CN111208733B - 一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 - Google Patents
一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 Download PDFInfo
- Publication number
- CN111208733B CN111208733B CN202010056922.XA CN202010056922A CN111208733B CN 111208733 B CN111208733 B CN 111208733B CN 202010056922 A CN202010056922 A CN 202010056922A CN 111208733 B CN111208733 B CN 111208733B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- disturbance
- wind
- model
- turbulent
- 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 36
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 33
- 230000006870 function Effects 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000000694 effects Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000002411 adverse Effects 0.000 claims description 6
- 230000009131 signaling function Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 101100440985 Danio rerio crad gene Proteins 0.000 description 5
- 101100440987 Mus musculus Cracd gene Proteins 0.000 description 5
- 101100467905 Mus musculus Rdh16 gene Proteins 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 208000014674 injury Diseases 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法,包括:1.依据现有的飞行器控制系统的横侧向与纵向运动模型,在确定湍流扰动的主导风向的基础上,考虑飞行器遭遇不同主导风向的湍流扰动时的情况,建立与其对应的扰动模型,用于表征飞行器此时的横侧向与纵向运动模型。2.采用一般的输入‑输出系统模型,表征遭遇不同主导风向的湍流扰动时的飞行器的横侧向与纵向运动模型。3.基于用于建立分段函数的指标函数,建立一个基于时间分段的输入‑输出系统模型。4.假设现有的飞行器控制系统参数和湍流扰动参数均已知并根据已知条件建立标称控制器。5.假设现有的飞行器控制系统参数和湍流扰动参数均未知并根据已知条件建立自适应控制器。本发明可使飞行器控制系统在遭遇多个主导风向的湍流扰动交替影响时,有效保证飞行器控制系统实现期望的闭环稳定和输出跟踪性能,从而实现飞行器的安全飞行。
Description
技术领域
本发明属于飞行器自动控制技术领域,特别是针对最小相位特性的飞行器控制系统,采用模型参考自适应的控制方法,涉及一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法。
背景技术
随着科学技术的不断革新,新型飞行器不断涌现,使飞行器朝着具有多变量、强耦合、快时变、强非线性等特点的方向发展。由于飞行器系统的复杂性,其对外部环境的影响也就越发敏感,对其抗干扰的研究也就越发重要。在外部环境对飞行器的影响中,天气原因是较为明显直观的那个。大气湍流作为一种随机不规则的大气运动形式,会影响飞行器大多时候的飞行质量,可能造成飞机的疲劳损伤,严重时更可能导致人员伤害。例如2001年,一架型号为A300-600的空中巴士就因尾部遇到湍流扰动而导致了坠毁;另外在稍往前的1993年,一架波音747就在美国的加利福尼亚,同样因遭到湍流的影响而发生了坠毁,机上人员全部死亡。
现有的抑制湍流扰动影响的控制方法,忽略了湍流的随机而不规则的运动形式,将其机械式地理解为单一方向的风扰动。本发明从湍流的风向随机的角度出发,发明一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法。
发明内容
发明目的为将湍流模型更合理地认作为一个具有方向随机性的数学模型,从而对飞行器的飞行环境做出更合理的设想。即:将湍流扰动在多个主导风向建模,得到不同主导风向上的各个不同的扰动模型,再据此设计一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法。
为解决上述技术问题,本发明采用如下技术方案。
步骤1、依据现有的飞行器控制系统的横侧向与纵向运动模型,在确定湍流扰动的主导风向的基础上,考虑飞行器遭遇不同主导风向的湍流扰动时的情况,建立与其对应的扰动模型,用于表征飞行器此时的横侧向与纵向运动模型;
步骤2、采用一般的输入-输出系统模型,表征步骤1所述的遭遇不同主导风向的湍流扰动时的飞行器的横侧向与纵向运动模型;
步骤3、基于用于建立分段函数的指标函数,建立一个基于时间分段的输入-输出系统模型,其分段的物理表征是主导风向的改变;并确保:一是闭环系统的稳定性和输出跟踪性能;二是系统中的各个信号函数都有界;
步骤4、由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均已知:建立系统的输入-输出模型,根据已知条件建立标称控制器;
步骤5、由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均未知:将系统模型与扰动模型参数化,引入误差函数,根据误差函数建立飞行器系统的自适应律,得到自适应控制器的表达式,使其满足步骤3的条件;
进一步地,所述步骤1的具体过程如下:
步骤1-1、湍流扰动的主导风向是指,虽然湍流风的方向是时变而随机的,且可能是多个方向的复合,但在选定的某个时刻,可以将湍流风简化为一个具有单一且固定方向的理想模型,此时的方向即为湍流风的主导风向,通常是湍流风分量中最大分量的方向,以下考虑的主导风向为大地坐标系的x,y,z轴方向。
现有的飞行器纵向运动模型为
其中x1=(ΔVK,ΔαK,Δq,Δθ)T为状态量,VK为飞行器的航迹速度,αK为航迹速度造成的抬升角,q为俯仰角速度,θ为俯仰角;u1=(Δδf,Δδm)T为输入量,δf为有效油门开度,δm为升降舵偏角,各矩阵为
其中,m为飞行器质量,G为重力,V为飞行器的对地速度,VA为飞行器的对空速度,Lq为气动力中的升力,D为气动力中的阻力,α为飞行器的攻角,T为飞行器的推进力,σ为推进力与机身之间的夹角,M为气动力俯仰力矩,γ为航迹倾角,Te为推进力引起的俯仰力矩,Iy为对机体坐标系y轴的惯性矩;另外,下标带0的量为飞行器线性化时该变量的初始值。
若不忽略湍流扰动对飞行器的影响,其纵向运动模型为
其中
扰动量d1=(uW,wW,wWx)T,uW为湍流风在大地坐标系中沿x轴的分量,wW为湍流风在大地坐标系中沿z轴的分量,wWx为,定义在机体坐标系中的,由于湍流风在沿机体坐标系x轴方向上的作用力的不均匀,而引起的导致飞行器产生俯仰力矩的风梯度,其符号意义为湍流风在沿大地坐标系的z轴的分量wW作用在沿机体坐标系x轴方向上的风梯度,需要注意的是,与wWx作用效果相似的还有uWz,但通常uWz由于远远小于wWx而被忽略;
在飞行器的非线性纵向模型的线性化中,若忽略扰动量d1得到的即为公式(1),若不忽略扰动量d1得到的即为公式(2)。
现有的飞行器横侧向运动模型为
其中x2=(ΔβK,Δp,Δr,Δφ)T为状态量,βK为航迹速度造成的侧滑角,p为飞行器滚转角速度,r为飞行器偏航角速度,φ为飞行器滚转角;u2=(Δδl,Δδn)T为输入量,δl为副翼偏转角,δn为方向舵偏转角,各矩阵为
其中,Y为飞行器侧力的和,Lm为气动力滚转力矩,N为气动力偏航力矩,β为飞行器的侧滑角,Ix与Iz分别为对应的惯性矩,Izx为对应的惯性积。
若不忽略湍流扰动对飞行器的影响,其横侧向运动模型为
其中
扰动量d2=(vW,wWy,vWx)T,vW为湍流风在大地坐标系中沿y轴的分量,wWy与vWx为相应的风梯度;
在飞行器的非线性横侧向模型的线性化中,若忽略扰动量d2得到的即为公式(3),若不忽略扰动量d1得到的即为公式(4)。
步骤1-2、接下来考虑湍流扰动模型,其根据主导风向的不同而不同,飞行器做纵向运动时,若湍流风的主导风向为x轴方向,此时只需考虑d1=(uW,wW,wWx)T中的分量uW与引起俯仰力矩的风梯度即可,则矩阵R1此时为
其中扰动量为d11=(uW,u′Wx)T,需注意的是,由于原风梯度是定义在机体坐标系中的,若按照原来的定义方式,那么沿机体坐标系x轴方向的湍流风分量uW,其不能产生俯仰力矩;因此将风梯度定义在大地坐标系中,把在大地坐标系中定义的新的风梯度在右上角标一个引号以示区别。此时沿大地坐标系x轴方向的湍流风分量uW,在飞行器初始攻角不为0时,即能产生俯仰力矩;另外,在原模型d1=(uW,wW,wWx)T中定义的风梯度扰动量wWx,其本质为使飞行器产生俯仰力矩的风梯度,在实际中能产生相同扰动效果的还有风梯度uWz,只是因为量值通常较小被忽略,在这个例子中,由于我们未考虑z轴方向的湍流扰动,因此要把x轴方向的湍流扰动所带来的风梯度影响考虑在内,原横侧向运动模型中定义的扰动量d2=(vW,wWy,vWx)T同理,与风梯度wWy有同样扰动效果的还有风梯度v′Wz,与风梯度vWx有同样扰动效果的还有风梯度u′Wy。
若湍流风的主导风向为y轴方向,则此时不影响飞行器的纵向运动模型,即R12=0;
若湍流风的主导风向为z轴方向,则矩阵R1此时为
其中扰动量d13=(wW,w′Wx)T;
其中扰动量d21=u′Wy;
若湍流风的主导风向为y轴方向,则矩阵R2此时为
其中扰动量d22=(vW,v′Wz,v′Wx)T;
若湍流风的主导风向为z轴,则矩阵R2此时为
其中扰动量d23=w′Wy;
进一步地,所述步骤2的具体过程如下:
由步骤1,可将飞行器遭遇湍流扰动时的纵向与横侧向运动模型简写,其纵向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的纵向运动模型,其可以化简成一般形式
同理,其横侧向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的横侧向运动模型,其可以化简成一般形式
进一步地,所述步骤3的具体过程如下:
步骤3-1、针对飞行器的纵向运动模型或者是横侧向运动模型,将其表示为时变的输入-输出模型,为防止歧义,下文默认选择的是纵向运动模型,其可表示为
其中A∈Rn×n,B∈Rn×M,C∈RM×n是常值时不变矩阵,以及x(t)∈Rn,u(t)∈RM,y(t)∈RM;
步骤3-2、接下来引入用于建立分段函数的指标函数;由步骤2,Bd(t)∈Rn×p是时变的分段矩阵,其表达的意思是,Bd(t)在指定的不同时刻,即每一个不同的分段上,会有不一样的值,用Bdi来表示Bd(t)的各个分段上的取值,其中i∈£={1,2,...,l}表示Bd(t)的所有可能取值情况,每一个Bdi称为Bd(t)的一个模态。
为方便表示这一种数学关系,引入
由此,Bd(t)可以表示为
这样,就可以用数学模型来表征湍流风的主导风向的改变了。
进一步地,所述步骤4的具体过程如下:
其中Pm(s)是已知的,相对阶与系统一致的首一多项式,r(t)为系统的参考输入,作用为通过参考模型Wm(s)产生参考输出ym(t)。
步骤4-2、假设现有的飞行器控制系统参数和湍流扰动参数均已知,由此可建立一个标称控制器,其表达式如下
步骤4-3、由此,将标称控制器的表达式(13)代入(9),其闭环系统可以表示为如下形式
则可以得到输出表达式满足
进一步地,所述步骤5的具体过程如下:
步骤5-1、在系统参数未知的情况下,首先对进行参数化,(9)中的d(t)是对输入不匹配的扰动向量,即Bdi≠Bα,其可以表示为d(t)=[d1(t),…,dp(t)]T∈Rp,其中的每一项dj(t),又可以表示为
因此将d(t)表示为
d(t)=Φ*Tf(t) (21)
其中
其中
步骤5-2、在系统参数未知的情况下,对自适应控制器进行参数化后,可得
步骤5-3、将上述步骤得到的自适应控制器代入(9),就得到了系统的闭环表达式
定义如下参数
∈(t)=ξm(s)h(s)[y-ym](t)+Ψ(t)ξ(t) (29)
其中Ψ1(t)是Ψ*的自适应估计值,以及ζ(t)=h(s)[ω](t),ξ(t)=ΘT(t)ζ(t)-h(s)[u](t);ξm(s)是一个对角阵,其可以表示为ξm(s)=diag{d1(s),…dM(s)},ξm(s)中的每一项di(s)可以表示为
步骤5-4、结合(28),估计误差可以表示为
注意到此处的ξ(t)是具有分段形式的变量,因此可以将其表示为
基于上述步骤,将自适应律定义为
与现有技术相比,本发明包括以下优点和有益效果:
1.本发明可解决飞行器控制系统的以下问题:1)其飞行器控制系统是多输入多输出的,飞行器控制系统的参数及扰动模型均是未知的,即:湍流风的主导风向是未知的,一个主导风向上的持续时间也是未知的;2)湍流风分别在多个主导风向上持续不停地作用且交替进行时,飞行器的稳定性问题及输出跟踪问题;3)确立湍流风的主导风向,忽略次要的湍流风分量能有效降低系统的计算复杂度。
2.本发明采用模型参考自适应控制法进行湍流扰动的抑制控制,可以有效补偿多个主导风向下湍流扰动的交替持续作用所引起的影响,同时能保证飞行器控制系统实现期望的闭环稳定和输出跟踪性能。
3.本发明适用于飞行器控制系统中,在飞行器控制系统在飞行途中遭遇大气湍流扰动时,确保飞行器的安全飞行。
附图说明
图1是本发明的一种实施例的自适应补偿控制方法框图。
图2a-2b是参考输入为常值,r(t)=[1,0.1]T,湍流扰动为常值,d(t)=[vW,pW]T,pW(t)=0.5(crad/s),vW(t)=20(ft/s),时间间隔为T=150s情况下的控制系统响应图。
图3a-3b是参考输入为常值,r(t)=[1,0.1]T,湍流扰动一项为常值,一项为时变量,d(t)=[vW,pW]T,时间间隔为T=150s情况下的控制系统响应图。
图4a-4b是参考输入为时变量,r(t)=[sin(0.2t),0.03sin(0.05t)]T,湍流扰动为常值,d(t)=[vW,pW]T,pW(t)=0.5(crad/s),vW(t)=20(ft/s),时间间隔为T=150s情况下的控制系统响应图。
图5a-5b是参考输入为时变量,r(t)=[sin(0.2t),0.03sin(0.05t)]T,湍流扰动为时变量,d(t)=[vW,pW]T,pW(t)=0.5(crad/s),vW(t)=20(ft/s),时间间隔为T=150s情况下的控制系统响应图。
具体实施方式
本发明的一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法,适用于解决以下问题1)其飞行器控制系统是多输入多输出的,飞行器控制系统的参数及扰动模型均是未知的,即:湍流风的主导风向是未知的,一个主导风向上的持续时间也是未知的;2)湍流风分别在多个主导风向上持续不停地作用且交替进行时,飞行器的稳定性问题及输出跟踪问题。本发明采用模型参考自适应控制法进行湍流扰动的抑制控制,可以有效补偿多个主导风向下湍流扰动的交替持续作用所引起的影响,同时能保证飞行器控制系统实现期望的闭环稳定和输出跟踪性能。且适用于飞行器控制系统中,在飞行器控制系统在飞行途中遭遇大气湍流扰动时,确保飞行器的安全飞行。包括以下几个步骤:(1)依据现有的飞行器控制系统的横侧向与纵向运动模型,在确定湍流扰动的主导风向的基础上,考虑飞行器遭遇不同主导风向的湍流扰动时的情况,建立与其对应的扰动模型,用于表征飞行器此时的横侧向与纵向运动模型;(2)采用一般的输入-输出系统模型,表征步骤1所述的遭遇不同主导风向的湍流扰动时的飞行器的横侧向与纵向运动模型;(3)基于用于建立分段函数的指标函数,建立一个基于时间分段的输入-输出系统模型,其分段的物理表征是主导风向的改变;并确保:一是闭环系统的稳定性和输出跟踪性能;二是系统中的各个信号函数都有界;(4)由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均已知:建立系统的输入-输出模型,根据已知条件建立标称控制器;(5)由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均未知:将系统模型与扰动模型参数化,引入误差函数,根据误差函数建立飞行器系统的自适应律,得到自适应控制器的表达式,使其满足步骤3的条件;本发明方法可有效保障飞行器控制系统在正常飞行时遭遇多个方向上不同主导风向的湍流扰动交替作用时的安全飞行。
下面结合附图对本发明作进一步详细说明。
图1是本发明的一种实施例的自适应补偿控制方法框图。该实施例方法,包括步骤如下:
步骤1、依据现有的飞行器控制系统的横侧向与纵向运动模型,在确定湍流扰动的主导风向的基础上,考虑飞行器遭遇不同主导风向的湍流扰动时的情况,建立与其对应的扰动模型,用于表征飞行器此时的横侧向与纵向运动模型;
所述步骤1的具体过程如下:
步骤1-1、湍流扰动的主导风向是指,虽然湍流风的方向是时变而随机的,且可能是多个方向的复合,但在选定的某个时刻,可以将湍流风简化为一个具有单一且固定方向的理想模型,此时的方向即为湍流风的主导风向,通常是湍流风分量中最大分量的方向,以下考虑的主导风向为大地坐标系的x,y,z轴方向。
现有的飞行器纵向运动模型为
其中x1=(ΔVK,ΔαK,Δq,Δθ)T为状态量,VK为飞行器的航迹速度,αK为航迹速度造成的抬升角,q为俯仰角速度,θ为俯仰角;u1=(Δδf,Δδm)T为输入量,δf为有效油门开度,δm为升降舵偏角,各矩阵为
其中,m为飞行器质量,G为重力,V为飞行器的对地速度,VA为飞行器的对空速度,Lq为气动力中的升力,D为气动力中的阻力,α为飞行器的攻角,T为飞行器的推进力,σ为推进力与机身之间的夹角,M为气动力俯仰力矩,γ为航迹倾角,Te为推进力引起的俯仰力矩,Iy为对机体坐标系y轴的惯性矩;另外,下标带0的量为飞行器线性化时该变量的初始值。
若不忽略湍流扰动对飞行器的影响,其纵向运动模型为
其中
扰动量d1=(uW,wW,wWx)T,uW为湍流风在大地坐标系中沿x轴的分量,wW为湍流风在大地坐标系中沿z轴的分量,wWx为,定义在机体坐标系中的,由于湍流风在沿机体坐标系x轴方向上的作用力的不均匀,而引起的导致飞行器产生俯仰力矩的风梯度,其符号意义为湍流风在沿大地坐标系的z轴的分量wW作用在沿机体坐标系x轴方向上的风梯度,需要注意的是,与wWx作用效果相似的还有uWz,但通常uWz由于远远小于wWx而被忽略;
在飞行器的非线性纵向模型的线性化中,若忽略扰动量d1得到的即为公式(33),若不忽略扰动量d1得到的即为公式(34)。
现有的飞行器横侧向运动模型为
其中x2=(ΔβK,Δp,Δr,Δφ)T为状态量,βK为航迹速度造成的侧滑角,p为飞行器滚转角速度,r为飞行器偏航角速度,φ为飞行器滚转角;u2=(Δδl,Δδn)T为输入量,δl为副翼偏转角,δn为方向舵偏转角,各矩阵为
其中,Y为飞行器侧力的和,Lm为气动力滚转力矩,N为气动力偏航力矩,β为飞行器的侧滑角,Ix与Iz分别为对应的惯性矩,Izx为对应的惯性积。
若不忽略湍流扰动对飞行器的影响,其横侧向运动模型为
其中
扰动量d2=(vW,wWy,vWx)T,vW为湍流风在大地坐标系中沿y轴的分量,wWy与vWx为相应的风梯度;
在飞行器的非线性横侧向模型的线性化中,若忽略扰动量d2得到的即为公式(35),若不忽略扰动量d1得到的即为公式(36)。
步骤1-2、接下来考虑湍流扰动模型,其根据主导风向的不同而不同,飞行器做纵向运动时,若湍流风的主导风向为x轴方向,此时只需考虑d1=(uW,wW,wWx)T中的分量uW与引起俯仰力矩的风梯度即可,则矩阵R1此时为
其中扰动量为d11=(uW,u′Wx)T,需注意的是,由于原风梯度是定义在机体坐标系中的,若按照原来的定义方式,那么沿机体坐标系x轴方向的湍流风分量uW,其不能产生俯仰力矩;因此将风梯度定义在大地坐标系中,把在大地坐标系中定义的新的风梯度在右上角标一个引号以示区别。此时沿大地坐标系x轴方向的湍流风分量uW,在飞行器初始攻角不为0时,即能产生俯仰力矩;另外,在原模型d1=(uW,wW,wWx)T中定义的风梯度扰动量wWx,其本质为使飞行器产生俯仰力矩的风梯度,在实际中能产生相同扰动效果的还有风梯度uWz,只是因为量值通常较小被忽略,在这个例子中,由于我们未考虑z轴方向的湍流扰动,因此要把x轴方向的湍流扰动所带来的风梯度影响考虑在内,原横侧向运动模型中定义的扰动量d2=(vW,wWy,vWx)T同理,与风梯度wWy有同样扰动效果的还有风梯度v′Wz,与风梯度vWx有同样扰动效果的还有风梯度u′Wy。
若湍流风的主导风向为y轴方向,则此时不影响飞行器的纵向运动模型,即R12=0;
若湍流风的主导风向为z轴方向,则矩阵R1此时为
其中扰动量d13=(wW,w′Wx)T;
其中扰动量d21=u′Wy;
若湍流风的主导风向为y轴方向,则矩阵R2此时为
其中扰动量d22=(vW,v′Wz,v′Wx)T;
若湍流风的主导风向为z轴,则矩阵R2此时为
其中扰动量d23=w′Wy;
所述步骤2的具体过程如下:
由步骤1,可将飞行器遭遇湍流扰动时的纵向与横侧向运动模型简写,其纵向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的纵向运动模型,其可以化简成一般形式
同理,其横侧向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的横侧向运动模型,其可以化简成一般形式
步骤3、基于用于建立分段函数的指标函数,建立一个基于时间分段的输入-输出系统模型,其分段的物理表征是主导风向的改变;并确保:一是闭环系统的稳定性和输出跟踪性能;二是系统中的各个信号函数都有界;
所述步骤3的具体过程如下:
步骤3-1、针对飞行器的纵向运动模型或者是横侧向运动模型,将其表示为时变的输入-输出模型,为防止歧义,下文默认选择的是纵向运动模型,其可表示为
其中A∈Rn×n,B∈Rn×M,C∈RM×n是常值时不变矩阵,以及x(t)∈Rn,u(t)∈RM,y(t)∈RM;
步骤3-2、接下来引入用于建立分段函数的指标函数;由步骤2,Bd(t)∈Rn×p是时变的分段矩阵,其表达的意思是,Bd(t)在指定的不同时刻,即每一个不同的分段上,会有不一样的值,用Bdi来表示Bd(t)的各个分段上的取值,其中i∈£={1,2,...,l}表示Bd(t)的所有可能取值情况,每一个Bdi称为Bd(t)的一个模态。
为方便表示这一种数学关系,引入
由此,Bd(t)可以表示为
这样,就可以用数学模型来表征湍流风的主导风向的改变了。
步骤4、由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均已知:建立系统的输入-输出模型,根据已知条件建立标称控制器;
所述步骤4的具体过程如下:
其中Pm(s)是已知的,相对阶与系统一致的首一多项式,r(t)为系统的参考输入,作用为通过参考模型Wm(s)产生参考输出ym(t)。
步骤4-2、假设现有的飞行器控制系统参数和湍流扰动参数均已知,由此可建立一个标称控制器,其表达式如下
步骤4-3、由此,将标称控制器的表达式(13)代入(9),其闭环系统可以表示为如下形式
则可以得到输出表达式满足
步骤5、由步骤3,设计一种基于用于建立分段函数的指标函数的模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均未知:将系统模型与扰动模型参数化,引入误差函数,根据误差函数建立飞行器系统的自适应律,得到自适应控制器的表达式,使其满足步骤3的条件;
所述步骤5的具体过程如下:
步骤5-1、在系统参数未知的情况下,首先对进行参数化,(9)中的d(t)是对输入不匹配的扰动向量,即Bdi≠Bα,其可以表示为d(t)=[d1(t),…,dp(t)]T∈Rp,其中的每一项dj(t),又可以表示为
因此将d(t)表示为
d(t)=Φ*Tf(t) (53)
其中
其中
步骤5-2、在系统参数未知的情况下,对自适应控制器进行参数化后,可得
步骤5-3、将上述步骤得到的自适应控制器代入(41),就得到了系统的闭环表达式
定义如下参数
∈(t)=ξm(s)h(s)[y-ym](t)+Ψ(t)ξ(t) (61)
其中Ψ1(t)是Ψ*的自适应估计值,以及ζ(t)=h(s)[ω](t),ξ(t)=ΘT(t)ζ(t)-h(s)[u](t);ξm(s)是一个对角阵,其可以表示为ξm(s)=diag{d1(s),…dM(s)},ξm(s)中的每一项di(s)可以表示为
步骤5-4、结合(60),估计误差可以表示为
注意到此处的ξ(t)是具有分段形式的变量,因此可以将其表示为
基于上述步骤,将自适应律定义为
下面对本发明的一个实施例方法进行仿真验证:
步骤F1:考虑飞行器横侧向运动模型建立为如下状态空间方程:
其中,x=[v,p,r,φ,ψ]T为系统状态,y为系统输出,u=[δr,δa]T为控制输入信号,相应的系统动态参数为
B=[b1,b2],b1=[0.15935,0.01264,-0.12879,0,0]T,b2=[0.00211,0.21326,0.00171,0,0]T
表1
v | 飞行器的横向飞行速度 |
p | 飞行器的滚转角速度 |
r | 飞行器的偏航角速度 |
φ | 飞行器的滚转角度 |
ψ | 飞行器的偏航高度 |
步骤F2:考虑扰动模型,选取湍流扰动分量vW与pW,其分别为湍流扰动在机体坐标系中的Y轴分量与Z轴分量,分别影响了飞行器的横向运动以及滚转运动,因影响相较上述的两个分量要小得多故而忽略湍流扰动在机体坐标系中的X轴分量。因此选择扰动项以及扰动矩阵为
定义第一个模态,即i=1时,湍流风的主导风向为大地坐标系的X轴;定义第二个模态,即i=2时,湍流风的主导风向为大地坐标系的Y轴;定义第三个模态,即i=3时,湍流风的主导风向为大地坐标系的Z轴;由此可得
bv1=[0,0,0,0,0]T,bp1=[0,0,0,0,0]T
bv2=[0,0,0,0,0]T,bp2=[-14.326,2.1692,0.16444,-1,0]T
bv3=[0.13858,0.02073,-0.00289,0,0]T,bp3=[-14.326,2.1692,0.16444,-1,0]T
在接下来的仿真中,设定模态之间的切换时间为150s。
步骤F3:设置扰动项d(t)=[vW,pW]T的两种模式分别做仿真研究:
(1)第一种模式中,扰动项皆为常值量,表示为
pW(t)=0.5(crad/s),vW(t)=20(ft/s)
(2)第二种模式中,扰动项一项为常值量,一项为时变量,表示为
pW(t)=0.5(crad/s),vW(t)=20+2sin(0.2πt)+sin(0.4t)(ft/s)
同时,设置参考输入r(t)的两种模式分别做仿真研究:
(1)第一种模式中,参考输入为常值量,表示为
r(t)=[1,0.1]T
(2)第二种模式中,参考输入为时变量,表示为
r(t)=[sin(0.2t),0.03sin(0.05t)]T
由此可两两结合做四组仿真,第一、二组选取参考输入为常值量,扰动项分别为一、二种模式;第三、四组选取参考输入为常值量,扰动项分别为一、二种模式;
步骤F4:验证了选取的系统G(s)=C(sI-A)-1B是最小相位系统,其零点分别为s1=-713.1864,s2=-2.2776,由此设置设计自适应控制器所需要的一些参数:
关联矩阵设置为
高频增益矩阵计算得
其是非奇异矩阵;另外,参考模型根据关联矩阵设置为
步骤F4:采用Matlab/Simulink仿真,在Matlab/Simulink中搭建飞行器控制系统模型及相应的扰动模型,基于此设计相应的自适应控制器,进而进行仿真验证。
步骤F5:按照上述设计的参数对本发明方法进行仿真验证,可得飞行器控制系统响应图,分别如说明书附图2a-2b、图3a-3b、图4a-4b、图5a-5b所示。其中,附图2a、3a、4a、5a所示为控制输入信号曲线,附图2b、3b、4b、5b所示为控制系统输出信号曲线。
总之,本发明方法可以有效地实现最小相位飞行器控制系统的自适应扰动补偿,同时可以保证期望的稳定和输出跟踪性能,能够有效地解决最小相位飞行器控制系统的湍流扰动补偿问题,这对于飞行器控制系统的安全控制具有重要的意义。
Claims (1)
1.一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法,其特征在于,包括以下步骤:
步骤1、依据现有的飞行器控制系统的横侧向与纵向动力学模型,在确定湍流扰动的主导风向的基础上,考虑飞行器遭遇不同主导风向的湍流扰动时的情况,建立相应的飞行器控制系统模型,用于表征飞行器此时的横侧向与纵向动态模型;
步骤1-1、湍流扰动的主导风向是指,虽然湍流风的方向是时变而随机的,且可能是多个方向的复合,但在选定的某个时刻,可以将湍流风简化为一个具有单一且固定方向的理想模型,此时的方向即为湍流风的主导风向,通常是湍流风分量中最大分量的方向,以下考虑的主导风向为大地坐标系的x,y,z轴方向;
现有的飞行器纵向运动模型为
其中x1=(ΔVK,ΔαK,Δq,Δθ)T为状态量,VK为飞行器的航迹速度,αK为航迹速度造成的抬升角,q为俯仰角速度,θ为俯仰角;u1=(Δδf,Δδm)T为输入量,δf为有效油门开度,δm为升降舵偏角,各矩阵为
其中,m为飞行器质量,G为重力,V为飞行器的对地速度,VA为飞行器的对空速度,Lq为气动力中的升力,D为气动力中的阻力,α为飞行器的攻角,T为飞行器的推进力,σ为推进力与机身之间的夹角,M为气动力俯仰力矩,γ为航迹倾角,Te为推进力引起的俯仰力矩,Iy为对机体坐标系y轴的惯性矩;另外,下标带0的量为飞行器线性化时变量的初始值;
若不忽略湍流扰动对飞行器的影响,其纵向运动模型为
其中
扰动量d1=(uW,wW,wWx)T,uW为湍流风在大地坐标系中沿x轴的分量,wW为湍流风在大地坐标系中沿z轴的分量,wWx为,定义在机体坐标系中的,由于湍流风在沿机体坐标系x轴方向上的作用力的不均匀,而引起的导致飞行器产生俯仰力矩的风梯度,其符号意义为湍流风在沿大地坐标系的z轴的分量wW作用在沿机体坐标系x轴方向上的风梯度,需要注意的是,与wWx作用效果相似的还有uWz,但通常uWz由于远远小于wWx而被忽略;
在飞行器的非线性纵向模型的线性化中,若忽略扰动量d1得到的即为公式(1),若不忽略扰动量d1得到的即为公式(2);
现有的飞行器横侧向运动模型为
其中x2=(ΔβK,Δp,Δr,Δφ)T为状态量,βK为航迹速度造成的侧滑角,p为飞行器滚转角速度,r为飞行器偏航角速度,φ为飞行器滚转角;u2=(Δδl,Δδn)T为输入量,δl为副翼偏转角,δn为方向舵偏转角,各矩阵为
其中,Y为飞行器侧力的和,Lm为气动力滚转力矩,N为气动力偏航力矩,β为飞行器的侧滑角,Ix与Iz分别为对应的惯性矩,Izx为对应的惯性积;
若不忽略湍流扰动对飞行器的影响,其横侧向运动模型为
其中
扰动量d2=(vW,wWy,vWx)T,vW为湍流风在大地坐标系中沿y轴的分量,wWy与vWx为相应的风梯度;
在飞行器的非线性横侧向模型的线性化中,若忽略扰动量d2得到的即为公式(3),若不忽略扰动量d1得到的即为公式(4);
步骤1-2、接下来考虑湍流扰动模型,其根据主导风向的不同而不同,飞行器做纵向运动时,若湍流风的主导风向为x轴方向,此时只需考虑d1=(uW,wW,wWx)T中的分量uW与引起俯仰力矩的风梯度即可,则矩阵R1此时为
其中扰动量为d11=(uW,u′Wx)T,需注意的是,由于原风梯度是定义在机体坐标系中的,若按照原来的定义方式,那么沿机体坐标系x轴方向的湍流风分量uW,其不能产生俯仰力矩;因此将风梯度定义在大地坐标系中,把在大地坐标系中定义的新的风梯度在右上角标一个引号以示区别,此时沿大地坐标系x轴方向的湍流风分量uW,在飞行器初始攻角不为0时,即能产生俯仰力矩;另外,在原模型d1=(uW,wW,wWx)T中定义的风梯度扰动量wWx,其本质为使飞行器产生俯仰力矩的风梯度,在实际中能产生相同扰动效果的还有风梯度uWz,只是因为量值通常较小被忽略,在这个例子中,由于未考虑z轴方向的湍流扰动,因此要把x轴方向的湍流扰动所带来的风梯度影响考虑在内,原横侧向运动模型中定义的扰动量d2=(vW,wWy,vWx)T同理,与风梯度wWy有同样扰动效果的还有风梯度v′Wz,与风梯度vWx有同样扰动效果的还有风梯度u′Wy;
若湍流风的主导风向为y轴方向,则此时不影响飞行器的纵向运动模型,即R12=0;
若湍流风的主导风向为z轴方向,则矩阵R1此时为
其中扰动量d13=(wW,w′Wx)T;
飞行器做横侧向运动时,若湍流风的主导风向为x轴方向,则矩阵R2此时为
其中扰动量d21=u′Wy;
若湍流风的主导风向为y轴方向,则矩阵R2此时为
其中扰动量d22=(vW,v′Wz,v′Wx)T;
若湍流风的主导风向为z轴,则矩阵R2此时为
其中扰动量d23=w′Wy;
步骤2、采用一般的状态空间系统模型,表征步骤1所述的遭遇不同主导风向的湍流扰动时飞行器的横侧向与纵向动态模型;
所述步骤2的具体过程为由步骤1,可将飞行器遭遇湍流扰动时的纵向与横侧向运动模型简写,其纵向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的纵向运动模型,其可以化简成一般形式
其中A1=T1 -1P1,B1=T1 -1Q1,Bd1i=T1 -1R1i,i=1,2,3,上式即为飞行器遭遇,主导风向分别为大地坐标系x,y,z轴的湍流扰动时,纵向运动模型的一般表达式;
同理,其横侧向运动模型可表示为
上式表明的是飞行器分别遭遇主导风向为大地坐标系x,y,z轴的湍流扰动时的横侧向运动模型,其可以化简成一般形式
步骤3、引入指示函数用于表征湍流风扰动主导风向的改变,从而建立一个基于指示函数的分段光滑状态空间模型;并设计基于指示函数的分段光滑的控制器,确保:一是闭环系统的稳定性和输出跟踪性能;二是系统中的各个信号函数都有界;
步骤3-1、针对飞行器的纵向运动模型或者是横侧向运动模型,将其表示为时变的输入-输出模型,为防止歧义,下文默认选择的是纵向运动模型,其可表示为
其中A∈Rn×n,B∈Rn×M,C∈RM×n是常值时不变矩阵,以及x(t)∈Rn,u(t)∈RM,y(t)∈RM;
步骤3-2、接下来引入用于建立分段函数的指示函数;由步骤2,Bd(t)∈Rn×p是时变的分段矩阵,Bd(t)在指定的不同时刻,即每一个不同的分段上,会有不一样的值,用Bdi来表示Bd(t)的各个分段上的取值,其中i∈£={1,2,...,l}表示Bd(t)的所有可能取值情况,每一个Bdi称为Bd(t)的一个模态;
为方便表示这一种数学关系,引入指示函数
由此,Bd(t)可以表示为
这样,就可以用指数函数值来表征湍流风主导风向的改变了;
步骤4、由步骤3,设计一种基于指示函数的分段光滑模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均已知:建立系统的输入-输出模型,根据已知条件建立标称控制器;
其中Pm(s)是已知的,相对阶与系统一致的首一多项式,r(t)为系统的参考输入,作用为通过参考模型Wm(s)产生参考输出ym(t);
步骤4-2、假设现有的飞行器控制系统参数和湍流扰动参数均已知,由此可建立一个标称控制器,其表达式如下
步骤4-3、由此,将标称控制器的表达式(13)代入(9),其闭环系统可以表示为如下形式
则可以得到输出表达式满足
步骤5、由步骤3,设计一种基于指示函数的分段光滑模型参考自适应控制器,假设现有的飞行器控制系统参数和湍流扰动参数均未知:将系统模型与扰动模型参数化,引入误差函数,根据误差函数建立飞行器系统的自适应律,得到自适应控制器的表达式,使其满足步骤3的条件;
步骤5-1、在系统参数未知的情况下,首先对进行参数化,(9)中的d(t)是对输入不匹配的扰动向量,即Bdi≠Bα,其可以表示为d(t)=[d1(t),…,dp(t)]T∈Rp,其中的每一项dj(t),又可以表示为
因此将d(t)表示为
d(t)=φ*Tf(t) (21)
其中
定义
其中
步骤5-2、在系统参数未知的情况下,对自适应控制器进行参数化后,可得
步骤5-3、将上述步骤得到的自适应控制器代入(9),就得到了系统的闭环表达式
y(t)=Cx(t)
定义如下参数
ε(t)=ξm(s)h(s)[y-ym](t)+ψ(t)ξ(t) (29)
其中Ψ1(t)是Ψ*的自适应估计值,以及ζ(t)=h(s)[ω](t),ξ(t)=ΘT(t)ζ(t)-h(s)[u](t);ξm(s)是一个对角阵,其可以表示为ξm(s)=diag{d1(s),…dM(s)},ξm(s)中的每一项di(s)可以表示为
步骤5-5、结合(28),估计误差可以表示为
注意到此处的ξ(t)是具有分段形式的变量,因此可以将其表示为
基于上述步骤,将自适应律定义为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010056922.XA CN111208733B (zh) | 2020-01-17 | 2020-01-17 | 一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010056922.XA CN111208733B (zh) | 2020-01-17 | 2020-01-17 | 一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111208733A CN111208733A (zh) | 2020-05-29 |
CN111208733B true CN111208733B (zh) | 2022-02-22 |
Family
ID=70789763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010056922.XA Active CN111208733B (zh) | 2020-01-17 | 2020-01-17 | 一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208733B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111679580B (zh) * | 2020-06-11 | 2022-05-13 | 江苏理工学院 | 基于自适应的飞行器控制系统故障补偿和扰动抑制方法 |
CN113092813B (zh) * | 2021-03-15 | 2022-01-04 | 南京航空航天大学 | 一种翼伞空降情境下自适应风速风向检测系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
CN105242676A (zh) * | 2015-07-15 | 2016-01-13 | 北京理工大学 | 一种有限时间收敛时变滑模姿态控制方法 |
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2978858B1 (fr) * | 2011-08-01 | 2013-08-30 | Airbus Operations Sas | Procede et systeme pour la determination de parametres de vol d'un aeronef |
CN106525375B (zh) * | 2016-10-21 | 2020-05-12 | 国网山东省电力公司电力科学研究院 | 一种用于无人机抗风能力检测的自适应系统 |
-
2020
- 2020-01-17 CN CN202010056922.XA patent/CN111208733B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
CN105242676A (zh) * | 2015-07-15 | 2016-01-13 | 北京理工大学 | 一种有限时间收敛时变滑模姿态控制方法 |
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
Non-Patent Citations (1)
Title |
---|
Aircraft turbulence compensation using adaptive multivariable disturbance rejection techniques;Liyan Wen;《JOURNAL OF GUIDANCE, CONTROL, AND DYNAMICS》;20150531;第38卷(第5期);第954-962页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111208733A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shin et al. | Reconfigurable flight control system design using adaptive neural networks | |
Huang et al. | Fixed-time autonomous shipboard landing control of a helicopter with external disturbances | |
CN105242676B (zh) | 一种有限时间收敛时变滑模姿态控制方法 | |
JP4570842B2 (ja) | フィードバックltiゼーションを使用して多入力多出力(mimo)パラメータ依存システムを制御するための方法、装置および設計手順 | |
US7177710B2 (en) | System and method for adaptive control of uncertain nonlinear processes | |
CN110347170B (zh) | 可重复使用运载器再入段鲁棒容错制导控制系统及工作方法 | |
Zhang et al. | Adaptive constrained backstepping controller with prescribed performance methodology for carrier-based UAV | |
Ambati et al. | Robust auto-landing of fixed-wing UAVs using neuro-adaptive design | |
CN111208733B (zh) | 一种针对多方位湍流风扰动下的飞行器控制系统自适应补偿控制方法 | |
CN110161855A (zh) | 一种基于鲁棒伺服增益调度无人机控制器的设计方法 | |
CN106842912A (zh) | 高超声速机动飞行抗舵面饱和鲁棒控制方法 | |
Andrievsky et al. | Simple adaptive control for airfoil flutter suppression | |
Ding et al. | Global smooth sliding mode controller for flexible air-breathing hypersonic vehicle with actuator faults | |
Zhang et al. | Control surface faults neural adaptive compensation control for tailless flying wing aircraft with uncertainties | |
Nair et al. | Longitudinal dynamics control of UAV | |
CN105182990A (zh) | 具有输出受限的三自由度模型直升机的鲁棒控制方法 | |
Shin et al. | Design of a flight envelope protection system using a dynamic trim algorithm | |
CN114721266B (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
Pedro et al. | Direct adaptive neural control of a quadrotor unmanned aerial vehicle | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
Chen et al. | Adaptive attitude control for a coaxial tilt-rotor UAV via immersion and invariance methodology | |
CN116360258A (zh) | 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法 | |
CN116360255A (zh) | 一种非线性参数化高超声速飞行器的自适应调节控制方法 | |
CN110109357A (zh) | 针对非标准型非线性航空器的半全局自适应控制方法 | |
Ramezani et al. | Fast terminal sliding-mode control with an integral filter applied to a longitudinal axis of flying vehicles |
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 |