CN111679583B - 基于气动参数估计的变体飞行器自适应控制方法 - Google Patents
基于气动参数估计的变体飞行器自适应控制方法 Download PDFInfo
- Publication number
- CN111679583B CN111679583B CN202010570235.XA CN202010570235A CN111679583B CN 111679583 B CN111679583 B CN 111679583B CN 202010570235 A CN202010570235 A CN 202010570235A CN 111679583 B CN111679583 B CN 111679583B
- Authority
- CN
- China
- Prior art keywords
- formula
- design
- design parameter
- compound
- representing
- 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
- 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
本发明涉及一种基于气动参数估计的变体飞行器自适应控制方法,该方法将变体飞行器纵向通道模型解耦为速度子系统和高度子系统,针对速度子系统采用动态逆控制,针对高度子系统采用反步法控制。为有效处理系统动力学中的未知气动函数,将动力学模型转化为已知状态量项与未知气动参数项相乘的线性参数化形式,设计自适应更新律对未知参数部分进行估计,进一步基于估计信息设计控制器,实现系统高度和速度指令的有效跟踪。
Description
技术领域
本发明涉及一种飞行器控制方法,特别是涉及一种基于气动参数估计的变体飞行器自适应控制方法,属于飞行控制领域。
背景技术
变体飞行器能够通过作动机构或者智能材料改变机翼外形,兼具不同飞行器的优势,适应多变的任务环境,增加飞行稳定性和操纵性。在飞行器变体过程中,飞行器物理参数、重心、气动参数及转动惯量等会发生较大变化,无法建立单一模型描述整个变形过程,固定控制器也无法进行有效控制。目前研究策略基于CFD模拟等方法获取气动参数关于变形量的函数表达式,并基于小扰动线性化进行控制器设计,但该方法无法有效处理实际飞行过程中各种不确定,可能导致系统控制性能下降甚至失稳。
《基于backstepping/RHO的变体飞机控制器设计》(陈伟,卢京潮,王晓光,章卫国,《北京航空航天大学学报》,2014,40(08):1060-1065)一文针对变后掠角飞行器进行反步法控制,该方法将气动函数转换成已知标称函数和广义不确定项的形式,并基于标称模型进行控制器设计,保证系统飞行稳定性和跟踪性能。该策略忽略了变体过程中未知扰动和建模误差对系统的影响,难以保证较好的控制性能。
发明内容
要解决的技术问题
为解决变体飞行器气动参数未知的问题,本发明提出了一种基于气动参数估计的变体飞行器自适应控制方法。
技术方案
一种基于气动参数估计的变体飞行器自适应控制方法,其特征在于步骤如下:
步骤1:考虑变后掠翼飞行器纵向动力学模型
其中,FIx、FIkz、FIz和MIy表示变形过程引起的惯性力矩,其表达式为
该动力学模型包含五个状态变量X=[V,h,α,γ,q]T和两个控制输入U=[δe,T]T,其中V表示速度,h表示高度,α表示攻角,γ表示航迹角,q表示俯仰角速度,δe表示舵偏角,T表示推力;D、L和MA分别表示阻力、升力和俯仰转动力矩;m、Iy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度;θ=α+γ表示俯仰角,Sx表示静力矩,zT表示推力矩臂长;
步骤2:将变体飞行器动力学模型解耦得到速度子系统(1)和高度子系统(2)-(5);
速度子系统(1)写为
定义x1=γ,x2=θ和x3=q,将姿态子系统(3)-(5)变换为
设计参数估计自适应律为
式中,γv>0为设计参数;
步骤4:第1步:定义航迹角跟踪误差为
设计俯仰角虚拟控制量为
设计一阶滤波器为
设计补偿信号ξ1为
第2步:定义俯仰角跟踪误差为
设计俯仰角速度虚拟控制量为
式中,k2>0为设计参数;
设计一阶滤波器为
第3步:定义俯仰角速度跟踪误差为
设计控制输入δe为
设计补偿信号ξ3为
步骤5:根据得到的推力T和舵偏角δe,返回到飞行器的动力学模型(1)-(5),对速度和高度进行跟踪控制。
步骤2中所述的kh=0.5,kI=0.05。
有益效果
本发明提出的一种基于气动参数估计的变体飞行器自适应控制方法,该方法将变体飞行器纵向通道模型解耦为速度子系统和高度子系统,针对速度子系统采用动态逆控制,针对高度子系统采用反步法控制。为有效处理系统动力学中的未知气动函数,将动力学模型转化为已知状态量项与未知气动参数项相乘的线性参数化形式,设计自适应更新律对未知参数部分进行估计,进一步基于估计信息设计控制器,实现系统高度和速度指令的有效跟踪。
与现有技术相比有益效果为:
(1)本发明通过模型变换将系统动力学中的未知气动函数转化为已知状态向量与未知气动参数相乘的线性参数化形式。
(2)本发明设计自适应律对未知参数进行估计,进一步基于估计信息设计自适应控制律,实现高度和速度的有效跟踪。
(3)本发明针对变体飞行器气动参数未知的问题,给出基于参数估计的控制器设计方法,突破已有的基于线性标称模型的设计,有效提高控制性能。
附图说明
图1是本发明基于气动参数估计的变体飞行器自适应控制方法的流程图。
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,本发明基于气动参数估计的变体飞行器自适应控制方法应用于变后掠翼飞行器,通过以下步骤实现:
(a)考虑变后掠翼飞行器纵向通道动力学模型
其中,FIx、FIkz、FIz和MIy表示变形过程引起的惯性力矩,其表达式为
该动力学模型包含五个状态变量X=[V,h,α,γ,q]T和两个控制输入U=[δe,T]T,其中V表示速度,h表示高度,α表示攻角,γ表示航迹角,q表示俯仰角速度,δe表示舵偏角,T表示推力;D、L和MA分别表示阻力、升力和俯仰转动力矩;m、Iy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度;θ=α+γ表示俯仰角,Sx表示静力矩,zT表示推力矩臂长。力、力矩及各系数关于变形量后掠角ζ的表达式为:
L=CL(ζ)QSω(ζ),D=CD(ζ)QSω(ζ),MA=Cm(ζ)QSω(ζ)cA(ζ)
Sω(ζ)=-0.8271+1.6040ζ,Sx≈2m1r1x+m3r3x,m1=5,m3=15
r1x=-0.0324ζ2sin(ζ)+0.0561ζsin(ζ)+1.4983sin(ζ),r3x=0.1458
cA(ζ)=0.2054ζ2-0.2520ζ+0.4874
CL0(ζ)=0.0042ζ3-0.1374ζ2-0.0516ζ+0.2291
CLα(ζ)=-1.1264ζ3-0.4351ζ2+0.3816ζ+4.592
CD0(ζ)=-0.0024ζ3+0.0045ζ2+0.0022ζ+0.0210
CDα(ζ)=-0.0310ζ2-0.0458ζ+0.1090
Cm0(ζ)=0.4239ζ2-0.4462ζ-0.0365
Cmα(ζ)=9.6542ζ3-6.5395ζ2-6.1887ζ-1.5909
Cmq(ζ)=41.4537ζ3-50.4868ζ2-9.7741ζ-10.673
其中,Q表示动压,ρh表示空气密度,Sω(ζ)表示气动参考面积,cA(ζ)表示平均气动弦长。
(b)将飞行器动力学模型解耦得到速度子系统(1)和高度子系统(2)-(5)。
速度子系统(1)写为
定义x1=γ,x2=θ和x3=q,将姿态子系统(3)-(5)变换为
设计参数估计自适应律为
式中,γv=10。
(d)第1步:定义航迹角跟踪误差为
设计俯仰角虚拟控制量为
设计一阶滤波器为
设计补偿信号ξ1为
第2步:定义俯仰角跟踪误差为
设计俯仰角速度虚拟控制量为
式中,k2=2。
设计一阶滤波器为
第3步:定义俯仰角速度跟踪误差为
设计控制输入δe为
设计补偿信号ξ3为
(e)根据得到的推力T和舵偏角δe,返回到飞行器的动力学模型(1)-(5),对速度和高度进行跟踪控制。
Claims (2)
1.一种基于气动参数估计的变体飞行器自适应控制方法,其特征在于步骤如下:
步骤1:考虑变后掠翼飞行器纵向动力学模型
其中,FIx、FIkz、FIz和MIy表示变形过程引起的惯性力矩,其表达式为
该动力学模型包含五个状态变量X=[V,h,α,γ,q]T和两个控制输入U=[δe,T]T,其中V表示速度,h表示高度,α表示攻角,γ表示航迹角,q表示俯仰角速度,δe表示舵偏角,T表示推力;D、L和MA分别表示阻力、升力和俯仰转动力矩;m、Iy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度;θ=α+γ表示俯仰角,Sx表示静力矩,zT表示推力矩臂长;
步骤2:将变体飞行器动力学模型解耦得到速度子系统(1)、高度子系统(2)和姿态子系统(3)-(5);
速度子系统(1)写为
定义x1=γ,x2=θ和x3=q,将姿态子系统(3)-(5)变换为
设计参数估计自适应律为
式中,γv>0为设计参数;
步骤4:第1步:定义航迹角跟踪误差为
设计俯仰角虚拟控制量为
设计一阶滤波器为
设计补偿信号ξ1为
第2步:定义俯仰角跟踪误差为
设计俯仰角速度虚拟控制量为
式中,k2>0为设计参数;
设计一阶滤波器为
第3步:定义俯仰角速度跟踪误差为
设计控制输入即舵偏角δe为
设计补偿信号ξ3为
步骤5:根据得到的推力T和舵偏角δe,返回到飞行器的动力学模型(1)-(5),对速度和高度进行跟踪控制。
2.根据权利要求1所述的一种基于气动参数估计的变体飞行器自适应控制方法,其特征在于步骤2中所述的kh=0.5,kI=0.05。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570235.XA CN111679583B (zh) | 2020-06-21 | 2020-06-21 | 基于气动参数估计的变体飞行器自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570235.XA CN111679583B (zh) | 2020-06-21 | 2020-06-21 | 基于气动参数估计的变体飞行器自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111679583A CN111679583A (zh) | 2020-09-18 |
CN111679583B true CN111679583B (zh) | 2021-04-20 |
Family
ID=72456004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010570235.XA Active CN111679583B (zh) | 2020-06-21 | 2020-06-21 | 基于气动参数估计的变体飞行器自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679583B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126494B (zh) * | 2021-04-14 | 2022-08-09 | 西北工业大学 | 参考轨迹动态修正的低空飞行气动辨识控制方法 |
CN113126495B (zh) * | 2021-04-14 | 2022-08-05 | 西北工业大学 | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 |
CN113377122B (zh) * | 2021-07-06 | 2022-10-28 | 西北工业大学 | 一种可栖落机动的变体飞行器切换自适应控制方法 |
CN114265420B (zh) * | 2021-12-09 | 2023-08-29 | 中国运载火箭技术研究院 | 适于高动态、控制慢响应的制导控制一体化设计方法 |
CN114942649B (zh) * | 2022-06-06 | 2022-12-06 | 北京石油化工学院 | 一种基于反步法的飞机俯仰姿态与航迹角解耦控制方法 |
CN115327916A (zh) * | 2022-08-30 | 2022-11-11 | 北京京航计算通讯研究所 | 一种高机动飞机气动参数摄动的自适应补偿控制方法 |
CN115685764B (zh) * | 2023-01-03 | 2023-04-14 | 北京航空航天大学杭州创新研究院 | 变翼展飞行器任务自适应的抗干扰跟踪控制方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880055B (zh) * | 2012-09-29 | 2014-11-26 | 西北工业大学 | 基于预测模型的高超声速飞行器神经网络控制方法 |
CN103616816B (zh) * | 2013-11-15 | 2016-04-06 | 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 |
CN107589674A (zh) * | 2017-08-08 | 2018-01-16 | 南京航空航天大学 | 基于耦合补偿与转换的高超声速飞行器纵向协调控制方法 |
CN107703742B (zh) * | 2017-09-06 | 2020-09-01 | 南京邮电大学 | 一种柔性航天器传感器故障调节方法 |
CN107831653B (zh) * | 2017-10-16 | 2020-07-28 | 南京航空航天大学 | 一种抑制参数摄动的高超声速飞行器指令跟踪控制方法 |
CN110320794A (zh) * | 2019-07-24 | 2019-10-11 | 西北工业大学 | 基于干扰观测的弹性飞行器奇异摄动复合学习控制方法 |
CN110456643A (zh) * | 2019-07-24 | 2019-11-15 | 西北工业大学 | 基于奇异摄动的弹性飞行器历史数据学习自适应控制方法 |
-
2020
- 2020-06-21 CN CN202010570235.XA patent/CN111679583B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111679583A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111679583B (zh) | 基于气动参数估计的变体飞行器自适应控制方法 | |
CN111665857B (zh) | 基于复合智能学习的变体飞行器控制方法 | |
CN110377045B (zh) | 一种基于抗干扰技术的飞行器全剖面控制方法 | |
CN109426146B (zh) | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 | |
CN110908278B (zh) | 一种折叠翼飞行器的动力学建模与稳定控制方法 | |
CN108776434B (zh) | 一种高超声速飞行器快速自适应滑模容错控制方法 | |
CN107479383A (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 | |
CN110568765A (zh) | 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 | |
CN107479384A (zh) | 高超声速飞行器神经网络复合学习非反步控制方法 | |
CN111367182A (zh) | 考虑输入受限的高超声速飞行器抗干扰反步控制方法 | |
CN110597068A (zh) | 考虑攻角非对称约束的高超声速飞行器鲁棒控制方法 | |
CN108762098B (zh) | 基于复合学习的非最小相位飞行器神经网络控制方法 | |
CN114564045A (zh) | 一种考虑降雨和阵风条件的无人机飞行控制律设计方法 | |
CN109062234B (zh) | 一种非最小相位飞行器复合学习滑模控制方法 | |
CN107632518A (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 | |
CN111580540A (zh) | 基于Kalman滤波的变体飞行器T-S模糊控制方法 | |
CN113126495B (zh) | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 | |
CN113126497B (zh) | 考虑输入饱和的飞行器鲁棒跟踪控制方法 | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
CN115685764B (zh) | 变翼展飞行器任务自适应的抗干扰跟踪控制方法及系统 | |
CN114564047B (zh) | 一种考虑气象条件的无人机等速飞行控制方法 | |
CN108415247B (zh) | 一种基于标称信息的时标分离飞行器弹性体鲁棒控制方法 | |
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 | |
CN114153144B (zh) | 一种输入受限和输入扰动的弹性高超声速飞行器控制方法 | |
CN113126494B (zh) | 参考轨迹动态修正的低空飞行气动辨识控制方法 |
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 |