CN103197545A - 高速飞行器快速在线综合识别方法 - Google Patents

Abstract

本发明公开了一种高速飞行器快速在线综合识别方法，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控制精度低的技术问题。技术方案是首先建立高速飞行器小扰动线性化模型，再建立高速飞行器纵向运动的定义特征状态量和特征模型，然后对高速飞行器的特征状态量进行在线快速综合识别。由于该方法以传感器可测姿态所描述的系统瞬时动力学方程为系统特征模型，对系统特征模型进行小扰动线性化，获得可用于控制的线性扰动模型，将扰动量表示为真实量与平衡点的差，并通过定义新的结构参数，将扰动模型变形为真实物理量所描述的瞬时方程，将结构参数定义为特征状态量，将瞬时方程定义为特征模型，提高了高速飞行器的控制精度。

Description

高速飞行器快速在线综合识别方法

技术领域

本发明涉及一种高速飞行器识别方法，特别是涉及一种高速飞行器快速在线综合识别方法。

背景技术

高速飞行器飞行高度和马赫数跨度大且飞行环境复杂，作用在飞行器上的气动力与飞行环境、飞行状态参数等呈现非常复杂的关系。为确保高速飞行器在全包络飞行过程中拥有稳定的控制性能，需采用具有强鲁棒能力和自适应能力的控制器结构和控制方法。

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)，p46-49”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。将飞行器的飞行包络划分为若干子空间，基于对象特征模型分别设计各子空间的H_∞鲁棒控制器。飞行过程中，通过在线辨识得到的特征模型参数对各子控制器进行平滑切换。该控制方案不但可以较好地解决飞行器的模型不确定性问题，而且基于特征模型设计得到的鲁棒控制器阶数较低，易于工程实现。但由于特征模型的参数是在线辨识得到的，不仅存在收敛时间长，精度低以及闭环可辨识性差等固有问题，而且由于辨识收敛时间长得到的模型难以及时反映系统的瞬时特性。对于高速飞行器这一快时变对象而言，系统瞬时特性的快速获取是成功设计自适应控制系统的关键。因此，如何能够快速在线获取面向控制的模型，以设计较高自适应能力的控制系统，成为高速飞行器控制系统设计方向的一个重要研究课题。

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控制精度低的不足，本发明提供一种高速飞行器快速在线综合识别方法。该方法以传感器可测姿态所描述的系统瞬时动力学方程为系统特征模型，对系统特征模型进行小扰动线性化，获得可用于控制的线性扰动模型，将扰动量表示为真实量与平衡点的差，并通过定义新的结构参数，将扰动模型变形为真实物理量所描述的瞬时方程，将结构参数定义为特征状态量，将瞬时方程定义为特征模型，可以提高高速飞行器的控制精度。

本发明解决其技术问题所采用的技术方案是：一种高速飞行器快速在线综合识别方法，其特点是包括以下步骤：

步骤一、将高速飞行器视为刚体，其纵向运动模型是

分离长短周期运动，并采用小扰动线性化的方法来获取短时姿态低阶扰动模型。若取弹道某点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

则高速飞行器小扰动线性化模型是

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

式中，

为阻尼力矩所产生的角加速度对角速度的导数；

为稳定力矩所产生的角加速度对扰动攻角的导数，代表单位扰动攻角产生角加速度的能力；

为操纵力矩所对应的角加速度对扰动舵偏的导数，代表单位扰动舵偏产生角加速度的能力。

步骤二、定义高速飞行器纵向运动的特征状态量为

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

式中，a_p2是稳定力矩与实际攻角的比值，代表单位实际攻角产生角加速度的能力；b_p是操纵力矩与实际舵偏的比值，代表单位实际舵偏产生角加速度的能力。

基于式（2）和式（3），得到高速飞行器纵向运动的特征模型为

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

步骤三、特征状态量在线快速综合识别步骤为：

（a）采集传感器数据，即飞行姿态矢量舵偏矢量

飞行弹道状态矢量Γ=[Q，V，H]^T；

（b）用采集的传感器数据，按照下式计算a_pd1，

${\hat{a}}_{\mathrm{pd}1}={\hat{k}}_{z}Q{\mathrm{SL}}^2/J_{z}V---\left(5\right)$

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。对于欠阻尼受控对象，

作定常处理；

（c）计算配平系数μ=-a_p2/b_p。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，配平系数估算式为

$\widehat{\mathrm{\μ}}=\frac{(x_4-{\hat{a}}_1{x}_3)u_1-(x_3-{\hat{a}}_1{x}_2)u_2}{(x_4-{\hat{a}}_1{x}_2)x_1-(x_3-{\hat{a}}_1{x}_2)x_2}---\left(6\right)$

（d）用配平系数估值来计算特征状态量

$\left.\begin{array}{c}{\hat{a}}_{p2}=\frac{x_3-{\hat{a}}_1{x}_2}{x_1-u_1/\widehat{\mathrm{\μ}}}\\ {\hat{b}}_p=-\frac{{\hat{a}}_{p2}}{\widehat{\mathrm{\μ}}}\end{array}\right\}---\left(7\right).$

本发明的有益效果是：由于该方法以传感器可测姿态所描述的系统瞬时动力学方程为系统特征模型，对系统特征模型进行小扰动线性化，获得可用于控制的线性扰动模型，将扰动量表示为真实量与平衡点的差，并通过定义新的结构参数，将扰动模型变形为真实物理量所描述的瞬时方程，将结构参数定义为特征状态量，将瞬时方程定义为特征模型，提高了高速飞行器的控制精度。

下面结合实施例对本发明作详细说明。

具体实施方式

本发明高速飞行器快速在线综合识别方法具体步骤如下：

以某高速飞行器为例，给出其纵向运动基于特征状态量的快速在线综合识别方法的实施过程。

步骤一、建立高速飞行器小扰动线性化模型。

将高速飞行器视为刚体，其纵向运动模型为

分离长短周期运动，并采用小扰动线性化的方法来获取短时姿态低阶扰动模型。若取弹道某点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

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

式中，

为阻尼力矩所产生的角加速度对角速度的导数；

为稳定力矩所产生的角加速度对扰动攻角的导数，代表单位扰动攻角产生角加速度的能力；

为操纵力矩所对应的角加速度对扰动舵偏的导数，代表了单位扰动舵偏产生角加速度的能力。

步骤二、建立高速飞行器纵向运动的定义特征状态量和特征模型。

高速飞行器纵向运动的特征状态量为

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

其物理意义分别为：参数a_p2是稳定力矩与实际攻角的比值，代表单位实际攻角产生角加速度的能力；b_p是操纵力矩与实际舵偏的比值，代表单位实际舵偏产生角加速度的能力。

参数a_p2，b_p包涵了系统状态、参考状态及其局部气动导数，代表了飞行器攻角、舵偏产生相应角加速度的能力；不可直接获得，却又能够用来描述系统的动态特性，因此其满足飞行器特征状态量的特性。

基于式（2）和式（3），得到高速飞行器纵向运动的特征模型为

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

步骤三、特征状态量在线快速综合识别。

考虑到特征状态量随姿态快时变的特性，采用传统参数辨识方法存在数据计算量大、参数获取滞后、初值难以选择及闭环可辨识性等问题。如果特征状态量所描述的系统瞬时特性无法及时反映给控制器，就失去了使用特征模型的优势。

基于传感器测量的特征状态量在线快速综合识别方法，是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，其步骤为：

（a）采集传感器数据，需测量的物理量有飞行姿态矢量

舵偏矢量

飞行弹道状态矢量Γ=[Q，V，H]^T；

（b）用所测得的物理量，按照下式计算a_pd1，

${\hat{a}}_{\mathrm{pd}1}={\hat{k}}_z\mathrm{QS}{L}^2/J_{z}V---\left(5\right)$

式中，

是阻尼力矩系数

的近似值，可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，也可根据

的变化范围选择为随某可测状态分段变化的常值。对于欠阻尼受控对象，

可作定常处理；

（c）计算配平系数μ=-a_p2/b_p。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，配平系数估算式为

$\widehat{\mathrm{\μ}}=\frac{(x_4-{\hat{a}}_1{x}_3)u_1-(x_3-{\hat{a}}_1{x}_2)u_2}{(x_4-{\hat{a}}_1{x}_2)x_1-(x_3-{\hat{a}}_1{x}_2)x_2}---\left(6\right)$

（d）用配平系数估值来计算特征状态量

$\left.\begin{array}{c}{\hat{a}}_{p2}=\frac{x_3-{\hat{a}}_1{x}_2}{x_1-u_1/\widehat{\mathrm{\μ}}}\\ {\hat{b}}_p=-\frac{{\hat{a}}_{p2}}{\widehat{\mathrm{\μ}}}\end{array}\right\}---\left(7\right).$

Claims (1)

1.一种高速飞行器快速在线综合识别方法，其特征在于包括以下步骤：

步骤一、将高速飞行器视为刚体，其纵向运动模型是

分离长短周期运动，并采用小扰动线性化的方法来获取短时姿态低阶扰动模型；若取弹道某点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

则高速飞行器小扰动线性化模型是

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

式中，

为阻尼力矩所产生的角加速度对角速度的导数；

为稳定力矩所产生的角加速度对扰动攻角的导数，代表单位扰动攻角产生角加速度的能力；为操纵力矩所对应的角加速度对扰动舵偏的导数，代表单位扰动舵偏产生角加速度的能力；

步骤二、建立高速飞行器纵向运动的特征状态量为

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

式中，a_p2是稳定力矩与实际攻角的比值，代表单位实际攻角产生角加速度的能力；b_p是操纵力矩与实际舵偏的比值，代表单位实际舵偏产生角加速度的能力；

基于式（2）和式（3），得到高速飞行器纵向运动的特征模型为

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

步骤三、特征状态量在线快速综合识别步骤为：

（a）采集传感器数据，即飞行姿态矢量

舵偏矢量

飞行弹道状态矢量Γ=[Q，V，H]^T；

（b）用采集的传感器数据，按照下式计算a_pd1，

${\hat{a}}_{\mathrm{pd}1}={\hat{k}}_{z}Q{\mathrm{SL}}^2/J_{z}V---\left(5\right)$

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；对于欠阻尼受控对象，作定常处理；

（c）计算配平系数μ=-a_p2/b_p；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，配平系数估算式为

$\widehat{\mathrm{\μ}}=\frac{(x_4-{\hat{a}}_1{x}_3)u_1-(x_3-{\hat{a}}_1{x}_2)u_2}{(x_4-{\hat{a}}_1{x}_2)x_1-(x_3-{\hat{a}}_1{x}_2)x_2}---\left(6\right)$

（d）用配平系数估值来计算特征状态量

$\left.\begin{array}{c}{\hat{a}}_{p2}=\frac{x_3-{\hat{a}}_1{x}_2}{x_1-u_1/\widehat{\mathrm{\μ}}}\\ {\hat{b}}_p=-\frac{{\hat{a}}_{p2}}{\widehat{\mathrm{\μ}}}\end{array}\right\}---\left(7\right).$