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

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

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

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，δ_e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、I_yy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，f_i,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x_1d；

步骤3：第1步：定义攻角跟踪误差为：

e₁＝x₁-x_1d (7)

构造非对称障碍李雅普诺夫函数：

其中k_b>0为误差e₁的上界，-k_a<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，θ_f1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x_2c通过式(10)所示的滤波器以获得信号x_2d及

其中，ν₂＝x_2d-x_2c，τ₂>0、ρ₂>0及δ_m2>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，γ_z1>0及δ_f1>0由设计者给出；

设计自适应律如下：

其中，λ₁>0及δ_ψ1>0由设计者给出；

第2步：定义俯仰角速率跟踪误差为：

e₂＝x₂-x_2d (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，θ_f2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，γ_z2>0及δ_f2>0由设计者给出；

设计自适应律如下：

其中，λ₂>0及δ_ψ2>0由设计者给出；

步骤4：定义速度跟踪误差为：

其中，V_d为速度参考指令；

设计节流阀开度Φ为：

其中，k_pV>0、k_iV>0和k_dV>0由设计者给定；

步骤5：根据得到的升降舵偏角δ_e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。δ_e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、I_yy＝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，f_i,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x_1d。

(c)第1步：定义攻角跟踪误差为：

e₁＝x₁-x_1d (7)

构造非对称障碍李雅普诺夫函数：

其中k_b＝0.008为误差e₁的上界，-k_a＝-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，θ_f1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x_2c通过式(10)所示的滤波器以获得信号x_2d及

其中，ν₂＝x_2d-x_2c，τ₂＝0.05，ρ₂＝0.0001，δ_m2＝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,γ_z1＝0.5，δ_f1＝0.001。

设计自适应律如下：

其中，λ₁＝0.1，δ_ψ1＝0.001。

第2步：定义俯仰角速率跟踪误差为：

e₂＝x₂-x_2d (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，θ_f2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,γ_z2＝0.5，δ_f2＝0.001

设计自适应律如下：

其中，λ₂＝0.01，δ_ψ2＝0.001。

(d)定义速度跟踪误差为：

其中，V_d为速度参考指令。

设计节流阀开度Φ为：

其中，k_pV＝5，k_iV＝1，k_dV＝0.01。

(e)根据得到的升降舵偏角δ_e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，δ_e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、I_yy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，f_i,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x_1d；

步骤3：第1步：定义攻角跟踪误差为：

e₁＝x₁-x_1d (7)

构造非对称障碍李雅普诺夫函数：

其中k_b>0为误差e₁的上界，-k_a<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，θ_f1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x_2c通过式(10)所示的滤波器以获得信号x_2d及

其中，ν₂＝x_2d-x_2c，τ₂>0、ρ₂>0及δ_m2>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，γ_z1>0及δ_f1>0由设计者给出；

设计自适应律如下：

其中，λ₁>0及δ_ψ1>0由设计者给出；

第2步：定义俯仰角速率跟踪误差为：

e₂＝x₂-x_2d (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，θ_f2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，γ_z2>0及δ_f2>0由设计者给出；

设计自适应律如下：

其中，λ₂>0及δ_ψ2>0由设计者给出；

步骤4：定义速度跟踪误差为：

其中，V_d为速度参考指令；

设计节流阀开度Φ为：

其中，k_pV>0、k_iV>0和k_dV>0由设计者给定；

步骤5：根据得到的升降舵偏角δ_e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。