CN111736468A - 一种信息融合下的飞行器抗干扰控制方法 - Google Patents

一种信息融合下的飞行器抗干扰控制方法 Download PDF

Info

Publication number
CN111736468A
CN111736468A CN202010570247.2A CN202010570247A CN111736468A CN 111736468 A CN111736468 A CN 111736468A CN 202010570247 A CN202010570247 A CN 202010570247A CN 111736468 A CN111736468 A CN 111736468A
Authority
CN
China
Prior art keywords
representing
substances
content
aircraft
disturbance observer
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.)
Granted
Application number
CN202010570247.2A
Other languages
English (en)
Other versions
CN111736468B (zh
Inventor
许斌
梁帅
呼卫军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010570247.2A priority Critical patent/CN111736468B/zh
Publication of CN111736468A publication Critical patent/CN111736468A/zh
Application granted granted Critical
Publication of CN111736468B publication Critical patent/CN111736468B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Abstract

本发明涉及一种信息融合下的飞行器抗干扰控制方法，属于信息融合控制方法领域，用于解决飞行器部分状态不可测以及存在模型不确定性和外界干扰时的跟踪控制问题。考虑系统部分状态不可测且存在未知噪声的情况，利用自适应Kalman滤波融合飞控信息和惯导信息来实现状态估计；将高度子系统转化为严格反馈形式，基于状态估计值并采用反步法策略设计控制器；针对由飞行器模型不确定性和外界干扰形成的集合干扰，设计扰动观测器对不确定部分进行估计。本发明将惯导/飞控系统信息融合和飞行控制器设计有机结合，为解决飞行器在部分状态不可测以及存在模型不确定性和外界干扰时的跟踪控制问题提供了有效途径。

Description

一种信息融合下的飞行器抗干扰控制方法
技术领域
本发明涉及一种飞行控制方法，特别是涉及一种信息融合下的飞行器抗干扰控制方法，属于信息融合控制方法领域。
背景技术
飞行控制系统设计是保证飞机安全飞行的重要基础。反步法被广泛应用于飞控系统设计中，但是要求系统模型准确、外界环境无干扰，而且存在“复杂度爆炸”问题，为了解决这个问题，动态面设计以及指令滤波设计被应用于降低设计复杂度。目前，很多应用在飞控系统设计中的智能控制都是基于状态完全可测的，但在实际系统中，部分系统状态不易直接测量，或由于测量设备在经济上和使用性能上的限制，使得不可能获得系统的全部状态向量，从而影响飞行器的控制性能。
《Hypersonic Vehicle Longitudinal Control Based on Sliding ModeObserver and Dynamic Surface Control》(Yuyan Guo，Shixing Wang，Bin Xu，et al，《IEEE Chinese Control Conference》，2016年)采用滑模观测器来估计系统的迎角和航迹角，并基于反步法设计控制器，将滑模观测器得到的估计值作为控制器输入，该方法可以有效估计未知状态并实现跟踪控制。但是，当系统存在测量噪声以及模型不确定性和外界干扰时，噪声会导致系统状态估计不准确，而扰动会影响系统的控制性能，因而该方法可能达不到期望的控制效果。
发明内容
要解决的技术问题
本发明的目的在于提供一种信息融合下的飞行器抗干扰控制方法，以解决飞行器部分状态不可测以及存在模型不确定性和外界干扰时的跟踪控制问题。
技术方案
一种信息融合下的飞行器抗干扰控制方法，其特征在于步骤如下：
步骤1：考虑含有未知时变干扰的飞行器纵向动力学模型为
Figure BDA0002549337010000021
Figure BDA0002549337010000022
Figure BDA0002549337010000023
Figure BDA0002549337010000024
Figure BDA0002549337010000025
其中，V、h、γ、α和q分别表示速度、高度、航迹角、迎角和俯仰角角速度；D、L和MA分别表示阻力、升力和俯仰力矩；m、Iy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；di，i＝V,h,γ,α,q表示模型不确定性和外界扰动构成的集合干扰；
步骤2：选择X＝[V h γ α q]T为滤波状态量，根据动力学模型(1)-(5)建立系统状态方程
Figure BDA0002549337010000026
其中，噪声w(t)＝[dV(t) dh(t) dγ(t) dα(t) dq(t)]T的统计特性是未知的；f(X,t)∈R5是根据(1)-(5)得到的非线性函数；
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
ZINS(t)＝HX(t)+v(t) (7)其中，
Figure BDA0002549337010000027
表示惯导量测速度、高度和俯仰角速度；
Figure BDA0002549337010000028
表示量测阵；v(t)∈R3表示由惯性测量器件引起的量测噪声，是均值为零的高斯白噪声；
状态方程(6)和观测方程(7)线性化离散化
Figure BDA0002549337010000031
其中，Xk表示k时刻的状态；Φk/k-1＝I+F(tk-1)σT表示tk-1时刻至tk时刻的一步转移阵，其中σT为滤波采样时间，
Figure BDA0002549337010000032
E(wk)＝qk，
Figure BDA0002549337010000033
qk∈R5和Qk∈R5×5≥0表示未知的噪声均值和协方差，其中
Figure BDA0002549337010000034
E(vk)＝0，
Figure BDA0002549337010000035
Rv,k∈R3×3＞0表示量测噪声协方差；
根据离散型线性干扰方程(8)构建自适应Kalman滤波器
Figure BDA0002549337010000036
其中，
Figure BDA0002549337010000037
表示k时刻的状态估计值；
Figure BDA0002549337010000038
表示状态一步预测；Pk-1∈R5×5表示k-1时刻的状态估计协方差；Pk/k-1∈R5×5表示一步预测协方差；
Figure BDA0002549337010000039
表示k时刻惯导量测值；Kk∈R5×3表示滤波增益；
Figure BDA00025493370100000310
和
Figure BDA00025493370100000311
为噪声估计值。
定义
Figure BDA00025493370100000312
噪声统计估计器为
Figure BDA00025493370100000313
步骤3：定义Xh＝[x1 x2 x3 x4]T，其中x1＝h，x2＝γ，x3＝θ，x4＝q，θ＝α+γ；因为γ很小，取sinγ＝γ；考虑到Tsinα远小于L，在控制器设计过程中忽略；
根据动力学模型(2)-(5)，高度子系统转换成以下严格反馈形式
Figure BDA0002549337010000041
根据动力学模型(1)，速度子系统写成以下形式
Figure BDA0002549337010000042
其中，
Figure BDA0002549337010000043
i＝2,3,4；XV＝[x1 x2 x3 x4 V]T；dθ＝dα+dγ，di，i＝h,γ,θ,q,V满足
Figure BDA0002549337010000044
其中，
Figure BDA0002549337010000045
表示扰动以及扰动变化率上界；f1＝f3＝0，
Figure BDA0002549337010000046
Figure BDA0002549337010000047
g1＝V，
Figure BDA0002549337010000048
g3＝1，
Figure BDA0002549337010000049
步骤4：定义跟踪误差
Figure BDA00025493370100000410
其中
Figure BDA00025493370100000411
表示高度测量值，yr表示高度参考信号，设计虚拟控制量
Figure BDA00025493370100000412
为
Figure BDA00025493370100000413
其中，
Figure BDA00025493370100000414
表示d1(t)的估计值；参数k1＞0；
设计一阶滤波器为
Figure BDA00025493370100000415
其中，τ2＞0表示滤波器参数；
Figure BDA00025493370100000416
表示滤波后的值；
设计扰动观测器为
Figure BDA00025493370100000417
其中，
Figure BDA00025493370100000418
L1＞0表示扰动观测器参数；
定义跟踪误差
Figure BDA00025493370100000419
设计虚拟控制量
Figure BDA00025493370100000420
为
Figure BDA00025493370100000421
其中，
Figure BDA0002549337010000051
Figure BDA0002549337010000052
表示d2(t)的估计值；参数k2＞0；
设计一阶滤波器为
Figure BDA0002549337010000053
其中，τ3＞0表示滤波器参数，由设计者给出；
Figure BDA0002549337010000054
表示滤波后的值；设计扰动观测器为
Figure BDA0002549337010000055
其中，
Figure BDA0002549337010000056
L2＞0表示扰动观测器参数；
定义跟踪误差
Figure BDA0002549337010000057
设计虚拟控制量
Figure BDA0002549337010000058
为
Figure BDA0002549337010000059
其中，
Figure BDA00025493370100000510
Figure BDA00025493370100000511
表示d3(t)的估计值；参数k3＞0；
设计一阶滤波器为
Figure BDA00025493370100000512
其中，τ4＞0表示滤波器参数，由设计者给出；
Figure BDA00025493370100000513
表示滤波后的值；设计扰动观测器为
Figure BDA00025493370100000514
其中，
Figure BDA00025493370100000515
表示角速度测量值，L3＞0表示扰动观测器参数；
定义跟踪误差
Figure BDA00025493370100000516
设计控制输入u为
Figure BDA00025493370100000517
其中，
Figure BDA00025493370100000518
Figure BDA00025493370100000519
表示d4(t)的估计值；参数k4＞0；设计扰动观测器为
Figure BDA00025493370100000520
其中，L4＞0表示扰动观测器参数；
根据动力学模型(8)，定义跟踪误差
Figure BDA0002549337010000061
其中
Figure BDA0002549337010000062
表示速度测量值，Vd为速度参考信号，设计控制输入uV为
Figure BDA0002549337010000063
其中，
Figure BDA0002549337010000064
Figure BDA0002549337010000065
表示dV(t)的估计值；参数kV＞0；
设计扰动观测器为
Figure BDA0002549337010000066
其中，LV＞0表示扰动观测器参数；
步骤5：根据得到控制信号u(t)和uV(t)，返回到飞行器的动力学模型(1)-(5)中，对高度和速度进行跟踪控制。
步骤4中所述的Vd＝40m/s。
有益效果
本发明提出的一种信息融合下的飞行器抗干扰控制方法，该方法考虑飞行器部分状态不可测且存在未知系统噪声，通过设计自适应Kalman滤波器融合飞控和惯导信息来实现状态估计；基于反步法框架，将自适应Kalman滤波器得到的状态估计值用于设计控制器；利用扰动观测器来估计由飞行器模型不确定性和外界干扰形成的复合干扰；按照上述步骤得到飞行器的控制输入以实现高度和速度的跟踪控制。
与现有技术相比有益效果为：
(1)本发明考虑了飞行器存在模型不确定性和外界干扰，通过设计扰动观测器来实现对系统未知部分的估计，将飞行器控制器设计与惯导/飞控系统信息融合有机结合。
(2)本发明考虑了系统部分状态不可测，并通过设计自适应Kalman滤波器融合惯导与飞控信息来实现状态估计，从而保证控制系统的控制性能。
(3)本发明考虑了系统噪声统计特性未知，并通过设计自适应Kalman滤波器实现噪声统计特性的估计，并减小噪声对系统的影响。
附图说明
图1是本发明一种信息融合下的飞行器抗干扰控制方法流程图。
图2是本发明一种信息融合下的飞行器抗干扰控制方法原理图。
具体实施方式
现结合实施例、附图对本发明作进一步描述：
本发明的一种信息融合下的飞行器抗干扰控制方法流程图如图1所示，所发明内容用于改进飞行器存在未知时变扰动以及系统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)考虑含有未知时变干扰的飞行器纵向动力学模型为
Figure BDA0002549337010000071
Figure BDA0002549337010000072
Figure BDA0002549337010000073
Figure BDA0002549337010000074
Figure BDA0002549337010000075
其中，V、h、γ、α和q分别表示速度、高度、航迹角、迎角和俯仰角角速率；D、L和MA分别表示阻力、升力和俯仰力矩；m、Iy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；di，i＝V,h,γ,α,q表示模型不确定性和外界扰动构成的集合干扰；dh＝5sin(2t)，dγ＝0.1sin(2t)，dα＝0.2cos(t)，dq＝0.2sin(t)，dV＝cos(2t)；(1)中相关气动力和力矩的定义如下
Figure BDA0002549337010000081
其中，ρh表示空气密度；Sw表示机翼面积；cA表示平均气动弦长；Q表示动压；CL，CD和Cm分别表示总的气动升力系数、阻力系数和俯仰力矩系数；CD0、CDα、
Figure BDA0002549337010000082
CL0、CLα、
Figure BDA0002549337010000083
Cm0、Cmα、
Figure BDA0002549337010000084
和Cmq表示气动导数。
(b)根据图2，选择X＝[V h γ α q]T为滤波状态量，根据模型(1)-(5)建立系统状态方程
Figure BDA0002549337010000085
其中，w(t)＝[dV(t) dh(t) dγ(t) dα(t) dq(t)]T；非线性函数f(X,t)为
Figure BDA0002549337010000086
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
ZINS(t)＝HX(t)+v(t) (7)
其中，
Figure BDA0002549337010000087
表示惯导量测速度、高度和俯仰角速度；
Figure BDA0002549337010000088
表示量测阵；v(t)∈R3是均值为零的高斯白噪声。
状态方程(6)和观测方程(7)线性化离散化
Figure BDA0002549337010000089
其中，Xk表示k时刻的状态；Φk/k-1＝I+F(tk-1)σT表示tk-1时刻至tk时刻的一步转移阵，其中σT为滤波采样时间，
Figure BDA0002549337010000091
E(wk)＝qk，
Figure BDA0002549337010000092
qk∈R5和Qk∈R5×5≥0表示未知的噪声均值和协方差，其中
Figure BDA0002549337010000093
E(vk)＝0，
Figure BDA0002549337010000094
Rv,k∈R3×3＞0表示量测噪声协方差。
根据离散型线性干扰方程(8)构建自适应Kalman滤波器
Figure BDA0002549337010000095
其中，
Figure BDA0002549337010000096
表示k时刻状态的估计值；
Figure BDA0002549337010000097
表示状态一步预测；Pk-1∈R5×5表示k-1时刻的协方差矩阵；Pk/k-1∈R5×5表示一步预测均方误差；
Figure BDA0002549337010000098
表示k时刻的惯导量测值；Kk∈R5×3表示滤波增益；
Figure BDA0002549337010000099
和
Figure BDA00025493370100000910
为噪声估计值，定义
Figure BDA00025493370100000911
噪声统计估计器为
Figure BDA00025493370100000912
(c)定义Xh＝[x1 x2 x3 x4]T，其中x1＝h，x2＝γ，x3＝θ，x4＝q，θ＝α+γ；因为γ很小，取sinγ＝γ；考虑到Tsinα远小于L，在控制器设计过程中忽略。
根据动力学模型(2)-(5)，高度子系统转换成以下严格反馈形式
Figure BDA00025493370100000913
根据动力学模型(1)，速度子系统写成以下形式
Figure BDA0002549337010000101
其中，
Figure BDA0002549337010000102
i＝2,3,4，XV＝[x1 x2 x3 x4 V]T；dθ＝dα+dγ，di，i＝h,γ,θ,q,V满足
Figure BDA0002549337010000103
其中，
Figure BDA0002549337010000104
表示扰动以及扰动变化率上界；f1＝f3＝0，
Figure BDA0002549337010000105
g1＝V，
Figure BDA0002549337010000106
g3＝1，
Figure BDA0002549337010000107
(d)定义跟踪误差
Figure BDA0002549337010000108
其中
Figure BDA0002549337010000109
表示高度测量值，yr＝1000m，设计虚拟控制量
Figure BDA00025493370100001010
为
Figure BDA00025493370100001011
其中，
Figure BDA00025493370100001012
表示d1(t)的估计值；参数k1＞0由设计者给出。
设计一阶滤波器为
Figure BDA00025493370100001013
其中，τ2＞0表示滤波器参数，由设计者给出；
Figure BDA00025493370100001014
表示滤波后的值。
设计扰动观测器为
Figure BDA00025493370100001015
其中，
Figure BDA00025493370100001016
L1＞0表示扰动观测器参数，由设计者给出。
定义跟踪误差
Figure BDA00025493370100001017
设计虚拟控制量
Figure BDA00025493370100001018
为
Figure BDA00025493370100001019
其中，
Figure BDA00025493370100001020
Figure BDA00025493370100001021
表示d2(t)的估计值；参数k2＞0由设计者给出。
设计一阶滤波器为
Figure BDA00025493370100001022
其中，τ3＞0表示滤波器参数，由设计者给出；
Figure BDA0002549337010000111
表示滤波后的值。
设计扰动观测器为
Figure BDA0002549337010000112
其中，
Figure BDA0002549337010000113
L2＞0表示扰动观测器参数，由设计者给出。
定义跟踪误差
Figure BDA0002549337010000114
设计虚拟控制量
Figure BDA0002549337010000115
为
Figure BDA0002549337010000116
其中，
Figure BDA0002549337010000117
Figure BDA0002549337010000118
表示d3(t)的估计值；参数k3＞0由设计者给出。
设计一阶滤波器为
Figure BDA0002549337010000119
其中，τ4＞0表示滤波器参数，由设计者给出；
Figure BDA00025493370100001110
表示滤波后的值。
设计扰动观测器为
Figure BDA00025493370100001111
其中，
Figure BDA00025493370100001112
表示角速度测量值，L3＞0表示扰动观测器参数，由设计者给出。
定义跟踪误差
Figure BDA00025493370100001113
设计控制输入u为
Figure BDA00025493370100001114
其中，
Figure BDA00025493370100001115
Figure BDA00025493370100001116
表示d4(t)的估计值；k4＞0由设计者给出。
设计扰动观测器为
Figure BDA00025493370100001117
其中，L4＞0表示扰动观测器参数，由设计者给出。
根据动力学模型(8)，定义跟踪误差
Figure BDA00025493370100001118
其中
Figure BDA00025493370100001119
表示速度测量值，Vd＝40m/s，设计控制输入uV为
Figure BDA0002549337010000121
其中，
Figure BDA0002549337010000122
Figure BDA0002549337010000123
表示dV(t)的估计值；kV＞0由设计者给出。
设计扰动观测器为
Figure BDA0002549337010000124
其中，LV＞0表示扰动观测器参数，由设计者给出。
(e)根据得到的控制输入u和uV，返回到飞行器的动力学模型(1)-(5)中，对高度和速度进行跟踪控制。

Claims (2)

1.一种信息融合下的飞行器抗干扰控制方法，其特征在于步骤如下：
步骤1：考虑含有未知时变干扰的飞行器纵向动力学模型为
Figure FDA0002549335000000011
Figure FDA0002549335000000012
Figure FDA0002549335000000013
Figure FDA0002549335000000014
Figure FDA0002549335000000015
其中，V、h、γ、α和q分别表示速度、高度、航迹角、迎角和俯仰角角速度；D、L和MA分别表示阻力、升力和俯仰力矩；m、Iy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；di，i＝V,h,γ,α,q表示模型不确定性和外界扰动构成的集合干扰；
步骤2：选择X＝[V h γ α q]T为滤波状态量，根据动力学模型(1)-(5)建立系统状态方程
Figure FDA0002549335000000016
其中，噪声w(t)＝[dV(t) dh(t) dγ(t) dα(t) dq(t)]T的统计特性是未知的；f(X,t)∈R5是根据(1)-(5)得到的非线性函数；
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
ZINS(t)＝HX(t)+v(t) (7)
其中，
Figure FDA0002549335000000017
表示惯导量测速度、高度和俯仰角速度；
Figure FDA0002549335000000018
表示量测阵；v(t)∈R3表示由惯性测量器件引起的量测噪声，是均值为零的高斯白噪声；
状态方程(6)和观测方程(7)线性化离散化
Figure FDA0002549335000000021
其中，Xk表示k时刻的状态；Φk/k-1＝I+F(tk-1)σT表示tk-1时刻至tk时刻的一步转移阵，其中σT为滤波采样时间，
Figure FDA0002549335000000022
E(wk)＝qk，
Figure FDA0002549335000000023
qk∈R5和Qk∈R5×5≥0表示未知的噪声均值和协方差，其中
Figure FDA0002549335000000024
E(vk)＝0，
Figure FDA0002549335000000025
Rv,k∈R3×3＞0表示量测噪声协方差；
根据离散型线性干扰方程(8)构建自适应Kalman滤波器
Figure FDA0002549335000000026
其中，
Figure FDA0002549335000000027
表示k时刻的状态估计值；
Figure FDA0002549335000000028
表示状态一步预测；Pk-1∈R5×5表示k-1时刻的状态估计协方差；Pk/k-1∈R5×5表示一步预测协方差；
Figure FDA0002549335000000029
表示k时刻惯导量测值；Kk∈R5×3表示滤波增益；
Figure FDA00025493350000000210
和
Figure FDA00025493350000000211
为噪声估计值。定义
Figure FDA00025493350000000212
噪声统计估计器为
Figure FDA00025493350000000213
步骤3：定义Xh＝[x1 x2 x3 x4]T，其中x1＝h，x2＝γ，x3＝θ，x4＝q，θ＝α+γ；因为γ很小，取sinγ＝γ；考虑到Tsinα远小于L，在控制器设计过程中忽略；
根据动力学模型(2)-(5)，高度子系统转换成以下严格反馈形式
Figure FDA0002549335000000031
根据动力学模型(1)，速度子系统写成以下形式
Figure FDA0002549335000000032
其中，
Figure FDA0002549335000000033
i＝2,3,4；XV＝[x1 x2 x3 x4 V]T；dθ＝dα+dγ，di，i＝h,γ,θ,q,V满足
Figure FDA0002549335000000034
其中，
Figure FDA0002549335000000035
表示扰动以及扰动变化率上界；f1＝f3＝0，
Figure FDA0002549335000000036
Figure FDA0002549335000000037
g1＝V，
Figure FDA0002549335000000038
g3＝1，
Figure FDA0002549335000000039
步骤4：定义跟踪误差
Figure FDA00025493350000000310
其中
Figure FDA00025493350000000311
表示高度测量值，yr表示高度参考信号，设计虚拟控制量
Figure FDA00025493350000000312
为
Figure FDA00025493350000000313
其中，
Figure FDA00025493350000000314
表示d1(t)的估计值；参数k1＞0；
设计一阶滤波器为
Figure FDA00025493350000000315
其中，τ2＞0表示滤波器参数；
Figure FDA00025493350000000316
表示滤波后的值；
设计扰动观测器为
Figure FDA00025493350000000317
其中，
Figure FDA00025493350000000318
L1＞0表示扰动观测器参数；
定义跟踪误差
Figure FDA00025493350000000319
设计虚拟控制量
Figure FDA00025493350000000320
为
Figure FDA00025493350000000321
其中，
Figure FDA0002549335000000041
Figure FDA0002549335000000042
表示d2(t)的估计值；参数k2＞0；
设计一阶滤波器为
Figure FDA0002549335000000043
其中，τ3＞0表示滤波器参数，由设计者给出；
Figure FDA0002549335000000044
表示滤波后的值；
设计扰动观测器为
Figure FDA0002549335000000045
其中，
Figure FDA0002549335000000046
L2＞0表示扰动观测器参数；
定义跟踪误差
Figure FDA0002549335000000047
设计虚拟控制量
Figure FDA0002549335000000048
为
Figure FDA0002549335000000049
其中，
Figure FDA00025493350000000410
Figure FDA00025493350000000411
表示d3(t)的估计值；参数k3＞0；
设计一阶滤波器为
Figure FDA00025493350000000412
其中，τ4＞0表示滤波器参数，由设计者给出；
Figure FDA00025493350000000413
表示滤波后的值；
设计扰动观测器为
Figure FDA00025493350000000414
其中，
Figure FDA00025493350000000415
表示角速度测量值，L3＞0表示扰动观测器参数；
定义跟踪误差
Figure FDA00025493350000000416
设计控制输入u为
Figure FDA00025493350000000417
其中，
Figure FDA00025493350000000418
Figure FDA00025493350000000419
表示d4(t)的估计值；参数k4＞0；
设计扰动观测器为
Figure FDA00025493350000000420
其中，L4＞0表示扰动观测器参数；
根据动力学模型(8)，定义跟踪误差
Figure FDA0002549335000000051
其中
Figure FDA0002549335000000052
表示速度测量值，Vd为速度参考信号，设计控制输入uV为
Figure FDA0002549335000000053
其中，
Figure FDA0002549335000000054
Figure FDA0002549335000000055
表示dV(t)的估计值；参数kV＞0；
设计扰动观测器为
Figure FDA0002549335000000056
其中，LV＞0表示扰动观测器参数；
步骤5：根据得到控制信号u(t)和uV(t)，返回到飞行器的动力学模型(1)-(5)中，对高度和速度进行跟踪控制。
2.根据权利要求1所述的一种信息融合下的飞行器抗干扰控制方法，其特征在于步骤4中所述的Vd＝40m/s。
CN202010570247.2A 2020-06-21 2020-06-21 一种信息融合下的飞行器抗干扰控制方法 Active CN111736468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010570247.2A CN111736468B (zh) 2020-06-21 2020-06-21 一种信息融合下的飞行器抗干扰控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010570247.2A CN111736468B (zh) 2020-06-21 2020-06-21 一种信息融合下的飞行器抗干扰控制方法

Publications (2)

Publication Number Publication Date
CN111736468A true CN111736468A (zh) 2020-10-02
CN111736468B CN111736468B (zh) 2022-06-21

Family

ID=72651936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010570247.2A Active CN111736468B (zh) 2020-06-21 2020-06-21 一种信息融合下的飞行器抗干扰控制方法

Country Status (1)

Country Link
CN (1) CN111736468B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486141A (zh) * 2020-11-26 2021-03-12 南京信息工程大学 一种基于时间自动机的无人机飞控程序建模与验证方法
CN113126497A (zh) * 2021-04-14 2021-07-16 西北工业大学 考虑输入饱和的飞行器鲁棒跟踪控制方法
CN113126496A (zh) * 2021-04-14 2021-07-16 西北工业大学 基于改进ekf状态观测器的飞行器自适应跟踪控制方法
CN115685764A (zh) * 2023-01-03 2023-02-03 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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749851A (zh) * 2012-07-24 2012-10-24 北京航空航天大学 一种挠性高超声速飞行器的精细抗干扰跟踪控制器
CN103777641A (zh) * 2014-02-19 2014-05-07 北京理工大学 飞行器跟踪控制的复合自抗扰控制方法
CN104865970A (zh) * 2015-05-06 2015-08-26 南京航空航天大学 一种无人机飞行轨迹跟踪控制系统
CN109032153A (zh) * 2018-05-31 2018-12-18 中国科学院西安光学精密机械研究所 基于光电-惯性组合导引的无人机自主着舰方法和系统
CN110377045A (zh) * 2019-08-22 2019-10-25 北京航空航天大学 一种基于抗干扰技术的飞行器全剖面控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749851A (zh) * 2012-07-24 2012-10-24 北京航空航天大学 一种挠性高超声速飞行器的精细抗干扰跟踪控制器
CN103777641A (zh) * 2014-02-19 2014-05-07 北京理工大学 飞行器跟踪控制的复合自抗扰控制方法
CN104865970A (zh) * 2015-05-06 2015-08-26 南京航空航天大学 一种无人机飞行轨迹跟踪控制系统
CN109032153A (zh) * 2018-05-31 2018-12-18 中国科学院西安光学精密机械研究所 基于光电-惯性组合导引的无人机自主着舰方法和系统
CN110377045A (zh) * 2019-08-22 2019-10-25 北京航空航天大学 一种基于抗干扰技术的飞行器全剖面控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUYAN GUO 等: "Hypersonic vehicle longitudinal control based on sliding mode observer and dynamic surface control", 《2016 35TH CHINESE CONTROL CONFERENCE (CCC)》 *
梁帅 等: "基于Kalman滤波的变体飞行器T-S模糊控制", 《航空学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486141A (zh) * 2020-11-26 2021-03-12 南京信息工程大学 一种基于时间自动机的无人机飞控程序建模与验证方法
CN113126497A (zh) * 2021-04-14 2021-07-16 西北工业大学 考虑输入饱和的飞行器鲁棒跟踪控制方法
CN113126496A (zh) * 2021-04-14 2021-07-16 西北工业大学 基于改进ekf状态观测器的飞行器自适应跟踪控制方法
CN113126496B (zh) * 2021-04-14 2022-10-28 西北工业大学 基于改进ekf状态观测器的飞行器自适应跟踪控制方法
CN115685764A (zh) * 2023-01-03 2023-02-03 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

Also Published As

Publication number Publication date
CN111736468B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN111736468B (zh) 一种信息融合下的飞行器抗干扰控制方法
US7757993B1 (en) Method for reducing the turbulence and gust influences on the flying characteristics of aircraft, and a control device for this purpose
CN111665857B (zh) 基于复合智能学习的变体飞行器控制方法
CN111679583B (zh) 基于气动参数估计的变体飞行器自适应控制方法
CN102591212B (zh) 一种时变测量延迟输出信号飞行器纵向运动状态观测方法
US20170046968A1 (en) Flight simulation modeling of aircraft dynamic stall aerodynamics
Crozon et al. Coupled flight dynamics and CFD–demonstration for helicopters in shipborne environment
CN104950901A (zh) 无人直升机姿态误差有限时间收敛非线性鲁棒控制方法
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
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
CN110320794A (zh) 基于干扰观测的弹性飞行器奇异摄动复合学习控制方法
CN110456636B (zh) 基于不确定性上界估计的飞行器离散滑模自适应控制方法
CN111580540A (zh) 基于Kalman滤波的变体飞行器T-S模糊控制方法
CN110320807B (zh) 基于奇异摄动分解的弹性飞行器数据筛选自适应控制方法
CN114281092A (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
CN110308657A (zh) 基于奇异摄动策略的弹性飞行器全局鲁棒智能控制方法
CN105759609A (zh) 一种基于显式非线性模型预测控制的舰载机自主着舰方法
CN113987894A (zh) 一种基于降雨天气条件的无人机动力学建模方法
CN113126497B (zh) 考虑输入饱和的飞行器鲁棒跟踪控制方法
CN105035311B (zh) 一种飞行器阵风减缓自适应前馈控制系统
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
Bunge et al. In-flight measurement of wing surface pressures on a small-scale uav during stall/spin maneuvers
Cox et al. Flight test of stable automated cruise flap for an adaptive wing aircraft
CN110376887A (zh) 基于时变滑模增益的飞行器离散滑模智能控制方法
CN113759718B (zh) 一种飞机机翼损伤自适应控制方法

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