CN111007720A - 高超声速飞行器多传感器故障的非线性自愈合控制方法 - Google Patents
高超声速飞行器多传感器故障的非线性自愈合控制方法 Download PDFInfo
- Publication number
- CN111007720A CN111007720A CN201911264079.8A CN201911264079A CN111007720A CN 111007720 A CN111007720 A CN 111007720A CN 201911264079 A CN201911264079 A CN 201911264079A CN 111007720 A CN111007720 A CN 111007720A
- Authority
- CN
- China
- Prior art keywords
- fault
- sensor
- com
- nonlinear
- designing
- 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
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)
- Feedback Control In General (AREA)
Abstract
本发明公开一种高超声速飞行器多传感器故障的非线性自愈合控制方法,步骤是:针对高超声速飞行器巡航阶段纵向非线性模型,采用输入输出反馈线性化技术,得到高超声速飞行器纵向仿射非线性系统;针对得到的系统建立滑模面,设计无故障情况下的滑模控制器;对原健康系统注入多传感器恒偏差故障,设计故障估计方案,具体如下:针对速度通道设计非线性自适应观测器;针对高度通道,设计反步滑模观测器来估计状态量与传感器故障;获得高度与速度传感器故障估计结果后,设计容错控制器,对高度传感器与速度传感器的输出信号进行补偿。此种方法可以解决高超声速飞行器纵向系统遭受速度和角度通道多传感器故障情况下的容错控制问题,提高系统自愈合能力。
Description
技术领域
本发明属于高超声速飞行器传感器故障容错控制技术领域,特别涉及一种针对高超声速飞行器多传感器故障的非线性自愈合控制方法。
背景技术
近年来,由于高超声速飞行器在发射成本、飞行速度、航天运输和全球打击等军用民用方面具有诸多优势,因此备受关注。与传统航空航天飞行器相比,高超声速飞行器具有强非线性,强耦合和快时变性等动力学特征。近空间中大气密度、温度和气流环境等条件比普通飞机飞行环境更为复杂和苛刻,传感器系统容易受到冰冻、高温和雷电等影响,产生故障,测量值产生偏差甚至传感器系统整体测量产生误差,此时针对单个传感器的硬件冗余技术无法发挥作用,因此参考执行器故障处理方法,可以采用基于模型的解析冗余技术估计出故障,通过设计容错控制器进行补偿,从而确保系统稳定性并提高系统可靠性。
目前,针对高超声速飞行器的容错控制研究主要针对发生执行器故障的情况来设计相应的容错控制方法,但考虑高超声速飞行器传感器故障的研究相对而言较少,且基本都基于较为简单的高超声速飞行器线性系统。这些小扰动线性化系统与非线性系统相比,不同通道之间耦合影响较小甚至没有。
发明内容
本发明的目的,在于提供一种高超声速飞行器多传感器故障的非线性自愈合控制方法,以解决高超声速飞行器纵向系统遭受速度和角度通道多传感器故障情况下的容错控制问题,提高系统自愈合能力。
为了达成上述目的,本发明的解决方案是:
一种高超声速飞行器多传感器故障的非线性自愈合控制方法,包括如下步骤:
步骤1,针对高超声速飞行器巡航阶段纵向非线性模型,采用输入输出反馈线性化技术,得到高超声速飞行器纵向仿射非线性系统;
步骤2,针对步骤1得到的纵向仿射非线性系统,建立滑模面,设计无故障情况下的滑模控制器;
步骤3,对原健康系统注入多传感器恒偏差故障,针对该带有多传感器故障的系统,设计故障估计方案,具体如下:针对速度通道设计非线性自适应观测器;针对高度通道,设计反步滑模观测器来估计状态量与传感器故障;
步骤4,根据步骤3获得高度与速度传感器故障估计结果后,设计容错控制器,对高度传感器与速度传感器的输出信号进行补偿。
上述步骤1中,高超声速飞行器巡航阶段纵向非线性模型如下:
其中,U,L,D,Myy分别代表推力、升力、阻力和俯仰力矩;Iyy表示转动惯量,μ是万有引力常数,r为距地心的径向距离且r=h+Re,Re为地球半径。α是攻角,γ是偏航角,ρ是大气密度,V是水平方向速度,q是俯仰角速率,是升降速度,h是飞行高度,βU为发动机油门开度,定义纵向模型控制向量zT=[V γ α βU h];
力和力矩计算公式与系数如下:
上述步骤1中,采用输入输出反馈线性化技术,转化为如下的仿射非线性形式:
其中
π2=[π21 π22 π23 π24 π25]
其中,βUc为发动机油门开度的指令值,βU为发动机油门开度,δe为舵面偏转角度,g11,g12,g21,g22是控制参数矩阵,ψ1,ψ2,π1,π2分别是关于状态变量的系统方程的一阶和二阶偏导数,x=[V γ h α q βU]T是状态变量,FV,Fh是仿射非线性参数矩阵,ωn为发动机模型的频率,β0是侧滑角初值,控制变量输入zu=[δe βU]。
上述步骤2中,设计无故障情况下的滑模控制器的具体过程是:首先设计如下滑模面:
其中常数a,b>0,Vd与hd为给定的参考指令信号;
则滑模控制器如下:
u=G(x)-1(-F(x)-ω-Hsgn(s)-Qs)
其中,ω是姿态角速率,H和Q为正定矩阵,sV,sh为辅助滑模面,eV,eh是跟踪误差。
上述步骤3中,对原健康系统注入如下形式的多传感器恒偏差故障:
其中Vin和hin是真实的高度与速度信号,Vout与hout是传感器测量信号,fv和fh为传感器故障,tf为故障发生时间。
上述针对速度通道设计的非线性自适应观测器设计为:
上述针对高度通道设计的反步滑模观测器设计为:
上述步骤4中,容错控制器设计为:
ucom=Gcom(x)-1(-Fcom(x)-ωcom-Hsgn(scom)-Kscom)
其中ucom为容错控制律,Gcom,Fcom,ωcom,scom为含有补偿后传感器输出信号的变量。
采用上述方案后,本发明考虑的高超声速飞行器纵向仿射非线性模型,能充分体现多通道之间的耦合效应,在此基础上考虑多传感器故障更有意义,强调“多”也是为了体现本发明对耦合影响的处理。
本发明的有益效果是:
(1)本发明可以解决带有多传感器故障的高超声速飞行器巡航阶段纵向系统故障估计与自愈合控制问题,使机体在发生故障后重新跟踪给定参考指令且稳定飞行;
(2)本发明所考虑的为高超声速飞行器纵向放射非线性系统,能比传统的小扰动线性化系统体现出更强的多通道耦合效应;
(3)本发明所设计的反步滑模观测器,将这两个被耦合效应影响的系统参数也视作待估计项,将它考虑进整体估计方案中,解决了多传感器故障多通道之间的耦合影响问题,具有精确的估计结果。
附图说明
图1是本发明多传感器故障估计自愈合控制框图;
图2是无故障情况下速度输出响应曲线;
图3是无故障情况下高度输出响应曲线;
图4是无故障情况下舵偏角和油门开度输入响应曲线;
其中,(a)是舵偏角输入响应曲线,(b)是油门开度输入响应曲线;
图5是速度传感器故障估计结果;
图6是高度传感器故障估计结果;
图7是故障情况下速度响应曲线;
图8是故障情况下高度响应曲线;
图9是故障情况下舵偏角输入响应曲线;
图10是故障情况下油门开度输入响应曲线。
具体实施方式
以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
如图1所示,本发明提供一种高超声速飞行器多传感器故障的非线性自愈合控制方法,首先对通过输入输出线性化得到的仿射非线性模型设计了无故障情况下的标称滑模控制器,用以跟踪给定参考指令;然后针对系统发生的多传感器复合故障,分别为速度和高度通道设计了非线性自适应观测器和反步滑模观测器,因为速度通道传感器故障对高度通道的耦合影响,高度系统参数发生改变,严重影响高度通道传感器故障的估计结果,因此采用反步滑模观测器将受到影响的参数也当作一个估计项,将其考虑进故障估计观测器的整体设计中;最后,利用获得的故障估计结果设计故障容错控制器来补偿故障,改善传感器故障引发的机体严重震动,提升控制效果。
实施此高超声速飞行器多传感器故障的非线性自愈合控制方法的步骤如下:
步骤1,针对高超声速飞行器巡航阶段纵向非线性模型,采用输入输出反馈线性化技术,得到高超声速飞行器纵向仿射非线性系统;
其中,高超声速飞行器巡航阶段纵向非线性模型如下:
其中,U,L,D,Myy分别代表推力、升力、阻力和俯仰力矩;Iyy表示转动惯量,μ是万有引力常数,r为距地心的径向距离且r=h+Re,Re为地球半径。通过输入输出反馈线性化技术,转化为如下的仿射非线性形式:βUc为发动机油门开度的指令值,βU为发动机油门开度,δe为舵面偏转角度,β是侧滑角,ρ是大气密度,定义虚拟控制变量zT=[V γ α βU h]。
π2=[π21 π22 π23 π24 π25]
g11,g12,g21,g22是控制参数矩阵,ψ1,ψ2,π1,π2分别是关于状态变量的系统方程的一阶和二阶偏导数,x=[V γ h α q βU]T是状态变量,FV,Fh是仿射非线性参数矩阵,ωn为发动机模型的频率,β0是侧滑角初值,控制变量输入zu=[δe βU]。
步骤2,针对步骤1所述纵向仿射非线性系统,建立滑模面,设计无故障情况下的滑模控制器,具体过程如下:
首先设计如下滑模面:
其中常数a,b>0,Vd与hd为给定的参考指令信号,sV,sh为辅助滑模面,eV,eh是跟踪误差。
标称滑模控制器如下:
u=G(x)-1(-F(x)-ω-Hsgn(s)-Qs)
ω是姿态角速率,H和Q为正定矩阵。
步骤3,对原健康系统注入如下形式的多传感器恒偏差故障:
其中Vin和hin是真实的高度与速度信号,Vout与hout是传感器测量信号,fv和fh为传感器故障,tf为故障发生时间。
步骤4,针对带有多传感器故障的系统,设计故障估计方案,具体如下:针对速度通道设计非线性自适应观测器;针对高度通道,考虑速度通道传感器故障带来的负面耦合影响,设计了反步滑模观测器来估计状态量与传感器故障;
其中,针对速度通道设计的非线性自适应观测器设计为:
针对高度通道设计的反步滑模观测器设计为:
步骤5,根据步骤4获得高度与速度传感器故障估计结果后,设计容错控制器,对高度传感器与速度传感器的输出信号进行补偿,所述容错控制器设计为:
ucom=Gcom(x)-1(-Fcom(x)-ωcom-Hsgn(scom)-Kscom)
其中ucom为容错控制律,Gcom,Fcom,ωcom,scom为含有补偿后传感器输出信号的变量。
下面对本发明进行仿真验证。
下面给出基于Matlab/Simulink仿真平台的实验结果。假设高超声速飞行器在巡航阶段稳定飞行时的状态为:
其中Vd和hd为速度和高度的参考指令。相应地,假设高超声速飞行器初始飞行条件为:
图2-10给出无故障情况下的输入输出响应、多传感器故障估计结果、容错控制后的输入输出响应三个部分的仿真结果。仿真实验证明了本发明所设计的包含非线性滑模容错控制器、非线性自适应观测器和反步滑模观测器的自愈合方法能有效处理高超声速飞行器纵向模型的多传感器故障,使机体在发生故障后能快速重新跟踪给定参考指令,恢复稳定。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (8)
1.一种高超声速飞行器多传感器故障的非线性自愈合控制方法,其特征在于包括如下步骤:
步骤1,针对高超声速飞行器巡航阶段纵向非线性模型,采用输入输出反馈线性化技术,得到高超声速飞行器纵向仿射非线性系统;
步骤2,针对步骤1得到的纵向仿射非线性系统,建立滑模面,设计无故障情况下的滑模控制器;
步骤3,对原健康系统注入多传感器恒偏差故障,针对该带有多传感器故障的系统,设计故障估计方案,具体如下:针对速度通道设计非线性自适应观测器;针对高度通道,设计反步滑模观测器来估计状态量与传感器故障;
步骤4,根据步骤3获得高度与速度传感器故障估计结果后,设计容错控制器,对高度传感器与速度传感器的输出信号进行补偿。
2.如权利要求1所述的高超声速飞行器多传感器故障的非线性自愈合控制方法,其特征在于:所述步骤1中,高超声速飞行器巡航阶段纵向非线性模型如下:
其中,U,L,D,Myy分别代表推力、升力、阻力和俯仰力矩;Iyy表示转动惯量,μ是万有引力常数,r为距地心的径向距离且r=h+Re,Re为地球半径,α是攻角,γ是偏航角,ρ是大气密度,V是水平方向速度,q是俯仰角速率,是升降速度,h是飞行高度,βU为发动机油门开度,定义纵向模型控制向量zT=[V γ α βU h];
力和力矩计算公式与系数如下:
其中,ce为常数,取值ce=0.0292;c是平均空气动力弦长;S是参考机翼面积,CU,CL,CD,CM(α),CM(δe),CM(q)分别是相关的空气动力系数参数。
8.如权利要求1所述的高超声速飞行器多传感器故障的非线性自愈合控制方法,其特征在于:所述步骤4中,容错控制器设计为:
ucom=Gcom(x)-1(-Fcom(x)-ωcom-H sgn(scom)-Kscom)
其中ucom为容错控制律,Gcom,Fcom,ωcom,scom为含有补偿后传感器输出信号的变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911264079.8A CN111007720A (zh) | 2019-12-11 | 2019-12-11 | 高超声速飞行器多传感器故障的非线性自愈合控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911264079.8A CN111007720A (zh) | 2019-12-11 | 2019-12-11 | 高超声速飞行器多传感器故障的非线性自愈合控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111007720A true CN111007720A (zh) | 2020-04-14 |
Family
ID=70115690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911264079.8A Pending CN111007720A (zh) | 2019-12-11 | 2019-12-11 | 高超声速飞行器多传感器故障的非线性自愈合控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007720A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112882486A (zh) * | 2021-01-27 | 2021-06-01 | 曲阜师范大学 | 一种基于输出信息的高超声速飞行器轨迹跟踪控制方法 |
CN112925204A (zh) * | 2021-01-21 | 2021-06-08 | 深圳翱诺科技有限公司 | 基于加强学习的非仿射系统最优容错控制方法 |
CN114415515A (zh) * | 2022-01-20 | 2022-04-29 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种针对固定翼无人机舵面卡死状态下的容错飞行控制方法 |
CN114995163A (zh) * | 2022-08-03 | 2022-09-02 | 西北工业大学 | 一种无人机免疫控制方法 |
CN115437244A (zh) * | 2022-11-08 | 2022-12-06 | 西北工业大学 | 面向非线性传感器故障的飞机飞行容错控制系统及方法 |
CN115981149A (zh) * | 2022-12-09 | 2023-04-18 | 中国矿业大学 | 基于安全强化学习的高超声速飞行器最优控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854874A (zh) * | 2012-06-18 | 2013-01-02 | 南京航空航天大学 | 一种基于联合多观测器的故障诊断与容错控制装置及方法 |
CN103135547A (zh) * | 2013-03-24 | 2013-06-05 | 西安费斯达自动化工程有限公司 | 飞行器协调转弯故障诊断和容错控制方法 |
CN103149929A (zh) * | 2013-03-24 | 2013-06-12 | 西安费斯达自动化工程有限公司 | 飞行器纵向运动故障诊断和容错控制方法 |
CN103616816A (zh) * | 2013-11-15 | 2014-03-05 | 南京航空航天大学 | 一种高超声速飞行器升降舵故障控制方法 |
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
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 |
CN108825386A (zh) * | 2018-08-24 | 2018-11-16 | 南京航空航天大学 | 一种近空间飞行器非高斯发动机的自修复控制方法 |
-
2019
- 2019-12-11 CN CN201911264079.8A patent/CN111007720A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102854874A (zh) * | 2012-06-18 | 2013-01-02 | 南京航空航天大学 | 一种基于联合多观测器的故障诊断与容错控制装置及方法 |
CN103135547A (zh) * | 2013-03-24 | 2013-06-05 | 西安费斯达自动化工程有限公司 | 飞行器协调转弯故障诊断和容错控制方法 |
CN103149929A (zh) * | 2013-03-24 | 2013-06-12 | 西安费斯达自动化工程有限公司 | 飞行器纵向运动故障诊断和容错控制方法 |
CN103616816A (zh) * | 2013-11-15 | 2014-03-05 | 南京航空航天大学 | 一种高超声速飞行器升降舵故障控制方法 |
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
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 |
CN108825386A (zh) * | 2018-08-24 | 2018-11-16 | 南京航空航天大学 | 一种近空间飞行器非高斯发动机的自修复控制方法 |
Non-Patent Citations (3)
Title |
---|
FUYANG CHEN等: "Nonlinear Fault-Tolerant Control for Hypersonic Flight Vehicle With Multi-Sensor Faults", 《IEEE ACCESS 》 * |
JIAN ZHANG等: "Robust sensor fault estimation scheme for satellite attitude control systems", 《JOURNAL OF THE FRANKLIN INSTITUTE》 * |
胡龙泽: "高超声速飞行器舵面故障估计与自愈合控制方法研究", 《中国优秀硕士论文电子期刊网 工程科技Ⅱ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925204A (zh) * | 2021-01-21 | 2021-06-08 | 深圳翱诺科技有限公司 | 基于加强学习的非仿射系统最优容错控制方法 |
CN112925204B (zh) * | 2021-01-21 | 2022-06-24 | 深圳翱诺科技有限公司 | 基于加强学习的非仿射系统最优容错控制方法 |
CN112882486A (zh) * | 2021-01-27 | 2021-06-01 | 曲阜师范大学 | 一种基于输出信息的高超声速飞行器轨迹跟踪控制方法 |
CN112882486B (zh) * | 2021-01-27 | 2022-07-15 | 曲阜师范大学 | 一种基于输出信息的高超声速飞行器轨迹跟踪控制方法 |
CN114415515A (zh) * | 2022-01-20 | 2022-04-29 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种针对固定翼无人机舵面卡死状态下的容错飞行控制方法 |
CN114415515B (zh) * | 2022-01-20 | 2023-03-21 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种针对固定翼无人机舵面卡死状态下的容错飞行控制方法 |
CN114995163A (zh) * | 2022-08-03 | 2022-09-02 | 西北工业大学 | 一种无人机免疫控制方法 |
CN114995163B (zh) * | 2022-08-03 | 2022-12-16 | 西北工业大学 | 一种无人机免疫控制方法 |
CN115437244A (zh) * | 2022-11-08 | 2022-12-06 | 西北工业大学 | 面向非线性传感器故障的飞机飞行容错控制系统及方法 |
CN115981149A (zh) * | 2022-12-09 | 2023-04-18 | 中国矿业大学 | 基于安全强化学习的高超声速飞行器最优控制方法 |
CN115981149B (zh) * | 2022-12-09 | 2024-01-09 | 中国矿业大学 | 基于安全强化学习的高超声速飞行器最优控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109426146B (zh) | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 | |
CN107450324B (zh) | 考虑攻角约束的高超声速飞行器自适应容错控制方法 | |
CN101937233B (zh) | 近空间高超声速飞行器非线性自适应控制方法 | |
CN111045441B (zh) | 一种高超声速飞行器传感器复合故障自愈合控制方法 | |
CN109358634B (zh) | 一种高超声速飞行器鲁棒自适应控制方法 | |
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 | |
CN103616816B (zh) | 一种高超声速飞行器升降舵故障控制方法 | |
CN108776434B (zh) | 一种高超声速飞行器快速自适应滑模容错控制方法 | |
CN114281092B (zh) | 一种基于滑模干扰观测器的高超声速飞行器协调姿态控制方法 | |
CN111290278B (zh) | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 | |
CN109164708B (zh) | 一种高超声速飞行器神经网络自适应容错控制方法 | |
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 | |
CN112327926B (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN111273681A (zh) | 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 | |
Zhang et al. | Control surface faults neural adaptive compensation control for tailless flying wing aircraft with uncertainties | |
CN110262448A (zh) | 具有状态限制的高超声速飞行器升降舵故障容错控制方法 | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
Ouellette | Flight dynamics and maneuver loads on a commercial aircraft with discrete source damage | |
Xiong et al. | Disturbance Rejection in UAV's velocity and attitude control: Problems and solutions | |
CN113110538A (zh) | 一种基于反步法控制的舰载机着舰固定时间容错控制方法 | |
CN111159812B (zh) | 一种吸气式高超声速无人机损伤特性分析方法 | |
CN110231774A (zh) | 干扰观测变进气道高超声速飞行器模糊协调控制方法 | |
CN115981265A (zh) | 基于扩张观测器的舰载机故障在线检测方法 | |
Song et al. | A perched landing control method based on incremental nonlinear dynamic inverse |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200414 |
|
RJ01 | Rejection of invention patent application after publication |