CN107831653B - 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 - Google Patents
一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 Download PDFInfo
- Publication number
- CN107831653B CN107831653B CN201710957098.3A CN201710957098A CN107831653B CN 107831653 B CN107831653 B CN 107831653B CN 201710957098 A CN201710957098 A CN 201710957098A CN 107831653 B CN107831653 B CN 107831653B
- Authority
- CN
- China
- Prior art keywords
- parameter
- model
- phi
- uncertainty
- follows
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002401 inhibitory effect Effects 0.000 title claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000001629 suppression Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种抑制参数摄动的高超声速飞行器指令跟踪控制方法,步骤包括:首先对高超声速飞行器进行不确定性建模,得到参数不确定模型;其次,基于主影响元素分析法,对所建立的参数不确定模型进行简化;并设计出抑制参数不确定的鲁棒自适应指令跟踪控制器;最后,对上述所设计的控制器进行稳定性证明;本发明在高超声速飞行器发生大幅参数摄动情况下,依然可以保证飞行器的快速指令跟踪能力以及稳定性,解决了现有控制技术不能保证高超声速飞行器在大幅参数摄动情况下的指令跟踪性能的问题,同时减小了控制器的运算量,便于实现。
Description
技术领域
本发明涉及高超声速飞行器控制技术,尤其涉及一种抑制参数摄动的高超声速飞行器指令跟踪控制方法。
背景技术
高超声速飞行器是指飞行速度超过5倍声速的飞行器,其具有飞行速度极快,飞行包络的,突防能力强等特点,有着巨大的军事应用价值和经济价值。性能良好的控制器是高超声速飞行器能够顺利完成飞行任务的必要保证。由于高超声速飞行器具有飞行包络大,燃料消耗快,发动机和机身之间耦合作用强,气动加热效应明显以及试验数据不完备等因素,其具有不可忽视的不确定性。为了保证飞行控制器的有效性,必须在控制器设计层面上将这些不确定性因素予以充分考虑。
近年来各类非线性控制算法日渐增多,并且逐步地应用于高超声速飞行器的控制器设计中。大多数非线性控制方法都是基于动态逆或反馈线性化的方法而设计或者改进的,这些控制方法大多对模型以及参数的准确性有着较高的要求。然而实际情况中很难得到准确的高超声速飞行器模型以及相关参数,并且在高超声速飞行器的实际飞行过程中,很多参数是不断变化的。这些因素使得现有的控制器设计方法在较大参数摄动情况下,难以保证飞行器的指令跟踪性能。
发明内容
发明目的:为了解决现有非线性控制技术难以在高超声速飞行器具有较大参数摄动情况下保证控制系统的指令跟踪性能的问题,本发明提出了一种能够有效抑制参数摄动的高超声速飞行器指令跟踪控制方法。
技术方案:一种抑制参数摄动的高超声速飞行器指令跟踪控制方法,包括以下步骤:
步骤一:对高超声速飞行器进行不确定性建模,得到参数不确定模型;
步骤二:基于主影响元素分析法,对步骤一所建立的参数不确定模型进行简化;
步骤三:设计出抑制参数不确定的鲁棒自适应指令跟踪控制器;
所述步骤一中对高超声速飞行器进行不确定性建模,得到参数不确定模型具体过程为:
高超声速飞行器模型如下:
其中,V,γ,α,q,h分别为速度,航迹倾斜角,迎角,俯仰角速度和高度;g,Iy分别为重力加速度和绕y轴的转动惯量;L,D,T分别为升力,阻力和推力;
发动机二阶动力学模型如下:
其中,ωn>0,ξ>0,βc为发动机节流阀调定值,ωn发动机动力学的自然频率,ξ为其阻尼比;优选的,ωn=5,ξ=0.7。
控制输入选为[δe βc]T,βc为发动机节流阀调定值,δe为升降舵偏角指令,系统(1)的输出选择为[V h]T;
通过验证可知该系统对于速度和高度的相对阶次分别为3和4;所以当考虑到参数不确定时,对V和h分别进行求导三次和求导四次的处理,并且对不确定项进行分离,则系统可转化为如下不确定模型形式:
所述步骤二中基于主影响元素分析法,对步骤一所建立的参数不确定模型进行简化的具体过程为:
定义状态集合Ωx和参数集合Ωp如下:
在集合(4)中等可能性地随机选择N组状态和参数样本,其中N≥2000,并且按式(5)、(6)计算Λi和Πi。
首先分析的数值大小,保留前不少于90%数值所包含的项,舍弃其余项,根据Λi与φi的对应关系来对φi进行同样地保留和舍弃操作;其次对被保留的φi,通过分析的数值大小,保留前Πi的95%数值所对应的φi的维度,舍弃掉φi其余的维度,所得到的向量称为φi的主成分向量;记φi来的主成分向量为ξi;用ξi替代不确定模型(3)中的φi并考虑微小的模型误差,即可得到简化后的不确定模型如下:
其中:
对模型(7)进一步整理得
所述步骤三中设计出抑制参数不确定的鲁棒自适应指令跟踪控制器的具体过程为:
设速度指令信号为Vc,高度指令信号为hc;令速度跟踪误差为eV=V-Vc,高度跟踪误差为eh=h-hc;
选取如下积分滑模面函数
针对不确定模型(7),设计控制律(10)、用以消除参数摄动所造成影响的自适应律(11)和用以消除模型误差所造成影响的鲁棒补偿项(12)如下;
所述控制律为:
所述参数自适应律为:
所述鲁棒补偿项为:
有益效果
本发明是基于滑模控制理论和鲁棒自适应控制技术设计的飞行控制器,使得系统可以在较大参数摄动情况下依然可以保证良好的跟踪性能和稳定性;与现有方法对比,创新之处如下:
(1)本发明对高超声速飞行器进行了不确定性建模,便于控制设计。
(2)本发明对不确定模型进行了化简,可减小了飞行控制器的运算量,利于实现。
(3)本发明结合了参数自适应估值方法和鲁棒补偿技术,消除了参数摄动和模型误差所造成的不利影响,保证系统的跟踪性能和稳定性。
附图说明
图1是本发明控制器结构框图;
图2(a)-2(b)是高度指令跟踪和速度保持曲线图;
图3(a)-3(c)是飞行状态γ、q和α变化曲线图;
图4(a)-4(b)是控制输入δe,βc变化曲线图;
图5是滑模函数变化曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步说明。
一种抑制参数摄动的高超声速飞行器指令跟踪控制方法包括以下步骤:
首先,在参数有摄动情况下对高超声速飞行器进行了不确定性建模,在此基础上,采用主影响元素分析的方法,对该不确定性模型进行了简化。其次,在滑模控制的基础上,结合参数自适应估值和鲁棒补偿技术设计了鲁棒自适应指令跟踪控制器,保证了高超声速飞行器的指令跟踪性能。最后,使用李雅普诺夫稳定性理论以及滑模控制边界层理论对闭环控制系统的稳定性进行了证明,保证系统跟踪误差最终一致有界,并且可以通过调节控制器参数使得误差上界任意小。并对高超声速飞行器纵向非线性模型进行了数字仿真,进一步验证了所设计控制的有效性。
步骤一:对高超声速飞行器进行不确定性建模,得到参数不确定模型;具体过程为:
高超声速飞行器模型如下:
其中V,γ,α,q,h分别为速度,航迹倾斜角,迎角,俯仰角速度和高度;g,Iy分别为重力加速度和绕y轴的转动惯量;L,D,T分别为升力,阻力和推力。
发动机二阶动力学模型如下:
其中ωn=5,ξ=0.7,βc为发动机节流阀调定值,ωn发动机动力学的自然频率,ξ为其阻尼比。
控制输入选为[δe βc]T,βc为发动机节流阀调定值,δe为升降舵偏角指令,系统(1)的输出选择为[V h]T。
通过验证可知该系统对于速度和高度的相对阶次分别为3和4。所以当考虑到参数不确定时,对V和h分别进行求导三次和求导四次的处理,并且对不确定项进行分离,则系统可转化为如下不确定模型形式:
步骤二:基于主影响元素分析法,对步骤一所建立的参数不确定模型进行简化,具体实施过程为:
定义状态集合Ωx和参数集合Ωp如下:
在集合(4)中等可能性地随机选择不少于2000组状态和参数样本,并且按式(5)、(6)计算Λi和Πi。
首先分析的数值大小,保留前95%数值所包含的项,舍弃其余项,根据Λi与φi的对应关系来对φi进行同样地保留和舍弃操作。然后对被保留的φi,通过分析的数值大小,保留前Πi95%数值所对应的φi的维度,舍弃掉φi其余的维度,所得到的向量称为φi的主成分向量。记φi来的主成分向量为ξi。用ξi替代不确定模型(3)中的φi并考虑微小的模型误差,即可得到简化后的不确定模型如下:
其中
对模型(7)进一步整理得
步骤三:设计出抑制参数不确定的鲁棒自适应指令跟踪控制器,具体过程为:
设速度指令信号为Vc,高度指令信号为hc。令速度跟踪误差为eV=V-Vc,高度跟踪误差为eh=h-hc。
选取如下积分滑模面函数
针对不确定模型(7),设计控制律(10)、自适应律(11)和鲁棒补偿项(12)如下。
控制律:
参数自适应律:
鲁棒补偿项:
其中K1=diag{k11,k12},K2=diag{k21,k22},k11,k12,k21,k22>0; γΔ,ε,δ>0,Δ0>0为Δ的初始估计值。参数自适应律用以消除参数摄动所造成的影响,η为鲁棒补偿项,用以消除模型误差所造成的影响。
步骤四:对步骤三设计的抑制参数不确定的鲁棒自适应指令跟踪控制器进行稳定性证明,具体过程为:
对S求导数,可得
有效性验证:
在有界参数摄动的情况下d是有界的,且其数值相对于被保留的主成分部分小很多;由于d为关于状态量以及参数摄动量的复杂表达式,其上界难以直接给出,所以可以做出如下假设。
假设1.假设||d||2≤Δ,Δ为未知正常数。
证.选取李雅普诺夫函数如下
对Ve求导可得
将式(9)、(10)代入式(15)得
将式(11)代入式(16)得
将式(12)代入式(17)得
实施例一:为验证鲁棒自适应滑模控制器(10)—(12)的有效性,参考文献(Xu H,Minmirani M D,Ioannou P A.Adaptive sliding mode control design for ahypersonic flight vehicle[J].Journal of Guidance,Control,and Dynamics,2004,27(5):829-838.)高超声速飞行器气动系数如式(19)所示,大气密度及重力加速度如式(20)所示,飞行器基本参数如表1所示。
表1高超声速飞行器基本参数数据
参数名 | 数值大小 | 参数名 | 数值大小 |
质量 | 136820kg | 参考面积 | 334.73m<sup>2</sup> |
y轴转动惯量 | 9490740kg·m<sup>2</sup> | 平均气动弦长 | 24.38m |
K1=diag{3,3},K2=diag{2,2},
λV=1,λh=1,ε=5,δ=1
考虑在较大幅度的参数摄动情况下,高度和速度的指令跟踪控制仿真实验。所添加的参数摄动如下:
Iy=90%Iy0,ρ=80%ρ0,g=80%g0,
CL=50%CL,CD=80%CD,ce=80%ce
仿真结果如图2至图5所示。
下面结合附图对本发明做进一步详细说明。图1为高超声速飞行器鲁棒自适应指令跟踪控制器的结构示意图,该控制所需要的输入信息为飞行指令信息、飞行器状态信息以及大气环境数据;其中参数估值模块按照式(11)进行解算,鲁棒补偿模块按照式(12)进行解算,控制律解算模块按照式(10)进行解算;控制器的输出为升降舵偏角指令和节流阀调定值指令。
图2(a)、图2(b)是高度指令跟踪和速度保持的变化曲线,由于升力系数损失较大,所以在初始时刻飞行器有一个比较明显的掉高趋势,通过控制器参数自适应调整,系统得以稳定,高度误差和速度误差最终趋于零。图3(a)、图3(b)、图3(c)分别是γ、q和α的变化曲线,可以看出这些状态量在指令跟踪过程中变化比较平稳。图4(a)、4(b)是控制输入量的变化,可以看出升降舵和油门均在合理范围内平稳变化,且没有抖振现象。图5是滑模面函数的变化曲线。由SV和Sh的变化可知大概5s之后系统已经达到滑模动态。总体而言,仿真结果表明在较大参数摄动情况下,该控制方法依然可以保证系统的指令跟踪性能,同时过渡过程也比较平稳快速。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种抑制参数摄动的高超声速飞行指令跟踪控制方法,其特征在于,包括以下步骤:
步骤一:对高超声速飞行器进行不确定性建模,得到参数不确定模型;具体过程为:
高超声速飞行器模型如下:
其中,V,γ,α,q,h分别为速度,航迹倾斜角,迎角,俯仰角速度和高度;g,Iy分别为重力加速度和绕y轴的转动惯量;L,D,T分别为升力,阻力和推力;
发动机二阶动力学模型如下:
其中,ωn>0,ξ>0,βc为发动机节流阀调定值,ωn发动机动力学的自然频率,ξ为其阻尼比;
控制输入选为[δe βc]T,βc为发动机节流阀调定值,δe为升降舵偏角指令,系统(1)的输出选择为[V h]T;
通过验证可知该系统对于速度和高度的相对阶次分别为3和4;所以当考虑到参数不确定时,对V和h分别进行求导三次和求导四次的处理,并且对不确定项进行分离,则系统可转化为如下不确定模型形式:
步骤二:基于主影响元素分析法,对步骤一所建立的参数不确定模型进行简化;具体过程为:
定义状态集合Ωx和参数集合Ωp如下:
在集合(4)中等可能性地随机选择N组状态和参数样本,其中N≥2000,并且按式(5)、(6)计算Λi和Πi;
计算保留前不少于90%数值所包含的项,舍弃其余项,根据Λi与φi的对应关系来对φi进行同样地保留和舍弃操作;其次对被保留的φi,通过分析的数值大小,保留前Πi的95%数值所对应的φi的维度,舍弃掉φi其余的维度,所得到的向量称为φi的主成分向量;记φi来的主成分向量为ξi;用ξi替代不确定模型(3)中的φi并考虑微小的模型误差,即可得到简化后的不确定模型如下:
其中:
对模型(7)进一步整理得
步骤三:设计出抑制参数不确定的鲁棒自适应指令跟踪控制器。
2.根据权利要求1所述的一种抑制参数摄动的高超声速飞行指令跟踪控制方法,其特征在于,所述步骤三中设计出抑制参数不确定的鲁棒自适应指令跟踪控制器的具体过程为:
设速度指令信号为Vc,高度指令信号为hc;令速度跟踪误差为eV=V-Vc,高度跟踪误差为eh=h-hc;
选取如下积分滑模面函数
针对不确定模型(7),设计控制律(10)、用以消除参数摄动所造成影响的自适应律(11)和用以消除模型误差所造成影响的鲁棒补偿项(12)如下;
所述控制律为:
所述参数自适应律为:
所述鲁棒补偿项为:
3.根据权利要求1所述的一种抑制参数摄动的高超声速飞行指令跟踪控制方法,其特征在于:所述ωn=5,ξ=0.7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710957098.3A CN107831653B (zh) | 2017-10-16 | 2017-10-16 | 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710957098.3A CN107831653B (zh) | 2017-10-16 | 2017-10-16 | 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831653A CN107831653A (zh) | 2018-03-23 |
CN107831653B true CN107831653B (zh) | 2020-07-28 |
Family
ID=61648158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710957098.3A Active CN107831653B (zh) | 2017-10-16 | 2017-10-16 | 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831653B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875030B (zh) * | 2018-06-25 | 2021-05-18 | 山东大学 | 一种基于层次化综合质量指标QoX的上下文不确定性消除系统及其工作方法 |
CN110244768B (zh) * | 2019-07-19 | 2021-11-30 | 哈尔滨工业大学 | 基于切换系统的高超声速飞行器建模及抗饱和控制方法 |
CN111679583B (zh) * | 2020-06-21 | 2021-04-20 | 西北工业大学 | 基于气动参数估计的变体飞行器自适应控制方法 |
CN114676574B (zh) * | 2022-03-28 | 2022-11-11 | 北京理工大学 | 基于滑模控制的可重复使用运载火箭燃料计算方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0764605A (ja) * | 1993-08-30 | 1995-03-10 | Fuji Xerox Co Ltd | 適応制御装置 |
CN105989242A (zh) * | 2016-03-10 | 2016-10-05 | 合肥工业大学 | 一种用于单目投影测量的高阶多项式重构模型简化方法 |
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 |
CN106406102B (zh) * | 2016-12-20 | 2019-06-11 | 哈尔滨工业大学 | 一种含干扰观测器的高超声速飞行器跟踪控制方法 |
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 |
-
2017
- 2017-10-16 CN CN201710957098.3A patent/CN107831653B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107831653A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831653B (zh) | 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 | |
Liu et al. | Immersion and invariance-based output feedback control of air-breathing hypersonic vehicles | |
CN106997208B (zh) | 一种面向不确定条件下的高超声速飞行器的控制方法 | |
CN106406102B (zh) | 一种含干扰观测器的高超声速飞行器跟踪控制方法 | |
CN109358634B (zh) | 一种高超声速飞行器鲁棒自适应控制方法 | |
CN105182743B (zh) | 一种基于鲁棒h无穷的变增益解耦控制方法 | |
CN110794864B (zh) | 基于姿态角速率与攻角测量的飞行器稳定控制方法 | |
CN106896722B (zh) | 采用状态反馈与神经网络的高超飞行器复合控制方法 | |
CN107515612B (zh) | 基于侧喷流控制的弹性振动抑制方法 | |
CN108427289B (zh) | 一种基于非线性函数的高超声速飞行器跟踪控制方法 | |
CN111367182A (zh) | 考虑输入受限的高超声速飞行器抗干扰反步控制方法 | |
CN106444807A (zh) | 一种栅格舵与侧喷流的复合姿态控制方法 | |
CN109062055A (zh) | 一种基于Back-stepping鲁棒自适应动态面的近空间飞行器控制系统 | |
CN110879535B (zh) | 一种t-s模糊umv的滑模容错控制方法 | |
CN109164708B (zh) | 一种高超声速飞行器神经网络自适应容错控制方法 | |
CN112068444B (zh) | 一种采用非线性自适应滑模的飞行器攻角控制方法 | |
Cheng et al. | Neural-networks control for hover to high-speed-level-flight transition of ducted fan uav with provable stability | |
CN108549398B (zh) | 基于分数阶饱和函数幂次切换律的四旋翼飞行控制方法 | |
CN113985901A (zh) | 基于扰动估计的高超声速飞行器预设性能控制方法及装置 | |
Hu et al. | Output tracking control for nonminimum phase flexible air-breathing hypersonic vehicle models | |
CN114611416B (zh) | 导弹非线性非定常气动特性ls-svm建模方法 | |
Cao et al. | Robust flight control design using sensor-based backstepping control for unmanned aerial vehicles | |
CN107943097B (zh) | 飞行器的控制方法、装置和飞行器 | |
CN112947498B (zh) | 飞行器航迹角控制方法、系统及存储介质 | |
Zhu et al. | Fault-tolerant control of hypersonic vehicles based on fast fault observer under actuator gain loss fault or stuck fault |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |