CN111580540A - 基于Kalman滤波的变体飞行器T-S模糊控制方法 - Google Patents

Abstract

本发明涉及一种基于Kalman滤波的变体飞行器T‑S模糊控制方法，该方法根据变体飞行器不同变形结构将飞行器模型分成多个子系统，并采用小扰动线性化方法得到不同子系统平衡点处的局部线性化模型，然后基于局部线性化模型通过模糊集和模糊规则构建全局T‑S模糊模型；考虑变体飞行器部分状态不可测且存在测量噪声，利用Kalman滤波器融合飞控信息和惯导信息实现状态重构；最后基于系统状态估计值设计全局T‑S模糊控制器。

Description

基于Kalman滤波的变体飞行器T-S模糊控制方法

技术领域

本发明涉及变体飞行器的飞行控制，特别是涉及一种基于Kalman滤波的变体飞行器T-S模糊控制方法，属于信息融合控制方法领域。

背景技术

变体飞行器是一种多功能、多形态的新型飞行器，其主要特点是可以通过调整自身的外部结构来获得适合当前飞行环境的最佳气动特性，该特点使得变体飞行器可以适用于更加复杂的飞行环境以及特殊的任务需求。

变体飞行器在变形过程中其气动力、气动力矩、重心、转动惯量等会发生较大变化，飞行器具有较强的时变性和非线性特性，这使得变体飞行器的控制器设计更复杂。目前，已有基于参数空间法、鲁棒增益调度法、线性二次型调节器(LQR)切换控制器等设计变体飞行器的控制器，这些方法可以保证变形过程中的稳定性，但参数空间法和鲁棒增益调度法对噪声和外界干扰没有抑制作用，LQR切换控制由于存在切换，会导致系统不连续且产生抖振。为了实现连续控制，T-S模糊控制法被引入用于设计变体飞行器的控制器，T-S模糊控制器具有连续性且能保证变体过程的全局稳定。但这些控制方法应用的前提是要求系统状态可测或可获得，当系统部分状态不可测时，这些控制方法的控制性能会受到很大影响，甚至不可控。

发明内容

要解决的技术问题

本发明的目的在于提供一种基于Kalman滤波的变体飞行器T-S模糊控制方法，以解决变体飞行器在系统部分状态不可测时的跟踪控制问题。

技术方案

一种基于Kalman滤波的变体飞行器T-S模糊控制方法，其特征在于步骤如下：

步骤1：考虑变体飞行器非线性动力学模型为

其中，V表示飞行速度；h表示飞行高度；γ表示航迹角；α表示迎角；q表示俯仰角速度；D、L和M_A分别表示阻力、升力和俯仰力矩；m、I_y和g分别表示飞行器质量、y轴的转动惯量和重力加速度；T表示推力；z_T表示发动机安装在机体轴上的位置；F_Ix，F_Iz，F_Ikz和M_Iy分别表示由变形过程引起的惯性力和力矩，S_x表示分布在机体x轴方向的静力矩，(1)中相关气动力和力矩的定义如下

其中，ζ表示后掠角；ρ_h表示空气密度；S_w表示机翼面积；c_A表示平均气动弦长；Q表示动压；C_L，C_D和C_m分别表示总的气动升力系数、阻力系数和俯仰力矩系数；C_D0、C_Dα、

C_L0、C_Lα、

C_m0、C_mα、

和C_mq表示气动导数；m₁和m₃分别表示机翼和机身的质量；r_1x和r_3x分别表示机翼和机身在机体坐标系中的位置；

步骤2：选择后掠角ζ为前件变量，构建模糊规则如下

其中，状态量X＝[ΔV Δh Δγ Δα Δq]^T分别表示速度、高度、航迹角、迎角和俯仰角速度的变化量；控制输入u＝[Δδ_e ΔT]^T为升降舵偏角和推力的变化量；A_l∈R^5×5，B_l∈R^5×2，C_l∈R^5×5分别表示第l个线性模型矩阵，由小扰动线性化得到；F^l用高斯隶属度函数表示

和c_l分别表示第l个隶属度函数的中心和宽度；N表示模糊规则个数；

构建T-S模糊模型为

其中，

h_i(ζ)＝Fⁱ，

μ_i≥0，i＝1,…,N；

步骤3：选取X＝[ΔV Δh Δγ Δα Δq]^T为滤波状态量，建立系统状态方程

X_k＝Φ_k/k-1X_k-1+G_k-1u (4)

其中，Φ_k/k-1＝I+A·Δt表示系统转移矩阵；G_k-1＝B·Δt表示输入驱动矩阵；Δt表示采样时间；

考虑状态α和γ不可测，引入惯导信息作为量测信息，建立量测方程

Z_k ^INS＝H_kX_k/k-1+v_k (5)

其中，

表示惯导量测的速度、高度和俯仰角速度变化量；

表示量测阵；v_k∈R^3×1表示量测噪声，满足E(v_k)＝0，

R_v∈R^3×3表示量测噪声方差阵，

构建Kalman滤波器

其中，

表示k时刻状态的估计值；

表示状态一步预测；P_k-1∈R^5×5表示k-1时刻的状态估计协方差；P_k/k-1∈R^5×5表示一步预测协方差；

表示k时刻的惯导量测值；K_k∈R^5×3表示滤波增益；R_k∈R^3×3＞0表示k时刻的量测噪声方差；

步骤4：令

和

由Kalman滤波器获得；选择后掠角ζ为前件变量，构建模糊规则如下

其中，F^l表示模糊集；K_l∈R^2×5表示第l个线性模型的控制增益；

设计T-S模糊控制器为

其中，

h_i(ζ)＝Fⁱ(ζ)，μ_i≥0，

步骤5：根据得到的控制器u，返回到变体飞行器动力学模型(1)中，实现跟踪控制。

步骤3中所述的Δt＝0.01s。

有益效果

本发明提出的一种基于Kalman滤波的变体飞行器T-S模糊控制方法，该方法根据变体飞行器不同变形结构将飞行器模型分成多个子系统，并采用小扰动线性化方法得到不同子系统平衡点处的局部线性化模型，然后基于局部线性化模型通过模糊集和模糊规则构建全局T-S模糊模型；考虑变体飞行器部分状态不可测且存在测量噪声，利用Kalman滤波器融合飞控信息和惯导信息实现状态重构；最后基于系统状态估计值设计全局T-S模糊控制器。

与现有技术相比有益效果为：

(1)本发明将基于Kalman滤波的惯导/飞控信息融合与T-S模糊控制器设计有机结合，保证了控制系统连续，且实现跟踪控制。

(2)本发明设计的可Kalman滤波器融合了惯导与飞控信息，能够在系统状态无法测量时准确估计系统状态，保证控制系统的控制性能。

(3)本发明设计的控制器在系统存在测量噪声时仍具有较好的跟踪控制效果。

附图说明

图1是本发明基于Kalman滤波的变体飞行器T-S模糊控制方法流程图。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明的一种基于Kalman滤波的变体飞行器T-S模糊控制方法流程图如图1所示，所发明内容用于改进变体飞行器存在部分状态不可测时的跟踪控制问题，其具体实施步骤如下：

(a)考虑变体飞行器非线性动力学模型

其中，V表示飞行速度；h表示飞行高度；γ表示航迹角；α表示迎角；q表示俯仰角速度；D、L和M_A分别表示阻力、升力和俯仰力矩；m、I_y和g分别表示飞行器质量、y轴的转动惯量和重力加速度；F_Ix，F_Iz，F_Ikz和M_Iy分别表示由变形过程引起的惯性力和力矩；T表示推力；z_T表示发动机安装在机体轴上的位置；S_x表示分布在机体x轴方向的静力矩，(1)中相关气动力和力矩的定义如下

其中，ζ表示后掠角；ρ_h表示空气密度；S_w表示机翼面积；c_A表示平均气动弦长；Q表示动压；C_L，C_D和C_m分别表示总的气动升力系数、阻力系数和俯仰力矩系数；C_D0、C_Dα、

C_L0、C_Lα、

C_m0、C_mα、

和C_mq表示气动导数；m₁和m₃分别表示机翼和机身的质量；r_1x和r_3x分别表示机翼和机身在机体坐标系中的位置。

(b)选择后掠角ζ为前件变量，构建模糊规则如下

ifζis F^l

then

y(t)＝C_lX(t) l＝{1,2,…,N}

其中，状态量X＝[ΔV Δh Δγ Δα Δq]^T分别表示速度、高度、航迹角、迎角和俯仰角速度的变化量；控制输入u＝[Δδ_e ΔT]^T分别表示升降舵偏角和推力的变化量；后掠角ζ在0°～45°之间均匀取值，A_l∈R^5×5，B_l∈R^5×2，C_l∈R^5×5分别表示第l个线性模型矩阵，由小扰动线性化得到；F^l用高斯隶属度函数表示

表示第l个隶属度函数的中心，c_i＝3°，N＝6。

构建T-S模糊模型

其中，

h_i(ζ)＝Fⁱ，

μ_i≥0，i＝1,…,N。

(c)选取X＝[ΔV Δh Δγ Δα Δq]^T为滤波状态量，建立系统状态方程

X_k＝Φ_k/k-1X_k-1+G_k-1u

其中，Φ_k/k-1＝I+A·Δt表示系统转移矩阵；G_k-1＝B·Δt表示输入驱动矩阵，Δt＝0.01s。

考虑状态α和γ不可测，引入惯导信息作为量测信息，建立量测方程

Z_k ^INS＝H_kX_k/k-1+v_k

其中，

表示惯导量测的速度、高度和俯仰角速度变化量；

表示量测阵；v_k∈R^3×1表示量测噪声，是高斯白噪声，满足E(v_k)＝0，

R_v∈R^3×3＞0，

构建Kalman滤波器

其中，

表示k时刻状态的估计值；

P₀＝0.1·I_5×5；

表示状态一步预测；P_k-1∈R^5×5表示k-1时刻的状态估计协方差；P_k/k-1∈R^5×5表示一步预测协方差；K_k∈R^5×3表示滤波增益；R_k∈R^3×3＞0表示k时刻的量测噪声方差。

(d)令

和

由Kalman滤波器获得。选择后掠角ζ为前件变量，构建模糊规则

ifζis F^l

then

其中，后掠角ζ在0°～45°之间均匀取值，F^l表示模糊集；K_l∈R^2×5表示第l个线性模型的控制增益。

T-S模糊控制器为

其中，

h_i(ζ)＝Fⁱ(ζ)，μ_i≥0，

(e)根据得到的控制器u，返回到变体飞行器动力学模型(1)中，实现跟踪控制。

Claims (2)

1.一种基于Kalman滤波的变体飞行器T-S模糊控制方法，其特征在于步骤如下：

步骤1：考虑变体飞行器非线性动力学模型为

其中，V表示飞行速度；h表示飞行高度；γ表示航迹角；α表示迎角；q表示俯仰角速度；D、L和M_A分别表示阻力、升力和俯仰力矩；m、I_y和g分别表示飞行器质量、y轴的转动惯量和重力加速度；T表示推力；z_T表示发动机安装在机体轴上的位置；F_Ix，F_Iz，F_Ikz和M_Iy分别表示由变形过程引起的惯性力和力矩，S_x表示分布在机体x轴方向的静力矩，(1)中相关气动力和力矩的定义如下

其中，ζ表示后掠角；ρ_h表示空气密度；S_w表示机翼面积；c_A表示平均气动弦长；Q表示动压；C_L，C_D和C_m分别表示总的气动升力系数、阻力系数和俯仰力矩系数；C_D0、C_Dα、

C_L0、C_Lα、

C_m0、C_mα、

和C_mq表示气动导数；m₁和m₃分别表示机翼和机身的质量；r_1x和r_3x分别表示机翼和机身在机体坐标系中的位置；

步骤2：选择后掠角ζ为前件变量，构建模糊规则如下

其中，状态量X＝[ΔV Δh Δγ Δα Δq]^T分别表示速度、高度、航迹角、迎角和俯仰角速度的变化量；控制输入u＝[Δδ_e ΔT]^T为升降舵偏角和推力的变化量；A_l∈R^5×5，B_l∈R^5×2，C_l∈R^5×5分别表示第l个线性模型矩阵，由小扰动线性化得到；F^l用高斯隶属度函数表示

和c_l分别表示第l个隶属度函数的中心和宽度；N表示模糊规则个数；

构建T-S模糊模型为

其中，

μ_i≥0，i＝1,…,N；

步骤3：选取X＝[ΔV Δh Δγ Δα Δq]^T为滤波状态量，建立系统状态方程

X_k＝Φ_k/k-1X_k-1+G_k-1u (4)

其中，Φ_k/k-1＝I+A·Δt表示系统转移矩阵；G_k-1＝B·Δt表示输入驱动矩阵；Δt表示采样时间；

考虑状态α和γ不可测，引入惯导信息作为量测信息，建立量测方程

Z_k ^INS＝H_kX_k/k-1+v_k (5)

其中，

表示惯导量测的速度、高度和俯仰角速度变化量；

表示量测阵；v_k∈R^3×1表示量测噪声，满足E(v_k)＝0，

R_v∈R^3×3表示量测噪声方差阵，

构建Kalman滤波器

其中，

表示k时刻状态的估计值；

表示状态一步预测；P_k-1∈R^5×5表示k-1时刻的状态估计协方差；P_k/k-1∈R^5×5表示一步预测协方差；

表示k时刻的惯导量测值；K_k∈R^5×3表示滤波增益；R_k∈R^3×3＞0表示k时刻的量测噪声方差；

步骤4：令

和

由Kalman滤波器获得；选择后掠角ζ为前件变量，构建模糊规则如下

其中，F^l表示模糊集；K_l∈R^2×5表示第l个线性模型的控制增益；

设计T-S模糊控制器为

其中，

h_i(ζ)＝Fⁱ(ζ)，μ_i≥0，

步骤5：根据得到的控制器u，返回到变体飞行器动力学模型(1)中，实现跟踪控制。

2.根据权利要求1所述的一种基于Kalman滤波的变体飞行器T-S模糊控制方法，其特征在于步骤3中所述的Δt＝0.01s。

Images