CN111414011B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111414011B CN111414011B CN202010272197.XA CN202010272197A CN111414011B CN 111414011 B CN111414011 B CN 111414011B CN 202010272197 A CN202010272197 A CN 202010272197A CN 111414011 B CN111414011 B CN 111414011B
- Authority
- CN
- China
- Prior art keywords
- fault
- representing
- mlp
- subsystem
- speed
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/12—Target-seeking control
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了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,涉及飞行器控制领域,主要解决高超声速飞行器有限故障条件下对于给定高度/速度指令的精确跟踪控制问题。构造基于韩式跟踪微分器的新型预设性能机制以实现误差的先验调节,并克服传统预设性能控制快速约束导致的暂态抖震难题;设计低计算复杂度的最小参数学习(MLP)神经网络学习器实时消除集总扰动对AHV模型的影响;最后,综合MLP观测器与新型预设性能机制,实现有限故障条件下对于给定高度/速度指令的精确跟踪控制。本发明综合了MLP观测器与新型预设性能机制,对有限故障条件下实现给定高度/速度指令的精确跟踪控制有重要意义。
Description
技术领域
本发明涉及飞行器控制领域,具体为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,主要解决高超声速飞行器有限故障条件下对于给定高度/速度指令的精确跟踪控制问题。
背景技术
吸气式高超声速飞行器(Airbreathing Hypersonic Vehicle,AHV),一般是指飞行马赫数不小于5Ma,且以吸气式超燃冲压发动机为动力的飞行器。AHV有重要的民用、军事价值和战略意义,具有高速度、高机动性、大飞行包线等众多优势。随着飞行时间的增加和控制损耗的出现,AHV作动器可靠性下降,不可避免发生诸如精度损失、效率衰减等故障模式,严重影响AHV飞行安全和稳定性。亟需设计具有容错能力的控制系统,使AHV能在非健康条件下保持其自身的稳定性并快速恢复跟踪性能,对于外部环境和突发故障具备较好的适应性。
现有的AHV容错控制方法大多仅能实现所有误差信号最终一致有界,难以确保突发故障和未知干扰作用下系统性能在可预期的边界范围内。当前预设性能机制可以纳入容错控制策略,用以解决上述问题。然而,由于已有的预设性能函数大多选取指数衰减形式,仅能保证系统状态在无穷时间意义下收敛于稳态,不利于故障条件下系统状态有限时间自修复。此外,指数形式的边界函数对时间的微分项在初始状态时会出现快速的波动,控制器中的相应控制律将导致执行器在暂态阶段具有高频振荡,这将不可避免地阻碍AHV实现稳定的快速跟踪性能。在故障估计和补偿方面,传统的神经网络往往耗时较多,计算复杂度较大,无法满足AHV高实时性抗干扰要求。因此,迫切需要新的解决方案来弥补传统预设性能在保证AHV快速自修复跟踪能力方面的不足。
发明内容
本发明为了解决高超声速飞行器在有限故障条件下对于给定高度/速度指令的精确跟踪控制的问题,提供了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。
本发明是通过如下技术方案来实现的: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,包括如下步骤:
(1)建立考虑执行机构故障的AHV参数化动力学模型:
其中:
其中h为高度,V为速度,α为攻角AOA,γ为弹道角FPA,Q为俯仰角速度PR,fi,gi(i=V,α,γ,Q)分别代表集总干扰和AHV标称模型;dVe,dγe,dαe和dQe代表外部扰动,Δ代表气动扰动的系数;g代表引力常数;m和Iyy分别代表飞行器质量和转动惯量;p=0.5ραV2是动态压力,ρa=ρa0exp(-(h-h0)/hs)是空气密度,h0为初始近似高度,ρa0为高度为h0时的空气密度,hs表示空气密度衰减率的倒数;zT,S和分别表示推力力臂、参考面积和平均气动弦长;δe为控制律生成的升降舵偏转角,Φ为控制律生成的节流阀开度FER;升力L、阻力D、推力T、俯仰力矩M系统状态和输入的函数,被定义为:
相关的空气动力/力矩系数可以通过如下拟合公式得到:
速度子系统的执行机构故障可表示为其中kΦΦ代表执行机构效率损失故障,kΦ表示执行机构效率增益,当t≥tfΦ时有0<kΦ≤1;bΦ表示多源干扰故障,bΦ=bxΦ+byΦ(t)+bzΦ(t),t≥tfΦ,其中bxΦ为偏置故障,/>byΦ(t)为漂移故障,当t≥tfΦ时,|byΦ(t)|=λyΦt,0<λyΦ<<1;bzΦ(t)为精度损失故障,当t≥tfΦ时,
高度子系统的执行机构故障可表示为其中/>代表执行机构效率损失故障,/>表示执行机构效率增益,当/>时有/> 表示多源干扰故障,其中/>为偏置故障,/> 为漂移故障,当/>时,/> 为精度损失故障,当/>时,
(2)对速度和高度两个子系统,分别构造基于韩式跟踪微分器的新型预设性能机制TDPPC以实现误差的先验调节,并克服传统预设性能控制快速约束导致的暂态抖震:
AHV速度与高度子系统的输出跟踪误差定义为eV(t)=V(t)-Vd(t)和eh(t)=h(t)-hd(t),Vd(t),hd(t)为速度与高度的期望值;速度和高度子系统的预设性能函数定义为:
采用二阶离散跟踪微分器提供预设的性能边界Tj(t):
其中fhan(·)定义如下:
其中是采样周期,/> 代表Tj(t)对时间的微分,rj是用来控制收敛速度的设计参数,Tji,Tjd是Tj(t),/>的初始值;如果选定的Tjs值小于Tji,则预设性能函数随时间单调递减,最终趋于稳态;
采用误差转换函数Si(·)可以将受约束的跟踪误差转化为无约束的跟踪误差如下:
其中zi(t)为转换后的跟踪误差,θi(t)=ei(t)/Ti(t)是归一化误差;
(3)利用最小参数学习MLP方法设计低计算复杂度的神经网络学习器,以实时估计集总扰动对AHV模型的影响;
其中ΓV,Γγ,Γα,ΓQ∈R是MLP的自适应增益,kwV,kwγ,kwα,kwQ∈R为漂移因子;
(4)综合MLP观测器与新型预设性能机制,以实现有限故障条件下对于给定高度/速度指令的精确跟踪控制,即:基于MLP观测结果,构造速度子系统的控制律、高度子系统的虚拟控制律和高度子系统的控制律:
速度子系统的控制律如下:
高度子系统中γ,α,Q的虚拟控制律如下:
由此得到高度子系统的控制律:
本发明针对高超声速飞行器在执行机构故障下实现对给定速度和高度指令的精确控制,首先,选取乘波体构型高超声速飞行器,建立考虑执行机构故障的纵向刚体运动AHV模型;其次,构造基于韩式跟踪微分器的新型预设性能机制以实现高度/速度误差的先验调节,并克服传统预设性能控制快速约束导致的暂态抖震难题;然后,将执行机构故障、参数化不确定性和外部干扰视为集总干扰,设计低计算复杂度的最小参数学习(MLP)神经网络学习器实时消除集总扰动对AHV模型的影响;最后,综合MLP观测器与新型预设性能机制,实现有限故障条件下对于给定高度/速度指令的精确跟踪控制。
与现有技术相比本发明具有以下有益效果:本发明所提供的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:(1)构造了基于韩式跟踪微分器的新型预设性能机制,实现了误差的先验调节,克服了传统预设性能控制快速约束导致的暂态抖震难题;(2)将执行机构效率损失以及多源干扰视为总不确定性,设计了低计算复杂度的最小参数学习(MLP)神经网络学习器实时消除各种扰动和故障对控制系统的影响;(3)通过MLP观测器与新型预设性能机制的综合,实现了AHV在有限故障条件下对于给定高度/速度指令的精确跟踪控制。
附图说明
图1是本发明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的设计流程图。
具体实施方式
以下结合具体实施例对本发明作进一步说明。
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,流程如图1所示,包括如下步骤:
(1)建立考虑执行机构故障的AHV参数化动力学模型:
其中:
其中h为高度,V为速度,α为攻角AOA,γ为弹道角FPA,Q为俯仰角速度PR,Ni为混合动力作用下的广义上的力,fi,gi(i=V,α,γ,Q)分别代表集总干扰和AHV标称模型;dVe,dγe,dαe和dQe代表外部扰动,Δ代表气动扰动的系数;高超声速飞行器的初始条件为V(0)=7685ft/s,h(0)=86030ft,γ(0)=0rad,α(0)=0.27rad,Q(0)=0rad/s;g=32代表引力常数;m=300和Iyy=86722.54分别代表飞行器质量和转动惯量;p=0.5ραV2是动态压力,ρa=ρa0exp(-(h-h0)/hs)是空气密度,h0=85000为初始近似高度,ρa0=6.7429×10-5为高度为85000时的空气密度,hs=21358.8表示空气密度衰减率的倒数;zT=8.36表示推力力臂,S=17表示参考面积,平均气动弦长;δe为控制律生成的升降舵偏转角,Φ为控制律生成的节流阀开度FER;升力L、阻力D、推力T、俯仰力矩M系统状态和输入的函数,被定义为:
相关的空气动力/力矩系数可以通过如下拟合公式得到:
dVe,dγe,dαe,dQe为外部扰动,具体定义如下:
其中
速度子系统的执行机构故障可表示为其中kΦΦ代表执行机构效率损失故障,kΦ=0.95表示执行机构效率增益,当t≥tfΦ时,有0<kΦ≤1;bΦ表示多源干扰故障,bΦ=bxΦ+byΦ(t)+bzΦ(t),t≥8,其中bxΦ=3为偏置故障;byΦ(t)为漂移故障,当t≥8时,|byΦ(t)|=0.78t;bzΦ(t)=0.94t为精度损失故障,当t≥8时,|bzΦ(t)|<5;
高度子系统的执行机构故障可表示为其中/>代表执行机构效率损失故障,/>表示执行机构效率增益;/>表示多源干扰故障,/>其中/>为偏置故障;/>为漂移故障,当t≥8时,/> 为精度损失故障,当t≥8时,/>
(2)对速度和高度两个子系统,分别构造基于韩式跟踪微分器的新型预设性能机制TDPPC以实现误差的先验调节,并克服传统预设性能控制快速约束导致的暂态抖震:
AHV速度与高度子系统的输出跟踪误差定义为eV(t)=V(t)-Vd(t)和eh(t)=h(t)-hd(t),Vd(t),hd(t)为速度与高度的期望值;速度和高度子系统的预设性能函数定义为:
采用二阶离散跟踪微分器提供预设的性能边界Tj(t):
其中fhan(·)定义如下:
其中表示采样周期,/>k∈Z*,/>代表Tj(t)对时间的微分,rV=4,rh=35表示控制收敛速度的设计参数,TVi=200,Thi=266和TVd=0,Thd=0表示Tj(t)和/>的初始值,TVs=15,Ths=45;
采用误差转换函数Si(·)可以将受约束的跟踪误差转化为无约束的跟踪误差如下:
其中zi(t)为转换后的跟踪误差,θi(t)=ei(t)/Ti(t)是归一化误差;
(3)利用最小参数学习MLP方法设计低计算复杂度的神经网络学习器,以实时估计集总扰动对AHV模型的影响;
其中ΓV=40,Γγ=9610,Γα=14610,ΓQ=1057610为MLP的自适应增益,kwV=1,kwγ=0.1,kwα=0.01,kwQ=1×10-3为漂移因子;为/>的估计值;(4)基于MLP观测结果,构造速度子系统的控制律、高度子系统的虚拟控制律和高度子系统的控制律:
速度子系统的控制律如下:
高度子系统中γ,α,Q的虚拟控制律如下:
由此得到高度子系统的控制律:
本发明要求保护的范围不限于以上具体实施方式,而且对于本领域技术人员而言,本发明可以有多种变形和更改,凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。
Claims (1)
1.一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,其特征在于:包括如下步骤:
(1)建立考虑执行机构故障的AHV参数化动力学模型:
其中:
其中h为高度,V为速度,α为攻角AOA,γ为弹道角FPA,Q为俯仰角速度PR,fi,gi分别代表集总干扰和AHV标称模型,i=V,α,γ,Q;dVe,dγe,dαe和dQe代表外部扰动,Δ代表气动扰动的系数;g代表引力常数;m和Iyy分别代表飞行器质量和转动惯量;p=0.5ραV2是动态压力,ρa=ρa0exp(-(h-h0)/hs)是空气密度,h0为初始近似高度,ρa0为高度为h0时的空气密度,hs表示空气密度衰减率的倒数;zT,S和分别表示推力力臂、参考面积和平均气动弦长;δe为控制律生成的升降舵偏转角,Φ为控制律生成的节流阀开度FER;升力L、阻力D、推力T、俯仰力矩M系统状态和输入的函数,被定义为:
相关的空气动力/力矩系数可以通过如下拟合公式得到:
速度子系统的执行机构故障可表示为其中kΦΦ代表执行机构效率损失故障,kΦ表示执行机构效率增益,当t≥tfΦ时有0<kΦ≤1;bΦ表示多源干扰故障,bΦ=bxΦ+byΦ(t)+bzΦ(t),t≥tfΦ,其中bxΦ为偏置故障,/>bxΦ(tfΦ)≠0;byΦ(t)为漂移故障,当t≥tfΦ时,|byΦ(t)|=λyΦt,0<λyΦ<<1;bzΦ(t)为精度损失故障,当t≥tfΦ时,
高度子系统的执行机构故障可表示为其中/>代表执行机构效率损失故障,/>表示执行机构效率增益,当/>时有/>表示多源干扰故障,其中/>为偏置故障,/>为漂移故障,当/>时,/>为精度损失故障,当/>时,
(2)对速度和高度两个子系统,分别构造基于韩式跟踪微分器的新型预设性能机制TDPPC以实现误差的先验调节,并克服传统预设性能控制快速约束导致的暂态抖震:
AHV速度与高度子系统的输出跟踪误差分别定义为eV=V-Vd和eh=h-hd,Vd,hd为速度与高度的期望值;速度和高度子系统的预设性能函数定义为:
采用二阶离散跟踪微分器提供预设的性能边界Tj(t):
其中fhan定义如下:
采用误差转换函数Sj可以将受约束的跟踪误差转化为无约束的跟踪误差如下:
其中zj(t)为转换后的跟踪误差,θj(t)=ej/Tj(t)是归一化误差;
(3)利用最小参数学习MLP方法设计低计算复杂度的神经网络学习器,以实时估计集总扰动对AHV模型的影响;
速度跟踪误差定义为eV=V-Vd,弹道角FPA的跟踪误差定义为攻角AOA的跟踪误差定义为/>俯仰角速度PR的跟踪误差定义为/>为弹道角FPA,攻角AOA,俯仰角速度PR的参考输入;给出如下基于最小参数学习MLP的集总扰动重构方法:
其中ΓV,Γγ,Γα,ΓQ∈R是MLP的自适应增益,kwV,kwγ,kwα,kwQ∈R为漂移因子;
(4)综合MLP观测器与新型预设性能机制,以实现有限故障条件下对于给定高度/速度指令的精确跟踪控制,即:基于MLP观测结果,构造速度子系统的控制律、高度子系统的虚拟控制律和高度子系统的控制律:
节流阀开度FER控制律设计如下:
高度子系统中γ,α,Q的虚拟控制律如下:
升降舵偏角的控制律设计如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272197.XA CN111414011B (zh) | 2020-04-09 | 2020-04-09 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272197.XA CN111414011B (zh) | 2020-04-09 | 2020-04-09 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414011A CN111414011A (zh) | 2020-07-14 |
CN111414011B true CN111414011B (zh) | 2023-06-30 |
Family
ID=71494858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010272197.XA Active CN111414011B (zh) | 2020-04-09 | 2020-04-09 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414011B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180960B (zh) * | 2020-09-29 | 2021-09-14 | 西北工业大学 | 一种面向执行器故障的无人机容错飞行方法及飞行系统 |
CN112856014B (zh) * | 2020-12-30 | 2022-08-05 | 南京理工大学 | 一种智能阀门电动执行机构的控制系统构建方法 |
CN113253616B (zh) * | 2021-06-29 | 2021-10-01 | 中国科学院自动化研究所 | 快时变飞行器大包线飞行控制方法与装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1597700A (en) * | 1977-05-31 | 1981-09-09 | Andover Controls Corp | Programmable sequence controller |
US6882992B1 (en) * | 1999-09-02 | 2005-04-19 | Paul J. Werbos | Neural networks for intelligent control |
WO2016035433A1 (ja) * | 2014-09-01 | 2016-03-10 | 株式会社Ihi | 故障検出装置 |
CN106444368A (zh) * | 2015-11-18 | 2017-02-22 | 南京航空航天大学 | 具有输入非线性的近空间飞行器预设性能姿态跟踪控制方法 |
CN106773691A (zh) * | 2016-12-19 | 2017-05-31 | 西北工业大学 | 基于ls‑svm的高超声速飞行器自适应时变预设性能控制方法 |
US10003483B1 (en) * | 2017-05-03 | 2018-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Biologically inspired methods and systems for automatically determining the modulation types of radio signals using stacked de-noising autoencoders |
CN110440778A (zh) * | 2019-07-25 | 2019-11-12 | 中北大学 | 一种mems陀螺仪无超调保性能模糊小波神经控制方法 |
CN110554606A (zh) * | 2019-09-04 | 2019-12-10 | 南京航空航天大学 | 一种用于高超音速飞行器的自适应容错控制方法 |
CN110568765A (zh) * | 2019-10-16 | 2019-12-13 | 西北工业大学 | 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 |
-
2020
- 2020-04-09 CN CN202010272197.XA patent/CN111414011B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1597700A (en) * | 1977-05-31 | 1981-09-09 | Andover Controls Corp | Programmable sequence controller |
US6882992B1 (en) * | 1999-09-02 | 2005-04-19 | Paul J. Werbos | Neural networks for intelligent control |
WO2016035433A1 (ja) * | 2014-09-01 | 2016-03-10 | 株式会社Ihi | 故障検出装置 |
CN106444368A (zh) * | 2015-11-18 | 2017-02-22 | 南京航空航天大学 | 具有输入非线性的近空间飞行器预设性能姿态跟踪控制方法 |
CN106773691A (zh) * | 2016-12-19 | 2017-05-31 | 西北工业大学 | 基于ls‑svm的高超声速飞行器自适应时变预设性能控制方法 |
US10003483B1 (en) * | 2017-05-03 | 2018-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Biologically inspired methods and systems for automatically determining the modulation types of radio signals using stacked de-noising autoencoders |
CN110440778A (zh) * | 2019-07-25 | 2019-11-12 | 中北大学 | 一种mems陀螺仪无超调保性能模糊小波神经控制方法 |
CN110554606A (zh) * | 2019-09-04 | 2019-12-10 | 南京航空航天大学 | 一种用于高超音速飞行器的自适应容错控制方法 |
CN110568765A (zh) * | 2019-10-16 | 2019-12-13 | 西北工业大学 | 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 |
Non-Patent Citations (5)
Title |
---|
Quantized learning control for flexible air-breathing hypersonic vehicle with limited actuator bandwidth and prescribed performance;YiShi等;《Aerospace Science and Technology》;20200228;第97卷;第1-16页 * |
基于TLC的高超声速飞行器自抗扰姿态控制;裴云峰等;《战术导弹技术》;20131115(第06期);第79-84页 * |
高超声速飞行器保预设性能的反演控制方法;李小兵等;《国防科技大学学报》;20200203;第42卷(第01期);第73-83页 * |
高超声速飞行器多目标气动优化设计;吴春晖等;《飞行力学》;20200228;第38卷(第01期);第8-13页 * |
高超声速飞行器新型预设性能控制器设计;冯振欣等;《宇航学报》;20180630(第06期);第656-663页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111414011A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414011B (zh) | 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 | |
Song et al. | Adaptive nonsingular fast terminal sliding mode guidance law with impact angle constraints | |
CN108776434B (zh) | 一种高超声速飞行器快速自适应滑模容错控制方法 | |
An et al. | Robust fixed-time tracking control for underactuated AUVs based on fixed-time disturbance observer | |
CN111399473B (zh) | 一种自适应容错控制方法、系统及空中机器人 | |
CN113848887A (zh) | 一种基于mlp方法的欠驱动无人艇轨迹跟踪控制方法 | |
CN111439392B (zh) | 一种航天器编队位置协同控制方法 | |
CN113759718B (zh) | 一种飞机机翼损伤自适应控制方法 | |
CN113608540B (zh) | 一种比例积分型事件触发航天器姿态控制方法 | |
CN111487866B (zh) | 基于混合事件触发的高超声速飞行器神经抗干扰控制方法 | |
CN112327883B (zh) | 基于扩张状态观测器的欠驱动水面船路径跟踪控制方法 | |
Zhu et al. | Fault-tolerant control of hypersonic vehicles based on fast fault observer under actuator gain loss fault or stuck fault | |
CN112068594A (zh) | 一种基于jaya算法优化的小型无人直升机航向控制方法 | |
Wu et al. | Elman neural network-based direct lift automatic carrier landing nonsingular terminal sliding mode fault-tolerant control system design | |
CN113126494B (zh) | 参考轨迹动态修正的低空飞行气动辨识控制方法 | |
CN112363538B (zh) | 一种速度信息不完备下的auv区域跟踪控制方法 | |
Cai et al. | Design of linear parameter‐varying controller for morphing aircraft using inexact scheduling parameters | |
Sopegno et al. | Linear Quadratic Regulator: A Simple Thrust Vector Control System for Rockets | |
Famularo et al. | Constrained control strategies to improve safety and comfort on aircraft | |
Yan et al. | Robust backstepping control with prescribed performance for inner-loop longitudinal system of hypersonic vehicles under input constraint | |
CN117826617B (zh) | 基于智能网络模型的飞行器预设性能滑模控制方法及装置 | |
CN117687308B (zh) | 基于固定时间神经网络观测器的变体飞行器容错控制方法 | |
Li et al. | Improved model reference‐based adaptive nonlinear dynamic inversion for fault‐tolerant flight control | |
CN116466732B (zh) | 一种抗振荡的模型参考自适应的飞行器滚转角控制方法 | |
Gui et al. | Adaptive parameter estimation and velocity control of uav systems |
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 |