CN109725644B - 一种高超声速飞行器线性优化控制方法 - Google Patents
一种高超声速飞行器线性优化控制方法 Download PDFInfo
- Publication number
- CN109725644B CN109725644B CN201910058906.1A CN201910058906A CN109725644B CN 109725644 B CN109725644 B CN 109725644B CN 201910058906 A CN201910058906 A CN 201910058906A CN 109725644 B CN109725644 B CN 109725644B
- Authority
- CN
- China
- Prior art keywords
- linear
- loop
- gray wolf
- wolf
- fitness function
- 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.)
- Expired - Fee Related
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241000282461 Canis lupus Species 0.000 claims abstract description 114
- 238000013178 mathematical model Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 14
- 230000014509 gene expression Effects 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 241000717544 Aconitum lycoctonum subsp. vulparia Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XCWPUUGSGHNIDZ-UHFFFAOYSA-N Oxypertine Chemical compound C1=2C=C(OC)C(OC)=CC=2NC(C)=C1CCN(CC1)CCN1C1=CC=CC=C1 XCWPUUGSGHNIDZ-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种高超声速飞行器线性优化控制方法,包括以下步骤:步骤1:将高超声速飞行器无动力再入过程数学模型中参数的不确定性、未建模动态和外部扰动合在一起看成总扰动,建立姿态回路和角速率回路的模型;步骤2:设计线性扩张状态观测器,获取各回路的输出估计值和总扰动估计值;步骤3:根据步骤2获得的输出估计值和总扰动估计值,设计包含总扰动补偿环节和误差反馈控制律的控制输入;步骤4:采用灰狼优化算法,对步骤2和步骤3中线性扩张状态观测器的增益和误差反馈控制律的增益进行整定。本发明实现了对高超声速飞行器线性自抗扰控制器的设计和参数优化,提高了高超声速飞行器的动态性能、鲁棒性能和抗干扰性能。
Description
技术领域
本发明涉及高超声速飞行器控制技术领域,具体涉及一种高超声速飞行器线性优化控制方法。
背景技术
高超声速飞行器是指飞行速度在五倍声速以上的飞机、导弹、炮弹等有翼或无翼的飞行器,具有重要的军事地位和广阔的民用前景,也是飞行器控制技术领域的研究热点。高超声速飞行器飞行空域大、速度快、飞行距离长且精度要求高,因此其结构特性、飞行特性、动力学特性等较一般飞行器更复杂。
高超声速飞行器的强非线性、强耦合、快时变、不确定特性给高超声速飞行器控制系统的设计提出了更大的挑战。传统的PID控制由于其结构简单,被广泛应用于高超声速飞行器的控制中,但是PID控制器鲁棒性差,难以适应高超声速飞行器快时变的特性以及高精度的要求。如今,一些较为复杂的现代控制算法也用于高超声速飞行器的控制器设计中,以获得理想的性能,如滑模变结构控制器、鲁棒自适应控制器、预测控制器等。上述控制算法都会用到一定的模型信息,且算法设计过程较为复杂,很难广泛应用于高超声速飞行器的飞行实验中。
自抗扰控制器(Active Disturbance Rejection Control--ADRC)将被控对象所有的内部不确定性和外部扰动都归结到“总扰动”中,通过对总扰动的估计补偿来将非线性模型线性化,以简化控制器的设计过程。采用自抗扰技术来控制高超声速飞行器,可以线性化飞行器的运动模型,减小控制器设计对模型信息的依赖,克服耦合、外扰等不确定性对系统性能的不利影响,以实现对飞行姿态和角速率的快速跟踪。目前,已有很多学者将自抗扰控制算法用于高超声速飞行器的控制器设计中,取得了很好的控制效果,但大多数用于高超声速飞行器的自抗扰控制算法都是非线性的,参数过多,调节过程复杂,即使采用优化算法进行参数整定,也很难对所有参数进行寻优。
综上所述,急需一种高超声速飞行器线性优化控制方法,以解决现有技术中存在的参数过多、难以整定的问题,以简化参数调节过程,使算法更适用于实际飞行实验中。
发明内容
本发明目的在于提供一种高超声速飞行器线性优化控制方法,具体技术方案如下:
一种高超声速飞行器线性优化控制方法,包括以下步骤:
步骤1:将高超声速飞行器无动力再入过程数学模型的参数不确定性、未建模动态和外部扰动合在一起看成总扰动,建立高超声速飞行器的姿态回路和角速率回路的数学模型,并将各回路的数学模型写成适合线性自抗扰控制器设计的形式;
步骤2:根据所述步骤1的姿态回路和角速率回路的数学模型,设计线性扩张状态观测器,选取合适的线性扩张状态观测器增益,获取各回路的输出估计值和总扰动估计值;
步骤3:根据所述步骤2获得的输出估计值和总扰动估计值,设计包括总扰动补偿环节和线性误差反馈控制律的控制输入,选取合适的线性误差反馈控制律的增益,实现对高超声速飞行器的控制;
步骤4:采用灰狼优化算法,对所述步骤2中的线性扩张状态观测器的增益进行整定,实现对各回路的输出和总扰动更准确地估计;对所述步骤3中的线性误差反馈控制律的增益进行整定,获取更好的动态性能。
优选的,所述步骤1中适合线性自抗扰控制器设计形式的姿态回路和角速率回路数学模型的表达式如式(1)和(2):
其中:x1=[α β μ]T,x2=[p q r]T,δ=[δe δa δr]T,α、β、μ分别是飞行器的攻角、侧滑角和倾侧角;p、q、r分别是滚转角速度、偏航角速度和俯仰角速度;δe、δa、δr分别表示升降舵、方向舵和副翼的舵面偏转角;h1(t)、h2(t)分别是是姿态回路、角速率回路的总扰动,包括模型参数不确定性、未建模动态和外部扰动,U1、U2分别是姿态回路和速度回路的虚拟控制输入。所述步骤1中的姿态回路对应飞行器的攻角、侧滑角和倾侧角三个状态变量,所述步骤1中的角速率回路对应滚转角速度、偏航角速度和俯仰角速度三个状态变量。
优选的,所述步骤2中对姿态回路和角速率回路设计的线性扩张状态观测器的表达式如下式(3)和(4):
其中:β11、β12、β21、β22为线性扩张状态观测器的增益,可以用观测器的带宽ωo来表示,z11是姿态回路输出的估计值,z12是姿态回路总扰动的估计值,e1是姿态回路的估计误差,z21是角速率回路输出的估计值,z22是角速率回路总扰动的估计值,e2是角速率回路的估计误差。
优选的,所述步骤3中设计的包括扰动补偿环节和线性误差反馈控制律的控制输入的表达式分别如式(5)和(6):
U1=kp1(x1d-z11)-z12......(5)
U2=kp2(x2d-z21)-z22......(6)
其中:kp1和kp2是线性误差反馈控制律的增益,可以用线性误差反馈控制律的带宽ωc来表示;x1d、x2d分别是姿态回路和角速率回路的参考输入。
优选的,所述步骤4中采用的灰狼优化算法包括以下步骤:
步骤4.1:设线性扩张状态观测器的带宽ωo和线性误差反馈控制律的带宽ωc为待优化参数;
步骤4.3:定义灰狼和猎物之间的距离以及更新灰狼下一步的位置;
步骤4.4:选取适应度函数,具体的,选取ITAE指标作为灰狼优化算法的适应度函数;
步骤4.5:计算适应度,计算每个灰狼搜索个体的适应度函数值,并根据所有灰狼搜索个体的适应度函数值的大小从大到小进行排序,记录最优的也是最大的适应度函数值以及与其相对应的灰狼搜索个体的位置;将适应度函数值最优、次优以及次次优的3个灰狼搜索个体分别记为α灰狼、β灰狼、δ灰狼,它们的位置分别记为Xα、Xβ、Xδ;
步骤4.6:需要确定其余的ω灰狼搜索个体和灰狼α、β、δ之间的方向向量以及ω灰狼的下一步移动方向,来更新ω灰狼的位置;
步骤4.8:计算当前代被更新的所有灰狼搜索个体的适应度函数值;
步骤4.9:根据更新后的适应度函数值重新确定新的灰狼搜索个体的位置Xα、Xβ、Xδ;
步骤4.10:计算迭代次数,如果当前迭代次数小于最大迭代次数M,跳回至步骤4.6,否则,满足终止条件,输出最优解Xα,算法结束;
步骤4.11:步骤4.10所得到的最优解Xα就是所需的最优参数ωo和ωc,将所得到的最优参数返回至所述的线性扩张状态观测器和线性误差反馈控制律中,能够获得满意的控制效果。
优选的,步骤4.1中,由于式(1)和(2)所示的高超声速飞行器的姿态回路和角速率回路共有六个子回路,因此需要设计六个线性扩张状态观测器和六个控制输入,则整个飞行器控制系统需要调节的参数为六个线性扩张状态观测器的带宽ωo和六个线性误差反馈控制律的带宽ωc,分别用ωoi和ωci(i=1,2,···,6)来表示。
优选的,所述步骤4.2中,设置最大迭代次数M=50,灰狼搜索种群Xi(i=1,2,···30)的规模S=30,Xj是一个d=2维向量(线性扩张状态观测器的带宽ωo和线性误差反馈控制律的带宽ωc),对每个回路分别设计灰狼优化算法。参数的表达式如式(7):
优选的,所述步骤4.3中通过表达式(8)定义灰狼个体和猎物之间的距离:
通过表达式(9)更新灰狼的位置:
优选的,所述步骤4.4中,所选取的适应度函数ITAE的表达式如式(10):
其中,ts为过渡过程的调节时间,e(t)为实际输出与期望值之间的偏差。
优选的,所述步骤4.6中,根据式(8)可以得到表达式(11),确定ω灰狼和灰狼α、β、δ之间的方向向量:
根据式(9)可以得到表达式(12),确定ω灰狼下一步移动的方向向量:
通过表达式(13)更新ω灰狼的位置,公式为:
应用本发明的技术方案,具有以下有益效果:
(1)本发明针对高超声速飞行器无动力再入过程,设计了线性自抗扰控制器,并采用灰狼优化算法实现对线性自抗扰控制器中线性扩张状态观测器的带宽ωo和线性误差反馈控制律的带宽ωc的自动寻优,可以有效地解决高超声速飞行器无动力再入过程控制器参数较多而引起的参数难整定的问题,避免了人为参数调节过程的复杂性;灰狼优化算法在寻优精度和收敛速度方面的优势,可以提高线性自抗扰控制器的动态性能、鲁棒性能和抗干扰性能,从而获得对高超声速飞行器满意的控制效果。
(2)本发明采用了线性自抗扰控制器,无需高超声速飞行器精确的模型信息,只需要输入输出,就可以完成整个线性自抗扰控制器的设计;将高超声速飞行器所有的模型参数不确定性、未建模动态和外部干扰合在一起看成总扰动,通过设计线性扩张状态观测器对总扰动实时估计补偿,从而增强了整个控制系统的鲁棒性和抗干扰性能。本发明丰富了灰狼优化算法,通过采用灰狼优化算法对线性自抗扰控制器进行参数寻优,推广了线性自抗扰控制器的应用范围。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例1的线性自抗扰控制器的结构框图;
图2是针对高超声速飞行器无动力再入过程所设计的线性自抗扰控制器的结构框图;
图3是本发明优选实施例1的高超声速飞行器线性优化控制方法的结构框图;
图4是本发明优选实施例1的高超声速飞行器线性优化控制方法的流程图;
图5是灰狼优化算法中狼群更新位置的示意图;
图6是灰狼优化算法中灰狼的等级制度示意图。
具体实施方式
以下对本发明的实施例进行详细说明,但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
实施例1:
一种高超声速飞行器线性优化控制方法,包括以下步骤:
步骤1:将高超声速飞行器无动力再入过程数学模型中的参数不确定性、未建模动态和外部扰动合在一起看成总扰动,建立高超声速飞行器的姿态回路和角速率回路的数学模型,并将各回路的数学模型写成适合线性自抗扰控制器设计的形式;高超声速飞行器无动力再入过程数学模型如下式(a)所示:
其中:α、β、μ、γ分别是飞行器的攻角、侧滑角、倾侧角和航迹角;p、q、r分别是滚转角速度、偏航角速度和俯仰角速度;S是飞行器机翼的参考面积;Ix、Iy、Iz是飞行器的主转动惯量;L、D、Y分别是飞行器的阻力、侧力和升力,l、m、n分别是滚转力矩、偏航力矩和俯仰力矩,V是高超声速飞行器的速度,b是翼展长度,c是平均气动弦长,是动压;CL、CD、CY、Cl、Cm、Cn的计算公式如式(b)所示,其中,δe、δa、δr分别是升降舵、方向舵和副翼的舵面偏转角;
将式(a)简写成式(a.1)和(a.2)的形式:
其中,x1=[α β μ]T,x2=[p q r]T,δ=[δe δa δr]T;f1(x1)、f2(x1,x2)、g11(x1)、g12(x1)和g2(x1)的表达式如式(a.3):
f1(x1)=[fα fβ fμ]T,f2(x1,x2)=[fp fq fr]T
将式(a.1)和(a.2)分别称为姿态回路和角速率回路,所述姿态回路和角速率回路可以构成串级系统,所述姿态回路作为串级系统的外环,用于控制高超声速飞行器的姿态角和消除飞行器控制系统的偏差,所述角速率回路作为串级系统的内环,用于快速补偿或抑制外扰的影响,同时保证内环的输出快速高精度地跟踪外环控制器的输出信号x2d,为了便于控制器的设计,将式(a.1)和(a.2)简写成式(1)和式(2)所示的形式:
其中:h1(t)=f1(x1)+g12(x1)δ+(g11(x1)-g10(x1))x2是姿态回路的总扰动、h2(t)=f2(x1,x2)+(g2(x1)-g20(x1))δ是角速率回路的总扰动,包括模型参数的不确定性、未建模动态和外部扰动;因为g11和g2和气动参数相关,虽然有相关的参数可以参考,但不是精确值,因此g11、g2取参考的气动参数g10、g20作为其估计值;U1=g10(x1)x2、U2=g20(x1)δ为虚拟控制输入。
所述步骤1中的姿态回路对应飞行器的攻角、侧滑角和倾侧角三个状态变量,所述步骤1中的角速率回路对应滚转角速度、偏航角速度和俯仰角速度三个状态变量。
步骤2:根据所述步骤1的姿态回路和角速率回路的数学模型,设计线性扩张状态观测器(Linear Extended State Observer-LESO),选取合适的线性扩张状态观测器增益,获取各回路的输出估计值和总扰动估计值;
步骤3:根据所述步骤2获得的输出估计值和总扰动估计值,设计包括总扰动补偿环节和线性误差反馈控制律的控制输入,选取合适的线性误差反馈控制律的增益,实现对高超声速飞行器的控制;
步骤4:采用灰狼优化算法,对所述步骤2中的线性扩张状态观测器的增益进行整定,实现对各回路的输出和总扰动更准确地估计;对所述步骤3中的线性误差反馈控制律的增益进行整定,获取更好的动态性能。
如图2所示,所述步骤2中对姿态回路和角速率回路设计的线性扩张状态观测器的表达式如下式(3)和(4):
其中:β11、β12、β21、β22为线性扩张状态观测器的增益,可以用观测器的带宽ωo来表示,z11是姿态回路输出的估计值,z12是姿态回路总扰动的估计值,e1是姿态回路的估计误差,z21是角速率回路输出的估计值,z22是角速率回路总扰动的估计值,e2是角速率回路的估计误差;
为简化参数调节过程,将线性扩张状态观测器的增益设计为如下表达式(c):
s2+β1s+β2=(s+ωo)2......(c)
其中:ωo是线性扩张状态函数的带宽,β1=[β11 β21],β2=[β12 β22],因此,线性扩张状态观测器的增益可由ωo决定,ωo是线性扩张状态观测器中唯一需要调节的参数。
所述步骤3中设计的包括扰动补偿环节和线性误差反馈控制律的控制输入的表达式分别如式(5)和(6):
U1=kp1(x1d-z11)-z12......(5)
U2=kp2(x2d-z21)-z22......(6)
其中:kp1和kp2是线性误差反馈控制律的增益,可以用线性误差反馈控制律的带宽ωc来表示;x1d、x2d分别是姿态回路和角速率回路的参考输入。
为简化参数调节过程,将线性误差反馈控制律的增益设计为如下表达式(d):
s+kp=(s+ωc)1......(d)
其中:ωc是线性误差反馈控制律的带宽,kp=[kp1 kp2],因此,线性误差反馈控制律的增益可由ωc决定,ωc是线性误差反馈控制律中唯一需要调节的参数。
如图1所示,所述线性自抗扰控制器的结构框图中:r是系统的期望输入,θ是未知的外部扰动,u和y分别是被控对象的输入和输出,u0是虚拟控制量,b0是控制输入u的增益的估计值,kp是线性误差反馈控制律的增益。
如图3~4所示,所述步骤4中采用的灰狼优化算法包括以下步骤:
步骤4.1:取线性扩张状态观测器的带宽ωo和线性误差反馈控制律的带宽ωc作为待优化参数;
步骤4.2:设置灰狼优化算法的初始化参数:最大迭代次数为M=50,在参数空间随机生成一组规模为S=30的灰狼搜索种群Xi(i=1,2,···30),Xj是一个d=2(线性扩张状态观测器带宽ωo和线性误差反馈控制律带宽ωc)维向量,利用M和S的值,生成参数的表达式;
步骤4.3:定义灰狼和猎物之间的距离以及更新灰狼下一步的位置;
步骤4.4:选取适应度函数,具体的,本发明中选取ITAE指标作为灰狼优化算法的适应度函数;
步骤4.5:计算适应度,计算每个灰狼搜索个体的适应度函数值,并根据所有灰狼搜索个体的适应度函数值的大小从大到小进行排序,记录最优的也是最大的适应度函数值以及与其相对应的灰狼搜索个体的位置;将适应度函数值最优、次优以及次次优的3个灰狼搜索个体分别记为α灰狼、β灰狼、δ灰狼,它们的位置分别记为Xα、Xβ、Xδ;
步骤4.6:确定其余的ω灰狼搜索个体和灰狼α、β、δ之间的方向向量以及ω灰狼的下一步移动方向,来更新ω灰狼的位置,如图5~6所示;
步骤4.8:计算当前代被更新的所有灰狼搜索个体的适应度函数值;
步骤4.9:根据更新后的适应度函数值确定新的灰狼搜索个体的位置Xα、Xβ、Xδ;
步骤4.10:计算迭代次数,如果当前迭代次数小于最大迭代次数M,跳回至步骤4.6,直至达到最大迭代次数M,输出最优解Xα,算法结束;
步骤4.11:步骤4.10所得到的最优解Xα就是所需的最优参数ωo和ωc,将所得到的最优参数返回至所述的线性扩张状态观测器和线性误差反馈控制律中,能够获得满意的控制效果。
所述步骤4.1中由于式(1)和(2)所示的高超声速飞行器的姿态回路和角速率回路共有六个子回路,因此需要设计六个线性扩张状态观测器和六个控制输入,则整个飞行器控制系统需要调节的参数为六个线性扩张状态观测器的带宽ωo和六个线性误差反馈控制律的带宽ωc,分别用ωoi和ωci(i=1,2,···,6)来表示,其中,ωoi的优化范围是[0,30],ωci的优化范围是[0,50]。
随着t的增加,参数由2线性递减至0,和的模为[0,1]之间的随机数。系数向量和用来迫使灰狼优化算法探测与开采搜索空间,随着的不断减少,的一半的迭代用于探测迫使灰狼远离猎物,以此来找到一个更加合适的猎物,另一半迭代用于开采而对于来说,它是[0,2]之间的随机值,即猎物的权值是随机的,这样可以随机加强或减弱在规定的范围里猎物对公式的干扰,以保证灰狼算法在优化过程中的随机运动,的随机性也保证自始至终的迭代过程一直都在强化勘探,使得算法能获得全局最优解,和的模为[0,1]之间随机数。
所述步骤4.3中通过表达式(8)定义灰狼个体和猎物之间的距离:
通过表达式(9)更新灰狼下一步的位置:
所述步骤4.4中,选取ITAE作为适应度函数,表达式如式(10):
其中,ts为过渡过程的调节时间,e(t)为实际输出与期望值之间的偏差。
所述步骤4.6中,根据式(8)可以得到表达式(11),确定其余的ω灰狼搜索个体和灰狼α、β、δ之间的方向向量:
根据式(9)可以得到表达式(12),确定ω灰狼下一步移动的方向向量:
通过表达式(13)更新ω灰狼的位置,公式为:
一种高超声速飞行器线性优化控制方法的结构框图如图3所示。首先针对高超声速飞行器设计线性自抗扰控制器,并将飞行器的实际输出和期望输入反馈给灰狼优化算法,通过灰狼优化算法计算出控制器待优化的参数ωoi、ωci(i=1,2,···6),然后将所得到的参数返回至线性自抗扰控制器中,使得线性自抗扰控制器在最优参数值下进行工作。本发明的流程图如图4所示。
本发明针对高超声速飞行器无动力再入过程,设计了线性自抗扰控制器,并采用灰狼优化算法对控制器的参数自动寻优,避免了整个控制系统控制器参数较多而导致的人为参数调节过程的复杂性;本发明不需要高超声速飞行器精确的模型信息,通过输入输出,就可以完成控制器的设计;通过引入灰狼优化算法对控制器参数自动寻优,可以提高线性自抗扰控制器的鲁棒性,使得线性自抗扰控制器的动态性能更优,抗干扰性能更强。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种高超声速飞行器线性优化控制方法,其特征在于,包括以下步骤:
步骤1:将高超声速飞行器无动力再入过程数学模型的参数不确定性、未建模动态和外部扰动合在一起看成总扰动,建立高超声速飞行器的姿态回路和角速率回路的数学模型,并将各回路的数学模型写成适合线性自抗扰控制器设计的形式;
步骤2:根据所述步骤1的姿态回路和角速率回路的数学模型,设计线性扩张状态观测器,选取合适的线性扩张状态观测器增益,获取各回路的输出估计值和总扰动估计值;
步骤3:根据所述步骤2获得的输出估计值和总扰动估计值,设计包括总扰动补偿环节和线性误差反馈控制律的控制输入,选取合适的线性误差反馈控制律增益,实现对高超声速飞行器的控制;
步骤4:采用灰狼优化算法,对所述步骤2中的线性扩张状态观测器的增益进行整定,实现对各回路的输出和总扰动更准确地估计;对所述步骤3中的线性误差反馈控制律的增益进行整定,获取更好的动态性能;
所述步骤1中适合线性自抗扰控制器设计形式的姿态回路和角速率回路数学模型的表达式如式(1)和(2):
其中:x1=[α β μ]T,x2=[p q r]T,δ=[δe δa δr]T,α、β、μ分别是飞行器的攻角、侧滑角和倾侧角;p、q、r分别是滚转角速度、偏航角速度和俯仰角速度;δe、δa、δr分别表示升降舵、方向舵和副翼的舵面偏转角;h1(t)、h2(t)分别是姿态回路、角速率回路的总扰动,包括模型参数不确定性、未建模动态和外部扰动,U1、U2分别是姿态回路和速度回路的虚拟控制输入;所述步骤1中的姿态回路对应飞行器的攻角、侧滑角和倾侧角三个状态变量,所述步骤1中的角速率回路对应滚转角速度、偏航角速度和俯仰角速度三个状态变量;
所述步骤2中对姿态回路和角速率回路设计的线性扩张状态观测器的表达式如下式(3)和(4):
其中:β11、β12、β21、β22为线性扩张状态观测器的增益,可以用观测器的带宽ωo来表示,z11是姿态回路输出的估计值,z12是姿态回路总扰动的估计值,e1是姿态回路的估计误差,z21是角速率回路输出的估计值,z22是角速率回路总扰动的估计值,e2是角速率回路的估计误差;
所述步骤3中设计的包括扰动补偿环节和线性误差反馈控制律的控制输入的表达式分别如式(5)和(6):
U1=kp1(x1d-z11)-z12......(5)
U2=kp2(x2d-z21)-z22......(6)
其中:kp1和kp2是线性误差反馈控制律的增益,可以用线性误差反馈控制律的带宽ωc来表示;x1d、x2d分别是姿态回路和角速率回路的参考输入。
2.根据权利要求1所述的高超声速飞行器线性优化控制方法,其特征在于,所述步骤4中采用的灰狼优化算法包括以下步骤:
步骤4.1:设线性扩张状态观测器的带宽ωo和线性误差反馈控制律的带宽ωc为待优化参数;
步骤4.3:定义灰狼和猎物之间的距离以及更新灰狼下一步的位置;
步骤4.4:选取适应度函数,具体的,选取ITAE指标作为灰狼优化算法的适应度函数;
步骤4.5:计算适应度,计算每个灰狼搜索个体的适应度函数值,并根据所有灰狼搜索个体的适应度函数值的大小从大到小进行排序,记录最优的也是最大的适应度函数值以及与其相对应的灰狼搜索个体的位置;将适应度函数值最优、次优以及次次优的3个灰狼搜索个体分别记为α灰狼、β灰狼、δ灰狼,它们的位置分别记为Xα、Xβ、Xδ;
步骤4.6:需要确定其余的ω灰狼搜索个体和灰狼α、β、δ之间的方向向量以及ω灰狼的下一步移动方向,来更新ω灰狼的位置;
步骤4.8:计算当前代被更新的所有灰狼搜索个体的适应度函数值;
步骤4.9:根据更新后的适应度函数值重新确定新的灰狼搜索个体的位置Xα、Xβ、Xδ;
步骤4.10:计算迭代次数,如果当前迭代次数小于最大迭代次数M,跳回至步骤4.6,否则,满足终止条件,输出最优解Xα,算法结束;
步骤4.11:步骤4.10所得到的最优解Xα就是所需的最优参数ωo和ωc,将所得到的最优参数返回至所述的线性扩张状态观测器和线性误差反馈控制律中,能够获得满意的控制效果。
3.根据权利要求2所述的高超声速飞行器线性优化控制方法,其特征在于,步骤4.1中,由于式(1)和(2)所示的高超声速飞行器的姿态回路和角速率回路共有六个子回路,因此需要设计六个线性扩张状态观测器和六个控制输入,则整个飞行器控制系统需要调节的参数为六个线性扩张状态观测器的带宽ωo和六个线性误差反馈控制律的带宽ωc,分别用ωoi和ωci来表示,其中ωoi和ωci中的i=1,2,···,6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058906.1A CN109725644B (zh) | 2019-01-22 | 2019-01-22 | 一种高超声速飞行器线性优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058906.1A CN109725644B (zh) | 2019-01-22 | 2019-01-22 | 一种高超声速飞行器线性优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109725644A CN109725644A (zh) | 2019-05-07 |
CN109725644B true CN109725644B (zh) | 2021-11-23 |
Family
ID=66298488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058906.1A Expired - Fee Related CN109725644B (zh) | 2019-01-22 | 2019-01-22 | 一种高超声速飞行器线性优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109725644B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244751B (zh) * | 2019-05-24 | 2022-04-22 | 北京控制工程研究所 | 一种高超声速飞行器姿态自适应递推控制方法及系统 |
CN110286589B (zh) * | 2019-06-12 | 2020-12-18 | 中南大学 | 一种非线性全驱动mimo系统的自抗扰控制方法 |
CN110829904B (zh) * | 2019-11-13 | 2021-06-29 | 大连交通大学 | 一种基于灰狼优化的无刷直流电机控制器的参数优化方法 |
CN111103795B (zh) * | 2019-11-21 | 2021-07-13 | 浙江大学 | 基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器 |
CN111123960A (zh) * | 2019-11-21 | 2020-05-08 | 浙江大学 | 一种超高精度的高超声速飞行器轨迹优化最优控制仪 |
CN111324142B (zh) * | 2020-01-07 | 2023-06-23 | 湖北航天技术研究院总体设计所 | 一种导弹驾驶仪扰动补偿控制方法 |
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 |
CN111367182A (zh) * | 2020-04-23 | 2020-07-03 | 湖南云顶智能科技有限公司 | 考虑输入受限的高超声速飞行器抗干扰反步控制方法 |
CN113377121B (zh) * | 2020-07-02 | 2022-06-07 | 北京航空航天大学 | 一种基于深度强化学习的飞行器智能抗扰动控制方法 |
CN111831002B (zh) * | 2020-07-10 | 2022-09-30 | 中国人民解放军海军工程大学 | 一种基于预设性能的超高声速飞行器姿态控制方法 |
CN112180965A (zh) * | 2020-10-14 | 2021-01-05 | 上海航天控制技术研究所 | 一种高精度过载控制方法 |
CN112861378B (zh) * | 2021-03-12 | 2023-02-03 | 中国人民解放军国防科技大学 | 一种基于改进灰狼算法的助推段飞行程序优化方法和装置 |
CN114326750B (zh) * | 2022-01-12 | 2023-12-19 | 江苏科技大学 | 一种基于自抗扰控制的水面无人艇路径跟踪控制系统 |
CN114489010B (zh) * | 2022-01-25 | 2024-09-06 | 佛山智能装备技术研究院 | 一种adrc扩张观测器状态观测误差实时预测方法及系统 |
CN115712240B (zh) * | 2022-10-27 | 2023-04-11 | 中南大学 | 大扇面角发射和大落角攻击的弹道控制方法、设备及介质 |
CN116118817B (zh) * | 2022-12-26 | 2023-09-15 | 西南交通大学 | 一种基于自抗扰控制的高速列车主动防风控制方法 |
CN118295238B (zh) * | 2024-06-05 | 2024-07-30 | 中国人民解放军国防科技大学 | 一种飞行器轨迹在线鲁棒跟踪方法、装置及设备 |
CN118295439B (zh) * | 2024-06-06 | 2024-08-09 | 西北工业大学 | 一种针对高速飞行器姿态控制的预定性能控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4968879A (en) * | 1988-07-29 | 1990-11-06 | The Boeing Company | Method and apparatus for measuring aircraft flight parameters |
CN104570730A (zh) * | 2014-11-26 | 2015-04-29 | 中国科学院光电技术研究所 | 一种改进的自抗扰控制方法 |
CN105278545A (zh) * | 2015-11-04 | 2016-01-27 | 北京航空航天大学 | 适用于高超声速机动飞行的自抗扰轨迹线性化控制方法 |
CN107844128A (zh) * | 2017-10-13 | 2018-03-27 | 北京航空航天大学 | 一种基于复合比例导引的高超声速飞行器巡航段制导方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646778B (zh) * | 2018-07-18 | 2019-08-06 | 哈尔滨工业大学 | 一种垂直起降重复使用运载器的非线性自抗扰控制方法 |
CN109062237B (zh) * | 2018-09-17 | 2021-07-20 | 南京航空航天大学 | 一种无人倾转旋翼机自抗扰姿态控制方法 |
-
2019
- 2019-01-22 CN CN201910058906.1A patent/CN109725644B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4968879A (en) * | 1988-07-29 | 1990-11-06 | The Boeing Company | Method and apparatus for measuring aircraft flight parameters |
CN104570730A (zh) * | 2014-11-26 | 2015-04-29 | 中国科学院光电技术研究所 | 一种改进的自抗扰控制方法 |
CN105278545A (zh) * | 2015-11-04 | 2016-01-27 | 北京航空航天大学 | 适用于高超声速机动飞行的自抗扰轨迹线性化控制方法 |
CN107844128A (zh) * | 2017-10-13 | 2018-03-27 | 北京航空航天大学 | 一种基于复合比例导引的高超声速飞行器巡航段制导方法 |
Non-Patent Citations (12)
Title |
---|
"Anti-Windup Compensation of Linear Active Disturbance Rejection Control for Near Space Vehicle Autopilot";Li Hui,等;《CONFERENCE PROCEEDINGS OF 2017 3RD IEEE INTERNATIONAL CONFERENCE ON CONTROL SCIENCE AND SYSTEMS ENGINEERING (ICCSSE)》;20170819;1-6 * |
"Comparison of linear and nonlinear active disturbance rejection control method for hypersonic vehicle";JIA Song,等;《Proceedings of the 35th Chinese Control Conference》;20160729;10759-10764 * |
"Finite-time Decoupling Direct Control for Hypersonic Reentry Vehicle with Multiple Disturbances via Second-order ADRC";Yue Yu,等;《Proceedings of the 2017 IEEE International Conference on Robotics and Biomimetics》;20171208;2722-2727 * |
"Reduced-order Linear Extended State Observer Based Trajectory Linearization Control for Hypersonic Reentry Vehicle under High Maneuver Flight with Multiple Disturbances";Huiping Zhang,等;《2018 IEEE CSAA Guidance, Navigation and Control Conference (CGNCC)》;20180812;80-86 * |
"含扩张状态观测器的高超声速飞行器动态面姿态控制";刘晓东;《宇航学报》;20150830;第36卷(第8期);916-922 * |
"基于RLESO的高超声速巡航飞行器跟踪控制器设计";吴瑕,等;《控制与信息技术》;20181231(第6期);85-90 * |
"弹性静不稳定高超声速飞行器姿态综合控制";朴敏楠,等;《中国科学:技术科学》;20181206;第49卷(第7期);825-839 * |
"采用ESO补偿的再入飞行器姿态预测控制方法";王涛,等;《系统工程与电子技术》;20180730;第40卷(第7期);1554-1559 * |
"高超声速滑翔飞行器再入段闭环最优反馈制导方法";廖宇新,等;《控制与信息技术》;20181231(第6期);78-84,95 * |
"高超声速飞行器再入姿态改进自抗扰控制";周啟航,等;《计算机仿真》;20121231;第29卷(第12期);90-94,198 * |
"高超声速飞行器分数阶PID及自抗扰控制研究";秦昌茂;《中国博士学位论文全文数据库 工程科技II辑》;20120415;C031-14 * |
"高超声速飞行器自抗扰轨迹线性化控制器的优化设计";张惠平,等;《战术导弹技术》;20181231(第4期);91-98,104 * |
Also Published As
Publication number | Publication date |
---|---|
CN109725644A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725644B (zh) | 一种高超声速飞行器线性优化控制方法 | |
CN107807663B (zh) | 基于自适应控制的无人机编队保持控制方法 | |
Li et al. | Stochastic gradient particle swarm optimization based entry trajectory rapid planning for hypersonic glide vehicles | |
Han et al. | Online policy iteration ADP-based attitude-tracking control for hypersonic vehicles | |
CN107479383B (zh) | 基于鲁棒设计的高超声速飞行器神经网络复合学习控制方法 | |
CN110908281A (zh) | 无人直升机姿态运动有限时间收敛强化学习控制方法 | |
Gavilan et al. | Control of the longitudinal flight dynamics of an UAV using adaptive backstepping | |
CN107479384A (zh) | 高超声速飞行器神经网络复合学习非反步控制方法 | |
CN107632518B (zh) | 基于高增益观测器的高超声速飞行器神经网络复合学习控制方法 | |
CN109358646B (zh) | 带有乘性噪声的导弹自主编队队形随机控制系统建模方法 | |
CN105182742A (zh) | 一种弹性体飞行器自适应受限跟踪控制间接法 | |
CN113377121B (zh) | 一种基于深度强化学习的飞行器智能抗扰动控制方法 | |
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 | |
CN109703769B (zh) | 一种基于预瞄策略的空中加油对接控制方法 | |
Williams | Three-dimensional aircraft terrain-following via real-time optimal control | |
CN106647264B (zh) | 一种基于控制约束的扩展鲁棒h∞的无人机控制方法 | |
CN113885320A (zh) | 一种基于混合量子鸽群优化的飞行器随机鲁棒控制方法 | |
Yu et al. | Analytical cooperative entry guidance for rendezvous and formation flight | |
CN112327926A (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN115576353A (zh) | 一种基于深度强化学习的飞行器编队控制方法 | |
Luo et al. | Carrier-based aircraft precision landing using direct lift control based on incremental nonlinear dynamic inversion | |
CN108459611B (zh) | 一种近空间飞行器的姿态跟踪控制方法 | |
CN113504723B (zh) | 一种基于逆强化学习的运载火箭减载控制方法 | |
CN113985732A (zh) | 针对飞行器系统的自适应神经网络控制方法及装置 | |
Stepanyan et al. | Visual tracking of a maneuvering target |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211123 |
|
CF01 | Termination of patent right due to non-payment of annual fee |