CN110568765A - 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 - Google Patents
面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 Download PDFInfo
- Publication number
- CN110568765A CN110568765A CN201910982021.0A CN201910982021A CN110568765A CN 110568765 A CN110568765 A CN 110568765A CN 201910982021 A CN201910982021 A CN 201910982021A CN 110568765 A CN110568765 A CN 110568765A
- Authority
- CN
- China
- Prior art keywords
- designer
- given
- angle
- tracking
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims abstract description 13
- 239000000126 substance Substances 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 150000001875 compounds Chemical class 0.000 abstract description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种面向攻角跟踪的高超声速飞行器非对称输出受限控制,通过模型变换将攻角视为系统输出,基于非对称障碍李雅普诺夫函数设计输出受限控制律,将跟踪误差非对称约束信息引入控制律,保证误差被限制在预设的非对称区间内。考虑系统存在不确定性,本方法在控制器设计中,加入复合学习神经网络对未知非线性函数进行估计。针对速度子系统设计PID控制器实现速度跟踪。
Description
技术领域
本发明涉及一种飞行器控制方法,特别是涉及一种面向攻角跟踪的高超声速飞行器非对称输出受限控制方法,属于飞行控制领域。
背景技术
高超声速飞行器具有飞行速度快、突防能力强的特点,在民用方面可用于洲际快速运输,因而得到世界各国的广泛关注。吸气式高超声速飞行器多以超燃冲压发动机提供动力,而超燃冲压发动机的正常进气对飞行器攻角跟踪精度要求苛刻,且攻角为负值时由于机体遮挡发动机进气量将大幅降低导致推力下降,因此需保证攻角在跟踪给定指令时误差幅值不超出给定范围。已有研究针对高超声速飞行器控制多将攻角视为状态量针对高度跟踪设计控制器并引入攻角约束,较少针对攻角作为系统输出直接跟踪给定指令的情形进行研究,且未在此情形下考虑由超燃冲压发动机进气需求导致的非对称攻角约束。
《Two controller designs of hypersonic flight vehicle under actuatordynamics and AOA constraint》(Yuyan Guo,Bin Xu,Xiaoxiang Hu,Xiangwei Bu,YuZhang,Aerospace Science and Technology,2018,80:11-19)一文将高超声速飞行器攻角视为系统输出研究了攻角跟踪控制,并设计了预设性能控制器限制跟踪误差,但在设计预设性能函数时仅考虑了对称情形,未在负攻角情形下考虑更严格的跟踪误差约束。
发明内容
要解决的技术问题
为了解决攻角跟踪情形下超燃冲压发动机对跟踪误差精度要求高且负攻角情形下要求更严格的问题,本发明提出了一种面向攻角跟踪的高超声速飞行器非对称输出受限控制。本方法通过模型变换将攻角视为系统输出,基于非对称障碍李雅普诺夫函数设计输出受限控制律,将跟踪误差非对称约束信息引入控制律,保证误差被限制在预设的非对称区间内。考虑系统存在不确定性,本方法在控制器设计中,加入复合学习神经网络对未知非线性函数进行估计。针对速度子系统设计PID控制器实现速度跟踪。
技术方案
一种面向攻角跟踪的高超声速飞行器非对称输出受限控制方法,其特征在于步骤如下:
步骤1:考虑高超声速飞行器纵向通道动力学模型:
其中,表示推力,表示升力,表示阻力,表示俯仰力矩;V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度,δe表示升降舵偏角,Φ表示节流阀开度; 表示动压,ρ表示空气密度,表示平均气动弦长,S表示气动参考面积;m、Iyy和g代表质量、俯仰轴的转动惯量以及重力加速度, 均为气动参数;
步骤2:取x1=α,x2=q;可将式(4)-(5)写成如下严格反馈形式:
其中,fi,i=1,2为未知非线性函数,g2为已知非线性函数,考虑攻角跟踪任务,定义攻角参考信号x1d;
步骤3:第1步:定义攻角跟踪误差为:
e1=x1-x1d (7)
构造非对称障碍李雅普诺夫函数:
其中kb>0为误差e1的上界,-ka<0为误差e1的下界,均由设计者给出;
定义设计俯仰角速率虚拟控制量为:
其中,为神经网络最优权值的估计值向量,θf1为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k1>0、均由设计者给定;
令x2c通过式(10)所示的滤波器以获得信号x2d及
其中,ν2=x2d-x2c,τ2>0、ρ2>0及δm2>0均由设计者给出,为上界的估计值;
定义建模误差:
其中由式(12)所示的平行估计模型得到:
其中,β1>0由设计者给出;
设计神经网络权重更新律如下:
其中,γ1>0,γz1>0及δf1>0由设计者给出;
设计自适应律如下:
其中,λ1>0及δψ1>0由设计者给出;
第2步:定义俯仰角速率跟踪误差为:
e2=x2-x2d (15)
设计升降舵偏角为:
其中,为神经网络最优权值的估计值向量,θf2为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k2>0由设计者给定;
定义建模误差:
其中由式(18)所示的平行估计模型得到:
其中,β2>0由设计者给出;
设计神经网络权重更新律如下:
其中,γ2>0,γz2>0及δf2>0由设计者给出;
设计自适应律如下:
其中,λ2>0及δψ2>0由设计者给出;
步骤4:定义速度跟踪误差为:
其中,Vd为速度参考指令;
设计节流阀开度Φ为:
其中,kpV>0、kiV>0和kdV>0由设计者给定;
步骤5:根据得到的升降舵偏角δe和速度子系统的节流阀开度Φ,返回到飞行器动力学模型(1)-(5),对攻角和速度进行跟踪控制。
有益效果
本发明提出的一种面向攻角跟踪的高超声速飞行器非对称输出受限控制方法,与现有技术相比有益效果为:
(1)与现有工作将攻角视为状态设计高度跟踪控制器不同,本发明针对工程实际中存在的姿态控制任务,考虑攻角跟踪情形通过模型变换将攻角作为系统输出设计控制器,降低了模型复杂度,简化了设计流程。
(2)本发明考虑发动机工作带来的攻角跟踪误差约束需求,基于非对称障碍李雅普诺夫函数设计输出受限控制器,将跟踪误差的非对称上下界引入控制器设计,保证了攻角对给定参考信号的跟踪精度处于预设范围内。
附图说明
图1是本发明面向攻角跟踪的高超声速飞行器非对称输出受限控制的流程图。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
参照图1,本发明面向攻角跟踪的高超声速飞行器非对称输出受限控制应用于一类高超声速飞行器动力学模型,通过以下步骤实现:
(a)考虑高超声速飞行器纵向通道动力学模型:
其中,表示推力,表示升力,表示阻力,表示俯仰力矩;V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度。δe表示升降舵偏角,Φ表示节流阀开度。 表示动压,ρ=6.7429×10-5表示空气密度,表示平均气动弦长,S=17表示气动参考面积;m=300、Iyy=5×105、g=32代表质量、俯仰轴的转动惯量以及重力加速度,均为气动参数,具体定义如下:
(b)取x1=α,x2=q;可将式(4)-(5)写成如下严格反馈形式:
其中,fi,i=1,2为未知非线性函数,g2为已知非线性函数。考虑攻角跟踪任务,定义攻角参考信号x1d。
(c)第1步:定义攻角跟踪误差为:
e1=x1-x1d (7)
构造非对称障碍李雅普诺夫函数:
其中kb=0.008为误差e1的上界,-ka=-0.006为误差e1的下界,均由设计者给出。
定义设计俯仰角速率虚拟控制量为:
其中,为神经网络最优权值的估计值向量,θf1为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k1=0.5、
令x2c通过式(10)所示的滤波器以获得信号x2d及
其中,ν2=x2d-x2c,τ2=0.05,ρ2=0.0001,δm2=0.001,为上界的估计值。
定义建模误差:
其中由式(12)所示的平行估计模型得到:
其中,β1=2由设计者给出。
设计神经网络权重更新律如下:
其中,γ1=0.05,γz1=0.5,δf1=0.001。
设计自适应律如下:
其中,λ1=0.1,δψ1=0.001。
第2步:定义俯仰角速率跟踪误差为:
e2=x2-x2d (15)
设计升降舵偏角为:
其中,为神经网络最优权值的估计值向量,θf2为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k2=30。
定义建模误差:
其中由式(18)所示的平行估计模型得到:
其中β2=2。
设计神经网络权重更新律如下:
其中,γ2=0.5,γz2=0.5,δf2=0.001
设计自适应律如下:
其中,λ2=0.01,δψ2=0.001。
(d)定义速度跟踪误差为:
其中,Vd为速度参考指令。
设计节流阀开度Φ为:
其中,kpV=5,kiV=1,kdV=0.01。
(e)根据得到的升降舵偏角δe和速度子系统的节流阀开度Φ,返回到飞行器动力学模型(1)-(5),对攻角和速度进行跟踪控制。
Claims (1)
1.一种面向攻角跟踪的高超声速飞行器非对称输出受限控制方法,其特征在于步骤如下:
步骤1:考虑高超声速飞行器纵向通道动力学模型:
其中,表示推力,表示升力,表示阻力,表示俯仰力矩;V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度,δe表示升降舵偏角,Φ表示节流阀开度; 表示动压,ρ表示空气密度,表示平均气动弦长,S表示气动参考面积;m、Iyy和g代表质量、俯仰轴的转动惯量以及重力加速度, 均为气动参数;
步骤2:取x1=α,x2=q;可将式(4)-(5)写成如下严格反馈形式:
其中,fi,i=1,2为未知非线性函数,g2为已知非线性函数,考虑攻角跟踪任务,定义攻角参考信号x1d;
步骤3:第1步:定义攻角跟踪误差为:
e1=x1-x1d (7)
构造非对称障碍李雅普诺夫函数:
其中kb>0为误差e1的上界,-ka<0为误差e1的下界,均由设计者给出;
定义设计俯仰角速率虚拟控制量为:
其中,为神经网络最优权值的估计值向量,θf1为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k1>0、均由设计者给定;
令x2c通过式(10)所示的滤波器以获得信号x2d及
其中,ν2=x2d-x2c,τ2>0、ρ2>0及δm2>0均由设计者给出,为上界的估计值;
定义建模误差:
其中由式(12)所示的平行估计模型得到:
其中,β1>0由设计者给出;
设计神经网络权重更新律如下:
其中,γ1>0,γz1>0及δf1>0由设计者给出;
设计自适应律如下:
其中,λ1>0及δψ1>0由设计者给出;
第2步:定义俯仰角速率跟踪误差为:
e2=x2-x2d (15)
设计升降舵偏角为:
其中,为神经网络最优权值的估计值向量,θf2为根据神经网络基函数得到的向量,为有界不确定性上界的估计值,k2>0由设计者给定;
定义建模误差:
其中由式(18)所示的平行估计模型得到:
其中,β2>0由设计者给出;
设计神经网络权重更新律如下:
其中,γ2>0,γz2>0及δf2>0由设计者给出;
设计自适应律如下:
其中,λ2>0及δψ2>0由设计者给出;
步骤4:定义速度跟踪误差为:
其中,Vd为速度参考指令;
设计节流阀开度Φ为:
其中,kpV>0、kiV>0和kdV>0由设计者给定;
步骤5:根据得到的升降舵偏角δe和速度子系统的节流阀开度Φ,返回到飞行器动力学模型(1)-(5),对攻角和速度进行跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982021.0A CN110568765A (zh) | 2019-10-16 | 2019-10-16 | 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982021.0A CN110568765A (zh) | 2019-10-16 | 2019-10-16 | 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110568765A true CN110568765A (zh) | 2019-12-13 |
Family
ID=68785036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982021.0A Pending CN110568765A (zh) | 2019-10-16 | 2019-10-16 | 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110568765A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007724A (zh) * | 2019-12-19 | 2020-04-14 | 哈尔滨工业大学 | 一种基于区间ii型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法 |
CN111122901A (zh) * | 2019-12-31 | 2020-05-08 | 中国航空工业集团公司西安飞机设计研究所 | 一种攻角误差自动检测方法及其修正系统 |
CN111158398A (zh) * | 2020-01-15 | 2020-05-15 | 哈尔滨工业大学 | 考虑攻角约束的高超音速飞行器的自适应控制方法 |
CN111273681A (zh) * | 2020-04-09 | 2020-06-12 | 中北大学 | 一种考虑攻角受限的高超声速飞行器高安全抗干扰控制方法 |
CN111414011A (zh) * | 2020-04-09 | 2020-07-14 | 中北大学 | 一种考虑执行机构故障的高超声速飞行器保性能容错控制方法 |
CN111459029A (zh) * | 2020-04-09 | 2020-07-28 | 中北大学 | 一种考虑输入量化的高超声速飞行器预设性能神经反馈控制方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
CN116594414A (zh) * | 2023-03-28 | 2023-08-15 | 西北工业大学 | 一种高超声速飞行器纵向控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155990A (zh) * | 2014-08-15 | 2014-11-19 | 哈尔滨工业大学 | 考虑攻角约束的高超声速飞行器俯仰通道姿态控制方法 |
CN107450324A (zh) * | 2017-09-05 | 2017-12-08 | 西北工业大学 | 考虑攻角约束的高超声速飞行器自适应容错控制方法 |
CN107831671A (zh) * | 2017-12-06 | 2018-03-23 | 浙江工业大学 | 一种基于非对称时变障碍李雅普诺夫函数的四旋翼飞行器输出受限反步控制方法 |
CN108052115A (zh) * | 2017-12-06 | 2018-05-18 | 浙江工业大学 | 一种基于非对称时不变障碍李雅普诺夫函数的四旋翼飞行器全状态受限反步控制方法 |
-
2019
- 2019-10-16 CN CN201910982021.0A patent/CN110568765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155990A (zh) * | 2014-08-15 | 2014-11-19 | 哈尔滨工业大学 | 考虑攻角约束的高超声速飞行器俯仰通道姿态控制方法 |
CN107450324A (zh) * | 2017-09-05 | 2017-12-08 | 西北工业大学 | 考虑攻角约束的高超声速飞行器自适应容错控制方法 |
CN107831671A (zh) * | 2017-12-06 | 2018-03-23 | 浙江工业大学 | 一种基于非对称时变障碍李雅普诺夫函数的四旋翼飞行器输出受限反步控制方法 |
CN108052115A (zh) * | 2017-12-06 | 2018-05-18 | 浙江工业大学 | 一种基于非对称时不变障碍李雅普诺夫函数的四旋翼飞行器全状态受限反步控制方法 |
Non-Patent Citations (1)
Title |
---|
YUYAN GUO 等: "Adaptive Hypersonic Flight Control under Asymmetric AOA Constraint", 《第三十八届中国控制会议论文集(6)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007724A (zh) * | 2019-12-19 | 2020-04-14 | 哈尔滨工业大学 | 一种基于区间ii型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法 |
CN111122901A (zh) * | 2019-12-31 | 2020-05-08 | 中国航空工业集团公司西安飞机设计研究所 | 一种攻角误差自动检测方法及其修正系统 |
CN111158398A (zh) * | 2020-01-15 | 2020-05-15 | 哈尔滨工业大学 | 考虑攻角约束的高超音速飞行器的自适应控制方法 |
CN111273681A (zh) * | 2020-04-09 | 2020-06-12 | 中北大学 | 一种考虑攻角受限的高超声速飞行器高安全抗干扰控制方法 |
CN111414011A (zh) * | 2020-04-09 | 2020-07-14 | 中北大学 | 一种考虑执行机构故障的高超声速飞行器保性能容错控制方法 |
CN111459029A (zh) * | 2020-04-09 | 2020-07-28 | 中北大学 | 一种考虑输入量化的高超声速飞行器预设性能神经反馈控制方法 |
CN111273681B (zh) * | 2020-04-09 | 2023-03-31 | 中北大学 | 一种考虑攻角受限的高超声速飞行器高安全抗干扰控制方法 |
CN111414011B (zh) * | 2020-04-09 | 2023-06-30 | 中北大学 | 考虑执行机构故障的高超声速飞行器保性能容错控制方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
CN116594414A (zh) * | 2023-03-28 | 2023-08-15 | 西北工业大学 | 一种高超声速飞行器纵向控制方法 |
CN116594414B (zh) * | 2023-03-28 | 2024-03-15 | 西北工业大学 | 一种高超声速飞行器纵向控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110568765A (zh) | 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 | |
CN111665857B (zh) | 基于复合智能学习的变体飞行器控制方法 | |
CN110597068A (zh) | 考虑攻角非对称约束的高超声速飞行器鲁棒控制方法 | |
CN107942651B (zh) | 一种近空间飞行器控制系统 | |
CN111679583B (zh) | 基于气动参数估计的变体飞行器自适应控制方法 | |
CN102880055B (zh) | 基于预测模型的高超声速飞行器神经网络控制方法 | |
CN109358634B (zh) | 一种高超声速飞行器鲁棒自适应控制方法 | |
CN107479384A (zh) | 高超声速飞行器神经网络复合学习非反步控制方法 | |
CN107479383A (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 | |
CN102880053B (zh) | 基于预测模型的高超声速飞行器滑模控制方法 | |
CN108828957B (zh) | 基于切换机制的飞行器全局有限时间神经网络控制方法 | |
CN102880052A (zh) | 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 | |
CN110456636B (zh) | 基于不确定性上界估计的飞行器离散滑模自适应控制方法 | |
CN113778129B (zh) | 一种干扰补偿的高超声速变后掠翼飞行器跟踪控制方法 | |
CN107632518A (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 | |
CN110456643A (zh) | 基于奇异摄动的弹性飞行器历史数据学习自适应控制方法 | |
CN107526296A (zh) | 基于预测建模的高超声速飞行器神经网络学习控制方法 | |
CN111007720A (zh) | 高超声速飞行器多传感器故障的非线性自愈合控制方法 | |
CN106527128A (zh) | 兼顾瞬态响应与鲁棒稳定性的飞行控制律设计新方法 | |
CN110908288A (zh) | 一种基于障碍Lyapunov函数的无人机地速约束抗扰控制方法 | |
CN107315419B (zh) | 一种实现飞艇远距离定点悬停的三段式控制策略 | |
CN112327926A (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN113126495B (zh) | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 | |
CN107479382A (zh) | 基于在线数据学习的高超声速飞行器神经网络控制方法 | |
CN114637312A (zh) | 一种基于智能变形决策的无人机节能飞行控制方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191213 |
|
WD01 | Invention patent application deemed withdrawn after publication |