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 PDF

Info

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
Application number
CN202011324498.9A
Other languages
English (en)
Other versions
CN112506209A (zh
Inventor
孙光
张旭辉
李永远
陈海鹏
黄育秋
程奇峰
刘焱飞
郑雄
刘丙利
郝宇星
郭晶
姚星合
康磊晶
赵大海
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.)
China Academy of Launch Vehicle Technology CALT
Original Assignee
China Academy of Launch Vehicle Technology CALT
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 China Academy of Launch Vehicle Technology CALT filed Critical China Academy of Launch Vehicle Technology CALT
Priority to CN202011324498.9A priority Critical patent/CN112506209B/zh
Publication of CN112506209A publication Critical patent/CN112506209A/zh
Application granted granted Critical
Publication of CN112506209B publication Critical patent/CN112506209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于自适应预测周期的再入飞行器预测控制方法
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：
Figure BDA0002793903920000021
Figure BDA0002793903920000022
Figure BDA0002793903920000023
Figure BDA0002793903920000024
Figure BDA0002793903920000031
Figure BDA0002793903920000032
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：
Figure BDA0002793903920000033
Figure BDA0002793903920000034
Figure BDA0002793903920000035
Figure BDA0002793903920000036
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：
Figure BDA0002793903920000041
Figure BDA0002793903920000042
Figure BDA0002793903920000043
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：
Figure BDA0002793903920000044
式中
Figure BDA0002793903920000045
令控制输入u＝(Mx My Mz)T，考虑模型不确定性与外部干扰d，质心转动动力学方程写为
Figure BDA0002793903920000046
整理得
Figure BDA0002793903920000047
其中
Figure BDA0002793903920000048
为模型未知变量，ΔI为转动惯量不确定性，ω×为ω的叉乘矩阵。
进一步的，所述步骤(2)对姿态子系统进行常值预测周期的虚拟预测控制器设计，具体为：针对质心转动运动学方程系统，即姿态子系统
Figure BDA0002793903920000049
设计虚拟控制律
Figure BDA00027939039200000410
通过使性能指标J1最小来实现姿态角的跟踪；
Figure BDA00027939039200000411
其中，预测跟踪姿态误差为
Figure BDA00027939039200000412
其中
Figure BDA00027939039200000413
是飞行器姿态q(t)在t+τ时刻的预测值，
Figure BDA00027939039200000414
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
Figure BDA00027939039200000415
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
Figure BDA0002793903920000051
假设
Figure BDA0002793903920000052
其中
Figure BDA0002793903920000053
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
Figure BDA0002793903920000054
对姿态进行变换形成新的过渡姿态误差
Figure BDA0002793903920000055
建立虚拟控制律
Figure BDA0002793903920000056
动态预测周期自适应律和干扰估计律
Figure BDA0002793903920000057
Figure BDA0002793903920000058
使得过渡姿态误差
Figure BDA0002793903920000059
收敛到零附近的小邻域之内；这里L1为动态预测周期变化率，且L1(0)＝0；待设计参数γ1>0，ε1∈(0,1)，κ1>0，且
Figure BDA00027939039200000510
T1(0)为初始预测周期，
Figure BDA00027939039200000511
为Tn的估计值，
Figure BDA00027939039200000512
为估计误差。
进一步的，所述步骤(4)对姿态角速度系统进行常值预测周期的预测控制器设计，具体为：对于质心转动动力学方程，即姿态角速度子系统
Figure BDA00027939039200000513
设计控制律
Figure BDA00027939039200000514
可通过使性能指标J2最小来实现姿态角速度的跟踪；
Figure BDA00027939039200000515
其中，
Figure BDA00027939039200000516
为姿态角速度误差，
Figure BDA00027939039200000517
是飞行器姿态ω(t)在t+τ时刻的预测值，
Figure BDA00027939039200000518
是ωd(t)在t+τ时刻的预测值；T2为预测周期，且T2>0。
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
Figure BDA00027939039200000519
假设
Figure BDA00027939039200000520
其中δ2为已知有界正常数；定义动态预测周期为
Figure BDA00027939039200000521
对姿态角速度进行变换形成新的过渡姿态角速度误差
Figure BDA0002793903920000061
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
Figure BDA0002793903920000062
Figure BDA0002793903920000063
Figure BDA0002793903920000064
可使过渡姿态角速度误差
Figure BDA0002793903920000065
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
Figure BDA0002793903920000066
T2(0)为初始预测周期，
Figure BDA0002793903920000067
为Tm的估计值，
Figure BDA0002793903920000068
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：
Figure BDA0002793903920000069
Figure BDA00027939039200000610
Figure BDA00027939039200000611
Figure BDA00027939039200000612
Figure BDA00027939039200000613
Figure BDA00027939039200000614
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：
Figure BDA0002793903920000081
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：
Figure BDA0002793903920000091
Figure BDA0002793903920000092
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：
Figure BDA0002793903920000093
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：
Figure BDA0002793903920000094
式中
Figure BDA0002793903920000095
令控制输入u＝(Mx My Mz)T，考虑模型不确定性与外部干扰d，质心转动动力学方程写为
Figure BDA0002793903920000101
将(6)式整理可得
Figure BDA0002793903920000102
其中
Figure BDA0002793903920000103
为模型未知变量，ΔI为转动惯量不确定性，ω×为ω的叉乘矩阵。
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
Figure BDA0002793903920000104
最小来实现姿态角的跟踪。这里，预测跟踪姿态误差为
Figure BDA0002793903920000105
其中
Figure BDA0002793903920000106
是飞行器姿态q(t)在t+τ时刻的预测值，
Figure BDA0002793903920000107
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。
应用Taylor公式，t+τ时刻的姿态q(t+τ)的预测值可近似写为：
Figure BDA0002793903920000108
其中
Figure BDA0002793903920000109
I3为3阶单位阵，0表示相应维数的向量或矩阵。
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：
Figure BDA00027939039200001010
其中
Figure BDA00027939039200001011
根据式(9)和式(10)，性能指标(8)可近似写为：
Figure BDA00027939039200001012
式中
Figure BDA00027939039200001013
是一9×9的常值对称阵。
定义姿态角跟踪误差及姿态角速度误差为：
Figure BDA0002793903920000111
Figure BDA0002793903920000112
其中ωd(t)为待设计的虚拟控制输入。
结合(12)和(13)，由式(5)可求出飞行器姿态跟踪误差
Figure BDA0002793903920000113
的1，2阶导数：
Figure BDA0002793903920000114
定义
Figure BDA0002793903920000115
则
Figure BDA0002793903920000116
令
Figure BDA0002793903920000117
R11为3阶方阵，R22为6阶方阵，R12为3×6的矩阵；由式(15)可得到
Figure BDA0002793903920000118
容易验证R22是可逆阵，则可由式(16)和性能指标J1最小的必要条件
Figure BDA0002793903920000119
得到等价的J1最小的必要条件为：
Figure BDA00027939039200001110
令K1为
Figure BDA00027939039200001111
的前三行组成的方阵，则由式(17)的前三行可得到使性能指标(8)最小的虚拟预测控制律为：
Figure BDA00027939039200001112
根据定义可以计算出
Figure BDA00027939039200001113
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
假设
Figure BDA00027939039200001114
其中δ1为已知有界正常数。令
Figure BDA00027939039200001115
T1(0)为初始预测周期，这里L1为动态预测周期变化率，且L1(0)＝0。利用以上假设，设计如下控制律：
Figure BDA0002793903920000121
其中
Figure BDA0002793903920000122
Figure BDA0002793903920000123
为未知项的估计。定义
Figure BDA0002793903920000124
和
Figure BDA0002793903920000125
结合(19)和(5)可求出飞行器姿态跟踪误差方程为：
Figure BDA0002793903920000126
定义姿态角子系统的李亚普诺夫函数
Figure BDA0002793903920000127
将V1关于时间求导可以得到
Figure BDA0002793903920000128
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
Figure BDA0002793903920000129
Figure BDA00027939039200001210
这里κ1>0。基于(22)和(23)，式(21)就变为
Figure BDA00027939039200001211
这里
Figure BDA00027939039200001212
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
Figure BDA00027939039200001213
最小来实现姿态角速度的跟踪。姿态角速度误差为
Figure BDA00027939039200001214
其中
Figure BDA00027939039200001215
是飞行器姿态ω(t)在t+τ时刻的预测值，
Figure BDA00027939039200001216
是ωd(t)在t+τ时刻的预测值；T2为预测周期，且T2>0。
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：
Figure BDA0002793903920000131
根据定义可以计算出
Figure BDA0002793903920000132
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
定义
Figure BDA0002793903920000133
并假设
Figure BDA0002793903920000134
其中δ2为已知有界正常数。定义
Figure BDA0002793903920000135
T2(0)为初始预测周期，这里L2为动态预测周期变化率，且L2(0)＝0。类似姿态子系统的设计过程，设计如下基于动态预测周期的自适应预测控制器：
Figure BDA0002793903920000136
Figure BDA0002793903920000137
Figure BDA0002793903920000138
其中
Figure BDA0002793903920000139
κ2>0，ε2∈(0,1)。此时，有
Figure BDA00027939039200001310
定义姿态角速度子系统的李亚普诺夫函数
Figure BDA00027939039200001311
类似姿态角子系统，将V2关于时间求导可以得到
Figure BDA00027939039200001312
这里
Figure BDA00027939039200001313
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：
Figure BDA00027939039200001314
Figure BDA00027939039200001315
Figure BDA00027939039200001316
Figure BDA00027939039200001317
Figure BDA0002793903920000141
Figure BDA0002793903920000142
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：
Figure BDA0002793903920000143
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。
根据z1和z2的定义，只要证明L1和L2是有界的，即可实现闭环系统误差
Figure BDA0002793903920000144
和
Figure BDA0002793903920000145
的收敛性。以下证明L1的有界性。
由(22)式可知，
Figure BDA0002793903920000146
因此L1是单调递增的。假设L1无上界，则
Figure BDA0002793903920000147
即对
Figure BDA0002793903920000148
存在时间t1>0，使得L1(t1)>η。不失一般性，令
Figure BDA0002793903920000149
由于L1(0)＝0<η，而L1(t1)>η，根据中值定理，存在t2∈(0,t1)，使得L1(t2)＝η。因此，对于t∈[0,t2]，有0≤L1≤η，而对于
Figure BDA00027939039200001410
有
Figure BDA00027939039200001411
成立，则
Figure BDA00027939039200001412
从而
Figure BDA00027939039200001413
且L1(t)≡L1(t2)＝η。这与L1(t1)>η矛盾，即与L1无上界的假设矛盾。因此，L1是有界的。
同理可证L2的有界性。因此闭环系统误差
Figure BDA00027939039200001414
和
Figure BDA00027939039200001415
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：
Figure FDA0004006774330000011
Figure FDA0004006774330000012
Figure FDA0004006774330000013
Figure FDA0004006774330000014
Figure FDA0004006774330000015
Figure FDA0004006774330000016
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：
Figure FDA0004006774330000021
Figure FDA0004006774330000022
Figure FDA0004006774330000023
Figure FDA0004006774330000024
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：
Figure FDA0004006774330000025
Figure FDA0004006774330000026
Figure FDA0004006774330000027
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：
Figure FDA0004006774330000028
式中
Figure FDA0004006774330000029
令控制输入u＝(Mx My Mz)T，考虑模型不确定性与外部干扰d，质心转动动力学方程写为
Figure FDA00040067743300000210
整理得
Figure FDA0004006774330000031
其中
Figure FDA0004006774330000032
为模型未知变量，ΔI为转动惯量不确定性，ω×为ω的叉乘矩阵；
(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，具体为：针对质心转动运动学方程系统，即姿态子系统
Figure FDA0004006774330000033
设计虚拟控制律
Figure FDA0004006774330000034
通过使性能指标J1最小来实现姿态角的跟踪；
Figure FDA0004006774330000035
其中，预测跟踪姿态误差为
Figure FDA0004006774330000036
其中
Figure FDA0004006774330000037
是飞行器姿态q(t)在t+τ时刻的预测值，
Figure FDA0004006774330000038
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
Figure FDA0004006774330000039
定义
Figure FDA00040067743300000310
假设
Figure FDA00040067743300000311
其中
Figure FDA00040067743300000312
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
Figure FDA00040067743300000313
对姿态进行变换形成新的过渡姿态误差
Figure FDA00040067743300000314
建立虚拟控制律
Figure FDA00040067743300000315
动态预测周期自适应律和干扰估计律
Figure FDA00040067743300000316
Figure FDA00040067743300000317
使得过渡姿态误差
Figure FDA00040067743300000318
收敛到零附近的小邻域之内；这里L1为动态预测周期变化率，且L1(0)＝0；待设计参数γ1＞0，ε1∈(0,1)，κ1＞0，且
Figure FDA00040067743300000319
T1(0)为初始预测周期，
Figure FDA0004006774330000041
为Tn的估计值，
Figure FDA0004006774330000042
为估计误差；
(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；具体为：对于质心转动动力学方程，即姿态角速度子系统
Figure FDA0004006774330000043
设计控制律
Figure FDA0004006774330000044
可通过使性能指标J2最小来实现姿态角速度的跟踪；
Figure FDA0004006774330000045
其中，
Figure FDA0004006774330000046
为姿态角速度误差，
Figure FDA0004006774330000047
是飞行器姿态角速度ω在t+τ时刻的预测值，
Figure FDA0004006774330000048
是ωd(t)在t+τ时刻的预测值；T2为预测周期，且T2＞0；
(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
Figure FDA0004006774330000049
并假设
Figure FDA00040067743300000410
其中δ2为已知有界正常数；定义动态预测周期为
Figure FDA00040067743300000411
对姿态角速度进行变换形成新的过渡姿态角速度误差
Figure FDA00040067743300000412
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
Figure FDA00040067743300000413
Figure FDA00040067743300000414
Figure FDA00040067743300000415
可使过渡姿态角速度误差
Figure FDA00040067743300000416
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
Figure FDA00040067743300000417
T2(0)为初始预测周期，
Figure FDA00040067743300000418
为Tm的估计值，
Figure FDA00040067743300000419
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。
2.根据权利要求1所述的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：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：
Figure FDA0004006774330000051
Figure FDA0004006774330000052
Figure FDA0004006774330000053
Figure FDA0004006774330000054
Figure FDA0004006774330000055
Figure FDA0004006774330000056
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。
CN202011324498.9A 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 Active CN112506209B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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