CN112506209B - 一种基于自适应预测周期的再入飞行器预测控制方法 - Google Patents
一种基于自适应预测周期的再入飞行器预测控制方法 Download PDFInfo
- Publication number
- CN112506209B CN112506209B CN202011324498.9A CN202011324498A CN112506209B CN 112506209 B CN112506209 B CN 112506209B CN 202011324498 A CN202011324498 A CN 202011324498A CN 112506209 B CN112506209 B CN 112506209B
- Authority
- CN
- China
- Prior art keywords
- attitude
- angular velocity
- prediction
- prediction period
- aircraft
- 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于自适应预测周期的再入飞行器预测控制方法,包括(1)建立反映再入飞行器飞行过程动态特性的姿态动力学模型;(2)对再入飞行器的姿态子系统进行常值预测周期的虚拟预测控制器设计;(3)对再入飞行器的姿态子系统进行动态预测周期的自适应虚拟预测控制器设计;(4)对再入飞行器的姿态角速度子系统进行常值预测周期的预测控制器设计;(5)对再入飞行器的姿态角速度子系统进行动态预测周期的自适应预测控制器设计;(6)对再入飞行器进行动态预测周期的自适应预测控制器设计,从而实现基于自适应预测周期的再入飞行器预测控制。
Description
技术领域
本发明涉及一种飞行器预测控制方法,尤其涉及一种预测周期自适应可调的再入飞行器预测控制方法,属于飞行器姿态控制技术领域。
背景技术
再入飞行器再入返回过程中飞行轨迹涵盖外层空间、稀薄大气层以及稠密大气层,飞行速度从亚音速、超音速到高超音速甚至接近轨道速度,如此大跨度的飞行范围使得其模型特性变化显著,各通道间气动耦合、惯性耦合、运动学耦合现象显著,模型非线性特征显著。另外,各种不确定性外部扰动、建模误差及系统参数不确定的存在,导致姿态控制变得异常复杂。为保证飞行器飞行控制的性能,实现再入过程高精度控制,必须有效抑制上述复合干扰的影响。
目前,国内外关于飞行器高精度姿态控制方法较多,但多针对在轨卫星复杂任务的高精度设计,而适用于再入飞行器快速动态变化且控制效果较好的控制方法较少。预测控制能有效地克服受控对象的模型不确定性与实时动态不确定,并表现出良好的控制性能而得到广泛的应用。在预测控制方面,主要有基于离散域的模型预测控制和基于连续域的广义预测控制,均不能随着控制偏差的变化实时调节预测时域或预测步长,这大大增加了在线计算量,降低了控制的精度。
发明内容
本发明的技术解决问题:针对再入飞行器的任务特点,提供一种预测周期自适应可调的飞行器姿态预测控制方法,该方法具有高控制精度、高稳定度的优点。
本发明采用的技术解决方案:
一种基于自适应预测周期的再入飞行器预测控制方法,步骤如下:
(1)建立反映再入飞行器飞行过程动态特性的姿态动力学模型;
(2)对再入飞行器的姿态子系统进行常值预测周期的虚拟预测控制器设计;
(3)基于步骤(2)得到的姿态子系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态子系统进行动态预测周期的自适应虚拟预测控制器设计;
(4)对再入飞行器的姿态角速度系统进行常值预测周期的预测控制器设计;
(5)基于步骤(4)得到的姿态角速度系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态角速度系统进行动态预测周期的自适应预测控制器设计;
(6)结合步骤(3)得到的姿态子系统动态预测周期的自适应虚拟预测控制器以及步骤(5)得到的姿态角速度系统动态预测周期的自适应预测控制器,对再入飞行器进行动态预测周期的自适应预测控制器设计,从而实现基于自适应预测周期的再入飞行器预测控制。
进一步的,所述步骤(1)建立反映再入飞行器飞行过程动态特性的姿态动力学模型,包括三自由度质心平动模型、三自由度质心转动模型以及面向姿控设计的飞行器模型。
进一步的,考虑地球自转对再入运动的影响,将飞行器视作质点,描述质心运动的三自由度质心平动模型为:
式中re、φ、θ分别表示飞行器飞行过程中所处的地心矩、经度和纬度;υ,χ,γ分别表示飞行速度、航向角和航迹角;g0为地球引力常数,ΩE为地球自转角速度;L,D,Y分别表示飞行器再入过程中受到的升力、阻力和侧力;所有参数顶部带点的变量均表示该参数的导数,β、σ分别表示侧滑角和倾斜角,m为飞行器质量。
进一步的,描述绕质心运动的三自由度质心转动模型为:
式中α、β、σ分别表示攻角、侧滑角和倾斜角;p、q、r分别表示滚转角速度、俯仰角速度和偏航角速度;Mx、My、Mz分别表示滚转、俯仰和偏航通道的控制力矩;I为飞行器的转动惯量;Ixx、Iyy、Izz分别为滚转、俯仰和偏航通道主惯性矩,Ixy、Iyz、Ixz分别为相应两通道间的惯性积。
进一步的,将质心平动对转动的影响作为不确定处理,建立如下面向姿控设计的飞行器模型:
令姿态角速度ω=(p q r)T,姿态角q=(α β σ)T,f=(f1 f2 f3)T为轨迹运动对姿态运动产生的不确定性,则面向控制设计的质心转动运动学方程写为:
整理得
进一步的,所述步骤(3)对姿态子系统进行动态预测周期的自适应虚拟预测控制器设计,具体为:对姿态子系统,定义假设其中为姿态角速度误差,δ1为已知有界正常数;定义动态预测周期为对姿态进行变换形成新的过渡姿态误差建立虚拟控制律
动态预测周期自适应律和干扰估计律
可通过使性能指标J2最小来实现姿态角速度的跟踪;
进一步的,所述步骤(5)对姿态角速度系统进行动态预测周期的自适应预测控制器设计,具体为:对于姿态角速度子系统,定义假设其中δ2为已知有界正常数;定义动态预测周期为对姿态角速度进行变换形成新的过渡姿态角速度误差建立姿态角速度系统的基于动态预测周期的自适应预测控制器
可使过渡姿态角速度误差收敛到零附近的小邻域之内;这里L2为动态预测周期变化率,且L2(0)=0;待设计参数γ2>0,ε2∈(0,1),κ2>0,且T2(0)为初始预测周期,为Tm的估计值,为估计误差。
进一步的,所述步骤(6)对再入飞行器进行动态预测周期的自适应预测控制器设计,具体为:对于再入飞行器,建立飞行器基于动态预测周期的自适应预测控制器如下:
使得飞行器姿态误差q(t)和ω(t)收敛到期望姿态附近的小邻域之内。
本发明与现有技术相比的优点在于:
(1)建立了准确反映再入飞行器飞行过程动态特性的姿态动力学模型,该模型在姿态子系统中充分考虑了各种干扰的影响,为飞行器的姿态稳定控制提供了研制基础;
(2)提出了按照任务自主判断选择预测控制律的设计方法,解决了不同控制任务需要选取不同控制参数问题,确保了飞行器稳定运行的控制精度和稳定度;
(3)提出了一种预测周期自适应可调的再入飞行器预测控制方法,可有效通过控制误差在线自适应调节预测周期,大大减少在线计算时间,同时满足飞行器姿态机动任务的精度要求;
(4)提出了一种预测周期自适应可调的飞行器预测控制方法,不仅适用于高超声速再入飞行器,而且适用于在轨运行的卫星、空天飞行器等航天器,适当的相关参数选取均可获得满足任务要求的控制精度。
附图说明
图1为本发明的预测周期自适应可调的飞行器预测控制方法流程图;
具体实施方式
下面结合附图,对本发明作进一步详细的说明:
如图1所示,本发明再入飞行器预测周期自适应可调的再入飞行器预测控制方法,包括如下步骤:
(1)建立反映再入飞行器飞行过程动态特性的姿态动力学模型;
(2)对再入飞行器的姿态子系统进行常值预测周期的虚拟预测控制器设计;
(3)基于步骤(2)得到的姿态子系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态子系统进行动态预测周期的自适应虚拟预测控制器设计;
(4)对再入飞行器的姿态角速度系统进行常值预测周期的预测控制器设计;
(5)基于步骤(4)得到的姿态角速度系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态角速度系统进行动态预测周期的自适应预测控制器设计;
(6)结合步骤(3)得到的姿态子系统动态预测周期的自适应虚拟预测控制器以及步骤(5)得到的姿态角速度系统动态预测周期的自适应预测控制器,对再入飞行器进行动态预测周期的自适应预测控制器设计,从而实现基于自适应预测周期的再入飞行器预测控制。
下面就建模、控制律设计、稳定性分析三部分进行详细描述。
一、建模,建立反映再入飞行器飞行过程动态特性的姿态动力学模型,包括三自由度质心平动模型、三自由度质心转动模型以及面向姿控设计的飞行器模型。
1、三自由度质心平动模型
考虑地球自转对再入运动的影响,将飞行器视作质点,则描述质心运动的三自由度平动方程为:
式中re、φ、θ分别表示飞行器飞行过程中所处的地心矩、经度和纬度;υ,χ,γ分别表示飞行速度、航向角和航迹角;g0为地球引力常数,ΩE为地球自转角速度;L,D,Y分别表示飞行器再入过程中受到的升力、阻力和侧力;所有参数顶部带点的变量均表示该参数的导数,β、σ分别表示侧滑角和倾斜角,m为飞行器质量。
2、三自由度质心转动模型
描述绕质心运动的三自由度转动方程为:
式中α、β、σ分别表示攻角、侧滑角和倾斜角;p、q、r分别表示滚转角速度、俯仰角速度和偏航角速度;Mx、My、Mz分别表示滚转、俯仰和偏航通道的控制力矩;I为飞行器的转动惯量;Ixx、Iyy、Izz分别为滚转、俯仰和偏航通道主惯性矩,Ixy、Iyz、Ixz分别为相应两通道间的惯性积。
3、面向姿控设计的飞行器模型
由以上六自由度模型可以看出,质心转动方程与质心平动方程之间耦合严重,不便于控制器设计。为简化控制器设计,这里将质心平动对转动的影响作为不确定处理,建立如下面向姿控设计的飞行器模型:
令姿态角速度ω=(p q r)T,姿态角q=(α β σ)T,f=(f1 f2 f3)T为轨迹运动对姿态运动产生的不确定性,则面向控制设计的质心转动运动学方程可写为:
将(6)式整理可得
二、控制律设计
1、姿态子系统进行常值预测周期的虚拟预测控制器设计
这里通过设计控制律使以下优化性能指标
应用Taylor公式,t+τ时刻的姿态q(t+τ)的预测值可近似写为:
同理,t+τ时刻的期望参考姿态qr(t+τ)的预测值可近似表示为:
定义姿态角跟踪误差及姿态角速度误差为:
其中ωd(t)为待设计的虚拟控制输入。
2、姿态子系统动态预测周期的自适应虚拟预测控制器设计
其中γ1>0,ε1∈(0,1)。选取动态预测周期自适应律和干扰估计律为
这里κ1>0。基于(22)和(23),式(21)就变为
3、姿态角速度系统常值预测周期的预测控制器设计
姿态角速度子系统通过使优化性能指标
类似姿态子系统设计方法,在固定预测周期下可以得到使性能指标(25)最小的预测控制律为:
4、姿态角速度系统动态预测周期的自适应预测控制器设计
5、再入飞行器动态预测周期的自适应预测控制器设计
具体为:对于再入飞行器,建立飞行器基于动态预测周期的自适应预测控制器如下:
使得飞行器姿态误差q(t)和ω(t)收敛到期望姿态附近的小邻域之内。
三、稳定性分析
选择李亚普诺夫函数V=V1+V2,则由式(24)和(31)可知:
因此闭环系统的姿态z1和z2将收敛到零附近的小邻域之内。
发明未详细说明部分属本领域技术人员公知常识。
Claims (2)
1.一种基于自适应预测周期的再入飞行器预测控制方法,其特征在于步骤如下:
(1)建立反映再入飞行器飞行过程动态特性的姿态动力学模型;包括三自由度质心平动模型、三自由度质心转动模型以及面向姿控设计的飞行器模型;
考虑地球自转对再入运动的影响,将飞行器视作质点,描述质心运动的三自由度质心平动模型为:
式中re、φ、θ分别表示飞行器飞行过程中所处的地心矩、经度和纬度;υ,χ,γ分别表示飞行速度、航向角和航迹角;g0为地球引力常数,ΩE为地球自转角速度;L,D,Y分别表示飞行器再入过程中受到的升力、阻力和侧力;所有参数顶部带点的变量均表示该参数的导数,β、σ分别表示侧滑角和倾斜角,m为飞行器质量;
描述绕质心运动的三自由度质心转动模型为:
式中α、β、σ分别表示攻角、侧滑角和倾斜角;p、q1、r分别表示滚转角速度、俯仰角速度和偏航角速度;Mx、My、Mz分别表示滚转、俯仰和偏航通道的控制力矩;I为飞行器的转动惯量;Ixx、Iyy、Izz分别为滚转、俯仰和偏航通道主惯性矩,Ixy、Iyz、Ixz分别为相应两通道间的惯性积;
将质心平动对转动的影响作为不确定处理,建立如下面向姿控设计的飞行器模型:
令姿态角速度ω=(p q1 r)T,姿态角q=(α β σ)T,f=(f1 f2 f3)T为轨迹运动对姿态运动产生的不确定性,则面向控制设计的质心转动运动学方程写为:
整理得
其中,预测跟踪姿态误差为其中是飞行器姿态q(t)在t+τ时刻的预测值,是期望姿态轨迹qr(t)在t+τ时刻的预测值;T1为预测周期,且T1>0;姿态误差定义假设其中为姿态角速度误差,δ1为已知有界正常数;
(3)基于步骤(2)得到的姿态子系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态子系统进行动态预测周期的自适应虚拟预测控制器设计;具体为:对姿态子系统;定义动态预测周期为对姿态进行变换形成新的过渡姿态误差建立虚拟控制律
动态预测周期自适应律和干扰估计律
可通过使性能指标J2最小来实现姿态角速度的跟踪;
(5)基于步骤(4)得到的姿态角速度子系统的常值预测周期的虚拟预测控制器,对再入飞行器的姿态角速度子系统进行动态预测周期的自适应预测控制器设计;具体为:对于姿态角速度子系统,定义并假设其中δ2为已知有界正常数;定义动态预测周期为对姿态角速度进行变换形成新的过渡姿态角速度误差建立姿态角速度系统的基于动态预测周期的自适应预测控制器
可使过渡姿态角速度误差收敛到零附近的小邻域之内;这里L2为动态预测周期变化率,且L2(0)=0;待设计参数γ2>0,ε2∈(0,1),κ2>0,且T2(0)为初始预测周期,为Tm的估计值,为估计误差;
(6)结合步骤(3)得到的姿态子系统动态预测周期的自适应虚拟预测控制器以及步骤(5)得到的姿态角速度系统动态预测周期的自适应预测控制器,对再入飞行器进行动态预测周期的自适应预测控制器设计,从而实现基于自适应预测周期的再入飞行器预测控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324498.9A CN112506209B (zh) | 2020-11-23 | 2020-11-23 | 一种基于自适应预测周期的再入飞行器预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324498.9A CN112506209B (zh) | 2020-11-23 | 2020-11-23 | 一种基于自适应预测周期的再入飞行器预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112506209A CN112506209A (zh) | 2021-03-16 |
CN112506209B true CN112506209B (zh) | 2023-04-14 |
Family
ID=74959223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011324498.9A Active CN112506209B (zh) | 2020-11-23 | 2020-11-23 | 一种基于自适应预测周期的再入飞行器预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112506209B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421506B (zh) * | 2022-03-28 | 2023-08-11 | 北京理工大学 | 一种基于模型预测控制的无人机周期轨迹跟踪及避障方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107526296A (zh) * | 2017-09-05 | 2017-12-29 | 西北工业大学 | 基于预测建模的高超声速飞行器神经网络学习控制方法 |
CN110162071A (zh) * | 2019-05-24 | 2019-08-23 | 北京控制工程研究所 | 一种高超声速飞行器再入末段姿态控制方法及系统 |
CN111831002A (zh) * | 2020-07-10 | 2020-10-27 | 中国人民解放军海军工程大学 | 一种基于预设性能的超高声速飞行器姿态控制方法 |
-
2020
- 2020-11-23 CN CN202011324498.9A patent/CN112506209B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107526296A (zh) * | 2017-09-05 | 2017-12-29 | 西北工业大学 | 基于预测建模的高超声速飞行器神经网络学习控制方法 |
CN110162071A (zh) * | 2019-05-24 | 2019-08-23 | 北京控制工程研究所 | 一种高超声速飞行器再入末段姿态控制方法及系统 |
CN111831002A (zh) * | 2020-07-10 | 2020-10-27 | 中国人民解放军海军工程大学 | 一种基于预设性能的超高声速飞行器姿态控制方法 |
Non-Patent Citations (3)
Title |
---|
基于C/GMRES模型预测控制的滑翔段轨迹跟踪研究;闫瑞等;《载人航天》;20200831;第26卷(第04期);第508-515页 * |
基于LMI约束优化的再入飞行器预测控制;张军等;《动力学与控制学报》;20081231;第6卷(第04期);第372-376页 * |
基于特征模型的再入飞行器自适应制导律设计;杨俊春等;《中国科学(E辑:信息科学)》;20081231;第38卷(第12期);第2134-2149页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112506209A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189085B (zh) | 基于事件触发的航天器网络化系统姿态控制方法 | |
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 | |
Hong et al. | Model predictive convex programming for constrained vehicle guidance | |
CN111399531B (zh) | 高超声速飞行器滑翔段制导与姿态控制一体化设计方法 | |
CN107563044B (zh) | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 | |
CN111026160B (zh) | 一种四旋翼无人机轨迹跟踪控制方法 | |
CN112241125A (zh) | 一种基于微分平坦特性的无人机轨迹跟踪方法 | |
CN112327926B (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN108646554B (zh) | 一种基于指定性能的飞行器快速抗干扰纵向制导方法 | |
Bao et al. | Integrated guidance and control for hypersonic morphing missile based on variable span auxiliary control | |
CN114815861A (zh) | 一种基于时空径向基函数神经网络的容错飞行控制方法 | |
Yin et al. | Probabilistic flight envelope estimation with application to unstable overactuated aircraft | |
CN110377044B (zh) | 一种无人直升机的有限时间高度和姿态跟踪控制方法 | |
CN108958278B (zh) | 一种空天飞行器巡航段快速抗干扰制导方法 | |
CN112506209B (zh) | 一种基于自适应预测周期的再入飞行器预测控制方法 | |
Li et al. | Adaptive sliding mode control for spacecraft rendezvous with unknown system parameters and input saturation | |
Wang et al. | Path following of the autonomous airship with compensation of unknown wind and modeling uncertainties | |
Xu et al. | Predefined-time hierarchical coordinated neural control for hypersonic reentry vehicle | |
CN108459611B (zh) | 一种近空间飞行器的姿态跟踪控制方法 | |
CN105116905A (zh) | 一种飞行器姿态控制方法 | |
CN114510067A (zh) | 一种可重复使用飞行器近似最优制导方法 | |
CN115129072A (zh) | 固定翼无人机位置跟踪偏差约束下终端滑模控制方法 | |
Zhang et al. | Reinforcement learning control for 6 DOF flight of fixed-wing aircraft | |
Guo et al. | Nonlinear disturbance observer-based adaptive sliding mode control for a generic hypersonic vehicle | |
CN113268084A (zh) | 一种无人机编队智能容错控制方法 |
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 |