划分为若干子空间，在子空间内设计了其相应的H_∞鲁棒控制器，离线预先装订好飞行空域内的控制器参数。在实际的飞行控制中，通过辨识得到的特征模型参数进行各子控制器间的切换。在工程实际应用中，辨识方法具有收敛时间长的缺点，同时离线预先装订好的控制器参数在高速飞行器的控制系统面临着变参数、快速响应和高效控制的要求方面存在不足。因此，需要一种可快速得到面向控制模型，并且可在线实时调整控制器参数的姿态控制方法，这也是高速飞行器控制系统研究中的关键技术之一。

发明内容

为了克服现有基于特征模型的高超声速飞行器鲁棒控制方法收敛时间长的不足，本发明提供一种基于运动状态综合识别的高速飞行器自适应控制方法。该方法通过建立高速飞行器的模型，对模型进行小扰动线性化，获得飞行器运动状态的特征模型；由快速可测量来在线构建面向控制的特征模型的特征状态量；根据确定的特征模型的特征状态量，通过在线调配对象系统的零极点来输出达到期望性能所需要控制器的控制参数。由于通过运动状态综合识别方法来快速获得面向控制的特征模型的特征状态量，因此不需要进行在线辨识；其次，自校正自适应控制策略可根据对象的实时动态特性直接进行在线生成控制器参数，使控制器的参数在实际飞行过程中可以根据实际情况进行及时地调整。

本发明解决其技术问题所采用的技术方案是：一种基于运动状态综合识别的高速飞行器自适应控制方法，其特点是包括以下步骤：

步骤一、将高速飞行器视为刚体，其纵向运动模型为

对纵向运动模型进行小扰动线性化，获取短时间周期的姿态低阶扰动模型。取弹道某点V₀,θ₀,h₀处的线性化参考点为α₀及其配平舵偏δ_z0，俯仰角速度

则有

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{\mathrm{pd}2}(\mathrm{\α}-{\mathrm{\α}}_0)+b_{\mathrm{pd}}({\mathrm{\δ}}_z-{\mathrm{\δ}}_{z0})\end{array}\right\}---\left(2\right)$

定义高速飞行器纵向运动的特征状态量为：

$\left.\begin{array}{c}{a}_{p2}=a_{\mathrm{pd}2}(1-{\mathrm{\α}}_0/\mathrm{\α})\\ b_p=b_{\mathrm{pd}}(1-{\mathrm{\δ}}_{z0}/{\mathrm{\δ}}_z)\end{array}\right\}---\left(3\right)$

根据式（2）和式（3），得到高速飞行器纵向运动的特征模型：

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{p2}\mathrm{\α}+b_p{\mathrm{\δ}}_z\end{array}\right\}---\left(4\right)$

步骤二、由传感器得到的飞行姿态量

舵偏矢量

飞行弹道状态矢量Γ=[Q,V,H]^T；因此，a_pd1为：

$a_{\mathrm{pd}1}={\hat{k}}_z{\mathrm{QSL}}^2/J_{z}V---\left(5\right)$

式中，

是阻尼力矩系数

的近似值，根据气动阻尼特性将其拟合为可测物理量的函数用于在线计算，或者根据

的变化范围选择为随某可测状态分段变化的常值。

计算配平系数μ=-a_p2b_p。根据特征模型进一步有

${\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B+a_{p2}{\mathrm{\ω}}_{\mathrm{Oz}}^B+b_p{\stackrel{\·}{\mathrm{\δ}}}_z+{\stackrel{\·}{a}}_{p2}\mathrm{\α}+{\stackrel{\·}{b}}_p{\mathrm{\δ}}_z---\left(6\right)$

在采样周期足够小的情况下，假设参数a_p2,b_p变化可忽略不计，从而得到配平系数估算表达式

$\mathrm{\μ}=\frac{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B){\mathrm{\δ}}_z-({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\stackrel{\·}{\mathrm{\δ}}}_z}{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B)\mathrm{\α}({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\mathrm{\ω}}_{\mathrm{Oz}}^B}---\left(7\right)$

用配平系数估值来计算特征状态量。

$\left.\begin{array}{c}{a}_{p2}=\frac{{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{OZ}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B}{\mathrm{\α}-{\mathrm{\δ}}_z/\mathrm{\μ}}\\ b_p=\frac{a_{p2}}{\mathrm{\μ}}\end{array}\right\}---\left(8\right);$

步骤三、根据所得到特征模型的特征参数，将式（4）写成传递函数的形式：

$G_T\left(s\right)=\frac{b_p}{s^2+a_{\mathrm{pd}1}s+a_{p2}}---\left(9\right)$

假定此时控制对象的等价二阶特征方程为：

$G_0\left(s\right)=\frac{K_0{\mathrm{\ω}}_0^2}{s^2+2{\mathrm{\ξ}}_0{\mathrm{\ω}}_{0}s+{\mathrm{\ω}}_0^2}---\left(10\right)$

联立式（9）和式（10），即得高速飞行器的特征增益K₀、特征频率ω₀和特征阻尼ξ₀。

选用PD反馈校正器，设校正器传递函数

H_T(s)=K_p+K_ds    （¹¹）

式中，K_p为比例增益系数，K_d为微分增益系数。则该校正回路的闭环传递函数是：

$\mathrm{\Φ}\left(s\right)=\frac{G_T\left(s\right)}{1+H_T\left(s\right)G_T\left(s\right)}=\frac{b_p}{s^2+(K_d+a_{\mathrm{pd}1})s+(K_p+a_{p2})}---\left(12\right)$

设被控对象的期望频率、期望阻尼分别为ω_q和ξ_q，则有

$K_p=\frac{{\mathrm{\ω}}_q^2-a_{p2}}{b_p}---\left(13\right)$

$K_d=\frac{2{\mathrm{\ω}}_q{\mathrm{\ξ}}_q-a_{\mathrm{pd}1}}{b_p}---\left(14\right)$

该反馈校正系统的闭环增益

$K_q=\frac{b_p}{{\mathrm{\ω}}_q^2}---\left(15\right)$

因此，增益补偿系数

$K_g=\frac{1}{K_q}=\frac{{\mathrm{\ω}}_q^2}{b_p}---\left(16\right).$

本发明的有益效果是：该方法通过建立高速飞行器的模型，对模型进行小扰动线性化，获得飞行器运动状态的特征模型；由快速可测量来在线构建面向控制的特征模型的特征状态量；根据确定的特征模型的特征状态量，通过在线调配对象系统的零极点来输出达到期望性能所需要控制器的控制参数。由于通过运动状态综合识别方法来快速获得面向控制的特征模型的特征状态量，因此不需要进行在线辨识；其次，自校正自适应控制策略可根据对象的实时动态特性直接进行在线生成控制器参数，使控制器的参数在实际飞行过程中能根据实际情况进行及时地调整。

下面结合附图和实施例对本发明作详细说明。

附图说明

图1是本发明方法的流程图。

图2是本发明方法采用的高速飞行器自适应控制器的结构框架图。

图3是本发明方法采用的攻角自校正控制系统结构图。

具体实施方式

参照图1～3。本发明基于运动状态综合识别的高速飞行器自适应控制方法具体步骤如下：

步骤一、建立高速飞行器模型，并进行小扰动线性化，获得高速飞行器运动状态的特征模型。

将高速飞行器视为刚体，纵向运动模型为

对纵向运动模型进行小扰动线性化，获取短时间周期的姿态低阶扰动模型。取弹道某点V₀,θ₀,h₀处的线性化参考点为α₀及其配平舵偏δ_z0，俯仰角速度

则有

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{\mathrm{pd}2}(\mathrm{\α}-{\mathrm{\α}}_0)+b_{\mathrm{pd}}({\mathrm{\δ}}_z-{\mathrm{\δ}}_{z0})\end{array}\right\}---\left(2\right)$

定义高速飞行器纵向运动的特征状态量为：

$\left.\begin{array}{c}{a}_{p2}=a_{\mathrm{pd}2}(1-{\mathrm{\α}}_0/\mathrm{\α})\\ b_p=b_{\mathrm{pd}}(1-{\mathrm{\δ}}_{z0}/{\mathrm{\δ}}_z)\end{array}\right\}---\left(3\right)$

根据式（2）和式（3），得到高速飞行器纵向运动的特征模型：

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{p2}\mathrm{\α}+b_p{\mathrm{\δ}}_z\end{array}\right\}---\left(4\right)$

步骤二、由快速可测量在线构建面向控制的特征模型的特征状态量；

运动状态综合识别方法即利用传感器对系统高阶姿态的测量代替传统的基于统计学原理的参数辨识方法，用增加传感器种类和数量来获得特征状态量在线估值速度的提升。

由传感器得到的飞行姿态量有

舵偏矢量

飞行弹道状态矢量Γ=[Q,V,H]^T；因此，第一步：a_pd1为：

$a_{\mathrm{pd}1}={\hat{k}}_z{\mathrm{QSL}}^2/J_{z}V---\left(5\right)$

其中：

是阻尼力矩系数

的近似值，根据气动阻尼特性将其拟合为可测物理量的函数用于在线计算，或者根据

的变化范围选择为随某可测状态分段变化的常值。对于本实施例是欠阻尼受控对象，作定常处理；

第二步：计算配平系数μ=-a_p2b_p。根据特征模型进一步有

${\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B+a_{p2}{\mathrm{\ω}}_{\mathrm{Oz}}^B+b_p{\stackrel{\·}{\mathrm{\δ}}}_z+{\stackrel{\·}{a}}_{p2}\mathrm{\α}+{\stackrel{\·}{b}}_p{\mathrm{\δ}}_z---\left(6\right)$

在采样周期足够小的情况下，假设参数a_p2,b_p变化可忽略不计，从而得到配平系数估算表达式

$\mathrm{\μ}=\frac{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B){\mathrm{\δ}}_z-({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\stackrel{\·}{\mathrm{\δ}}}_z}{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B)\mathrm{\α}({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\mathrm{\ω}}_{\mathrm{Oz}}^B}---\left(7\right)$

第三步：用配平系数估值来计算特征状态量。

$\left.\begin{array}{c}{a}_{p2}=\frac{{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{OZ}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B}{\mathrm{\α}-{\mathrm{\δ}}_z/\mathrm{\μ}}\\ b_p=\frac{a_{p2}}{\mathrm{\μ}}\end{array}\right\}---\left(8\right)$

由此，得到特征模型的全部特征状态量。

步骤三、根据上一步得到的特征模型，设计自校正自适应控制方法。

根据所得到特征模型的特征参数，将式（4）写成传递函数的形式：

$G_T\left(s\right)=\frac{b_p}{s^2+a_{\mathrm{pd}1}s+a_{p2}}---\left(9\right)$

假定此时控制对象的等价二阶特征方程为：

$G_0\left(s\right)=\frac{K_0{\mathrm{\ω}}_0^2}{s^2+2{\mathrm{\ξ}}_0{\mathrm{\ω}}_{0}s+{\mathrm{\ω}}_0^2}---\left(10\right)$

联立式（9）和式（10），即得飞行器的特征增益K₀、特征频率ω₀和特征阻尼ξ₀。

选用PD反馈校正器，设校正器传递函数

H_T(s)=K_p+K_ds（11）

式中，K_p为比例增益系数，K_d为微分增益系数。则该校正回路的闭环传递函数是：

$\mathrm{\Φ}\left(s\right)=\frac{G_T\left(s\right)}{1+H_T\left(s\right)G_T\left(s\right)}=\frac{b_p}{s^2+(K_d+a_{\mathrm{pd}1})s+(K_p+a_{p2})}---\left(12\right)$

设被控对象的期望频率、期望阻尼分别为ω_q和ξ_q，则有

$K_p=\frac{{\mathrm{\ω}}_q^2-a_{p2}}{b_p}---\left(13\right)$

$K_d=\frac{2{\mathrm{\ω}}_q{\mathrm{\ξ}}_q-a_{\mathrm{pd}1}}{b_p}---\left(14\right)$

该反馈校正系统的闭环增益

$K_q=\frac{b_p}{{\mathrm{\ω}}_q^2}---\left(15\right)$

因此，增益补偿系数

$K_g=\frac{1}{K_q}=\frac{{\mathrm{\ω}}_q^2}{b_p}---\left(16\right)$

在实际的姿态控制系统中，微分反馈对噪声具有放大作用，通常选用角速率反馈来代替。

Claims (1)

1.一种基于运动状态综合识别的高速飞行器自适应控制方法，其特征在于包括以下步骤：

步骤一、将高速飞行器视为刚体，其纵向运动模型为

对纵向运动模型进行小扰动线性化，获取短时间周期的姿态低阶扰动模型；取弹道某点V₀,θ₀,h₀处的线性化参考点为α₀及其配平舵偏δ_z0，俯仰角速度

则有

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{\mathrm{pd}2}(\mathrm{\α}-{\mathrm{\α}}_0)+b_{\mathrm{pd}}({\mathrm{\δ}}_z-{\mathrm{\δ}}_{z0})\end{array}\right\}---\left(2\right)$

定义高速飞行器纵向运动的特征状态量为：

$\left.\begin{array}{c}{a}_{p2}=a_{\mathrm{pd}2}(1-{\mathrm{\α}}_0/\mathrm{\α})\\ b_p=b_{\mathrm{pd}}(1-{\mathrm{\δ}}_{z0}/{\mathrm{\δ}}_z)\end{array}\right\}---\left(3\right)$

根据式（2）和式（3），得到高速飞行器纵向运动的特征模型：

$\left.\begin{array}{c}\stackrel{\·}{\mathrm{\α}}={\mathrm{\ω}}_{\mathrm{Oz}}^B\\ {\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B+a_{p2}\mathrm{\α}+b_p{\mathrm{\δ}}_z\end{array}\right\}---\left(4\right)$

步骤二、由传感器得到的飞行姿态量舵偏矢量飞行弹道状态矢量Γ=[Q,V,H]^T；因此，a_pd1为：

$a_{\mathrm{pd}1}={\hat{k}}_z{\mathrm{QSL}}^2/J_{z}V---\left(5\right)$

式中，是阻尼力矩系数

的近似值，根据气动阻尼特性将其拟合为可测物理量的函数用于在线计算，或者根据

的变化范围选择为随某可测状态分段变化的常值；

计算配平系数μ=-a_p2b_p；根据特征模型进一步有

${\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B=a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B+a_{p2}{\mathrm{\ω}}_{\mathrm{Oz}}^B+b_p{\stackrel{\·}{\mathrm{\δ}}}_z+{\stackrel{\·}{a}}_{p2}\mathrm{\α}+{\stackrel{\·}{b}}_p{\mathrm{\δ}}_z---\left(6\right)$

在采样周期足够小的情况下，假设参数a_p2,b_p变化可忽略不计，从而得到配平系数估算表达式

$\mathrm{\μ}=\frac{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B){\mathrm{\δ}}_z-({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\stackrel{\·}{\mathrm{\δ}}}_z}{({\stackrel{\·\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B)\mathrm{\α}({\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{Oz}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B){\mathrm{\ω}}_{\mathrm{Oz}}^B}---\left(7\right)$

用配平系数估值来计算特征状态量；

$\left.\begin{array}{c}{a}_{p2}=\frac{{\stackrel{\·}{\mathrm{\ω}}}_{\mathrm{OZ}}^B-a_{\mathrm{pd}1}{\mathrm{\ω}}_{\mathrm{Oz}}^B}{\mathrm{\α}-{\mathrm{\δ}}_z/\mathrm{\μ}}\\ b_p=\frac{a_{p2}}{\mathrm{\μ}}\end{array}\right\}---\left(8\right);$

步骤三、根据所得到特征模型的特征参数，将式（4）写成传递函数的形式：

$G_T\left(s\right)=\frac{b_p}{s^2+a_{\mathrm{pd}1}s+a_{p2}}---\left(9\right)$

假定此时控制对象的等价二阶特征方程为：

$G_0\left(s\right)=\frac{K_0{\mathrm{\ω}}_0^2}{s^2+2{\mathrm{\ξ}}_0{\mathrm{\ω}}_{0}s+{\mathrm{\ω}}_0^2}---\left(10\right)$

联立式（9）和式（10），即得高速飞行器的特征增益K₀、特征频率ω₀和特征阻尼ξ₀；

选用PD反馈校正器，设校正器传递函数

H_T(s)=K_p+K_ds    （11）

式中，K_p为比例增益系数，K_d为微分增益系数；则该校正回路的闭环传递函数是：

$\mathrm{\Φ}\left(s\right)=\frac{G_T\left(s\right)}{1+H_T\left(s\right)G_T\left(s\right)}=\frac{b_p}{s^2+(K_d+a_{\mathrm{pd}1})s+(K_p+a_{p2})}---\left(12\right)$

设被控对象的期望频率、期望阻尼分别为ω_q和ξ_q，则有

$K_p=\frac{{\mathrm{\ω}}_q^2-a_{p2}}{b_p}---\left(13\right)$

$K_d=\frac{2{\mathrm{\ω}}_q{\mathrm{\ξ}}_q-a_{\mathrm{pd}1}}{b_p}---\left(14\right)$

该反馈校正系统的闭环增益

$K_q=\frac{b_p}{{\mathrm{\ω}}_q^2}---\left(15\right)$

因此，增益补偿系数

$K_g=\frac{1}{K_q}=\frac{{\mathrm{\ω}}_q^2}{b_p}---\left(16\right).$

Images