CN112859892B - 一种基于典型特征信息的动态过程稳定控制方法 - Google Patents
一种基于典型特征信息的动态过程稳定控制方法 Download PDFInfo
- Publication number
- CN112859892B CN112859892B CN202011455174.9A CN202011455174A CN112859892B CN 112859892 B CN112859892 B CN 112859892B CN 202011455174 A CN202011455174 A CN 202011455174A CN 112859892 B CN112859892 B CN 112859892B
- Authority
- CN
- China
- Prior art keywords
- network
- characteristic information
- output
- input
- correction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008569 process Effects 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 54
- 238000013461 design Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000002411 adverse Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于典型特征信息的动态过程稳定控制方法，该方法根据预先设计确定校正网络切换时间，在每个周期内判断是否进行网络切换，并提取当前控制周期与输入相关的特征信息，用提取的输入特征信息和输出特征信息，分别对切换后的校正网络进行初始化，利用输入特征信息对需切换的网络中所有与输入相关的变量进行初始化；利用输出特征信息对需切换的网络中所有与输出相关的变量进行初始化；在初始化完成的基础上，计算网络切换当前周期的输出量。本发明简单清晰，易于实现，不需要增加任何硬件设备，可消除动态过程中由于校正网络切换带来的控制指令跳变，本发明提高了飞行器姿控系统设计稳定性和可靠性。
Description
【技术领域】
本申请涉及飞行器姿态控制技术领域，尤其涉及一种基于典型特征信息的动态过程稳定控制方法。
【背景技术】
在飞行器飞行过程中，单一校正网络有时无法适应整个飞行段内的姿态控制，需根据模型特点进行网络切换。为了保证网络切换过程中飞行器稳定飞行，执行机构不发生因控制指令跳变而产生的不利影响，需设计算法保证切换过程的平稳，即平滑切换。目前，飞行器平稳飞行过程中均采用了网络切换的方法，而在动态飞行过程中切换网络，会由于控制指令的突变，导致动力系统的跳变，不利于飞行器的平稳飞行。
【发明内容】
本申请提供了一种基于典型特征信息的动态过程稳定控制方法，适用于在控制体制不变的情况下校正网络切换过程中的平滑处理，可有效解决动态过程中校正网络切换所产生的指令跳变问题。
本申请所采用的技术方案如下：
一种基于典型特征信息的动态过程稳定控制方法，该动态过程稳定控制方法，具体包括如下步骤：
步骤1、根据预先设计确定校正网络切换时间，在每个周期内判断是否进行网络切换，设网络切换时间为T_netchange，若t>T_netchange，则在t时刻进行校正网络切换平滑处理，其中t为飞行时间；
步骤2、提取当前控制周期与输入相关的特征信息，所述输入相关的特征信息包括姿态信息α、角速度信息ω、加速度信息n；
步骤3、提取前一拍控制周期与输出相关的特征信息，所述相关的特征信息包括姿态偏差产生的控制量N(α)、角速度控制量N(ω)、角加速度控制量N(n)；
步骤4、用步骤2、步骤3中提取的输入特征信息和输出特征信息，分别对切换后的校正网络进行初始化，利用输入特征信息对需切换的网络中所有与输入相关的变量进行初始化；利用输出特征信息对需切换的网络中所有与输出相关的变量进行初始化；
步骤5、在初始化完成的基础上，通过如下公式计算网络切换当前周期的输出量：
进一步的，步骤4中利用输入特征信息对需切换的网络中所有与输入相关的变量进行初始化；利用输出特征信息对需切换的网络中所有与输出相关的变量进行初始化，具体包括：
在校正网络计算时，获取当前周期和前nqh个周期的校正网络输入和输出值，离散校正网络的形式为：
其中，ai,bj(i,j＝0,1,…)为常系数，k周期时刻差分方程为：
a0ΘkT+a1Θ(k-1)T+a2Θ(k-2)T+…+anΘ(k-n)T
＝b0N(Θ)kT+b1N(Θ)(k-1)T+b2N(Θ)(k-2)T+…+bnN(Θ)(k-n)T
其中，Θ(k-n)T为kT时刻前n个周期的校正网络输入，N(Θ)(k-n)T为kT时刻前n个周期的校正网络输出；校正网络阶数为nqh，校正网络输入统一用Θ表示，校正网络输出统一用N(Θ)表示，则Θin表示当前周期校正网络输入，N(Θ)in_t-T为前一周期校正网络输出，其中T为控制周期。
进一步的，ΘkT,Θ(k-1)T,Θ(k-2)T…Θ(k-n)T均等于网络切换当前周期的输入量Θin，N(Θ)kT,N(Θ)(k-1)T,…,N(Θ)(k-n)T均等于网络切换前一周期的输出量N(Θ)in_t-T；
切换后的校正网络通过如下公式计算：
其中,Dqh(z)为切换后的校正网络，nqh为切换后的网络阶数；nqh为切换后的校正网络阶数，Θin_t为当前当前周期的网络输入量，N(Θ)in_t-T为前一周期的网络输出量，Θ表示典型特征信息离散网络参数各阶系数，由校正网络具体形式决定。
进一步的，从网络切换后的第2个周期到第n个周期，计算网络输出所需值包括初始化值和每周期计算值,从第n个周期开始，网络计算正常进行。
通过本申请实施例，可以获得如下技术效果：本发明简单清晰，易于实现，不需要增加任何硬件设备，可消除动态过程中由于校正网络切换带来的控制指令跳变，本发明提高了飞行器姿控系统设计稳定性和可靠性。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为基于典型特征信息的动态过程稳定控制方法的原理示意图；
图2为应用本发明的方法前达到的效果图；
图3为应用本发明的方法后达到的效果图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。
在动态过程中进行校正网络切换时，需要提取校正网络的输入和输出的特征信息，并分别进行处理，以确保切换网络后输入和输出的特征信息能够连续变化。提取当前控制周期与输入相关的特征信息，如姿态信息、角速度信息、加速度信息等，利用此输入特征信息对需切换的网络中所有与输入相关的变量进行初始化，可以确保切换网络后输入的特征信息连续变化。提取前一拍控制周期与输出相关的特征信息，如姿态偏差产生的控制量、角速度控制量、角加速度控制量等，利用此输出特征信息对需切换的网络中所有与输出相关的变量进行初始化，可以确保切换网络后输出的特征信息连续变化。经过基于特征信息校正网络切换处理，可以确保动态过程中输入和输出的连续变化，实现动态过程切换网络的稳定控制。
图1为基于典型特征信息的动态过程稳定控制方法的原理示意图。飞行器在飞行处于稳态过程中时，校正网络输入(如角偏差、角速度、过载等)和输出(控制量)变化较平缓；飞行处于动态变化较剧烈过程中时，校正网络输入和输出处于快速变化过程。处于动态过程中时，校正网络切换容易引起输出量跳变，从而使飞行器飞行受到不利影响。在飞行器动态过程中进行校正网络切换时，首先提取校正网络的输入和输出特征量(输入特征量如角偏差、角速度、飞行过载等量，输出特征量这里指校正网络输出值，即控制量)，作为后续处理的依据。其中输入特征量选取当前周期值，输出特征量选取前一周期的值。该动态过程稳定控制方法，具体包括如下步骤：
步骤1、根据预先设计确定校正网络切换时间，在每个周期内判断是否进行网络切换，设网络切换时间为T_netchange，若t>T_netchange，则在t时刻进行校正网络切换平滑处理，其中t为飞行时间；
步骤2、提取当前控制周期与输入相关的特征信息，所述输入相关的特征信息包括姿态信息α、角速度信息ω、加速度信息n；
步骤3、提取前一拍控制周期与输出相关的特征信息，所述相关的特征信息包括姿态偏差产生的控制量N(α)、角速度控制量N(ω)、角加速度控制量N(n)；
步骤4、用步骤2、步骤3中提取的输入特征信息和输出特征信息，分别对切换后的校正网络进行初始化，利用输入特征信息对需切换的网络中所有与输入相关的变量进行初始化；利用输出特征信息对需切换的网络中所有与输出相关的变量进行初始化；
步骤4中利用输入特征信息对需切换的网络中所有与输入相关的变量进行初始化；利用输出特征信息对需切换的网络中所有与输出相关的变量进行初始化，具体包括：
步骤401、在校正网络计算时，获取当前周期和前nqh个周期的校正网络输入和输出值，离散校正网络的形式为：
其中，ai,bj(i,j＝0,1,…)为常系数，k周期时刻差分方程为：
a0ΘkT+a1Θ(k-1)T+a2Θ(k-2)T+…+anΘ(k-n)T
＝b0N(Θ)kT+b1N(Θ)(k-1)T+b2N(Θ)(k-2)T+…+bnN(Θ)(k-n)T
其中，Θ(k-n)T为kT时刻前n个周期的校正网络输入，N(Θ)(k-n)T为kT时刻前n个周期的校正网络输出；校正网络阶数为nqh，校正网络输入统一用Θ表示，校正网络输出统一用N(Θ)表示，则Θin表示当前周期校正网络输入，N(Θ)in_t-T为前一周期校正网络输出，其中T为控制周期；
步骤402、ΘkT,Θ(k-1)T,Θ(k-2)T…Θ(k-n)T均等于网络切换当前周期的输入量Θin，N(Θ)kT,N(Θ)(k-1)T,…,N(Θ)(k-n)T均等于网络切换前一周期的输出量N(Θ)in_t-T；
切换后的校正网络通过如下公式计算：
其中,Dqh(z)为切换后的校正网络，nqh为切换后的网络阶数；nqh为切换后的校正网络阶数，Θin_t为当前当前周期的网络输入量，N(Θ)in_t-T为前一周期的网络输出量，Θ表示典型特征信息，如姿态信息α、角速度信息ω、加速度信息等，Θ是一个通用表示，可以是α、ω或是/>a，b是常系数，离散网络参数各阶系数，由校正网络具体形式决定；
步骤5、在初始化完成的基础上，通过如下公式计算网络切换当前周期的输出量：
从网络切换后的第2个周期到第n个周期，计算网络输出所需值包括初始化值和每周期计算值,从第n个周期开始，网络计算正常进行。
图2为应用本发明的方法前达到的效果图，图3为应用本发明的方法后达到的效果图,在本实例中t＝40s时校正网络发生切换，图2为采用本方法前指令出现跳变，图3为采用本方法后指令平滑切换。从而消除动态过程中由于校正网络切换带来的控制指令跳变，以提高飞行器姿控系统设计稳定性和可靠性。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (2)
1.一种基于典型特征信息的动态过程稳定控制方法，其特征在于，该动态过程稳定控制方法，具体包括如下步骤：
步骤1、根据预先设计确定校正网络切换时间，在每个周期内判断是否进行网络切换，设网络切换时间为T_netchange，若t>T_netchange，则在t时刻进行校正网络切换平滑处理，其中t为飞行时间；
步骤2、提取当前周期的输入特征信息，所述输入特征信息包括姿态信息α、角速度信息ω、角加速度信息
步骤3、提取前一拍周期的输出特征信息，所述输出特征信息包括姿态偏差产生的控制量N(α)、角速度控制量N(ω)、角加速度控制量
步骤4、用步骤2、步骤3中提取的输入特征信息和输出特征信息，分别对切换后的校正网络进行初始化，利用输入特征信息对需切换的网络中所有的输入变量进行初始化；利用输出特征信息对需切换的网络中所有的输出变量进行初始化；
步骤5、在初始化完成的基础上，通过如下公式计算网络切换当前周期的输出量：
步骤4中利用输入特征信息对需切换的网络中所有的输入变量进行初始化；利用输出特征信息对需切换的网络中所有的输出变量进行初始化，具体包括：
在校正网络计算时，获取当前周期和前nqh个周期的校正网络输入和输出值，离散校正网络的形式为：
其中，ai,bj(i,j＝0,1,…)为常系数，k周期时刻差分方程为：
a0ΘkT+a1Θ(k-1)T+a2Θ(k-2)T+…+anΘ(k-n)T
＝b0N(Θ)kT+b1N(Θ)(k-1)T+b2N(Θ)(k-2)T+…+bnN(Θ)(k-n)T
其中，Θ(k-n)T为kT时刻前n个周期的校正网络输入，N(Θ)(k-n)T为kT时刻前n个周期的校正网络输出；校正网络输入统一用Θ表示，校正网络输出统一用N(Θ)表示，其中T为控制周期；
ΘkT,Θ(k-1)T,Θ(k-2)T…Θ(k-n)T均等于当前周期校正网络输入，N(Θ)kT,N(Θ)(k-1)T,…,N(Θ)(k-n)T均等于前一周期校正网络输出；
切换后的校正网络通过如下公式计算：
其中，nqh为切换后的校正网络阶数，为当前周期的网络输入量，/>为前一周期的网络输出量。
2.根据权利要求1所述的动态过程稳定控制方法，其特征在于，从网络切换后的第2个周期到第n个周期，计算网络输出所需值包括初始化值和每周期计算值,从第n个周期开始，网络计算正常进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011455174.9A CN112859892B (zh) | 2020-12-10 | 2020-12-10 | 一种基于典型特征信息的动态过程稳定控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011455174.9A CN112859892B (zh) | 2020-12-10 | 2020-12-10 | 一种基于典型特征信息的动态过程稳定控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112859892A CN112859892A (zh) | 2021-05-28 |
| CN112859892B true CN112859892B (zh) | 2023-12-01 |
Family
ID=75997204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011455174.9A Active CN112859892B (zh) | 2020-12-10 | 2020-12-10 | 一种基于典型特征信息的动态过程稳定控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112859892B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3584814A (en) * | 1967-07-18 | 1971-06-15 | Bell Aerospace Corp | Stability and control augmentation system |
| US3691356A (en) * | 1970-12-10 | 1972-09-12 | Sperry Rand Corp | Speed command and throttle control system for aircraft |
| CN104252133A (zh) * | 2014-07-29 | 2014-12-31 | 北京航空航天大学 | 一种无人机纵向控制律平滑切换方法 |
| CN110213086A (zh) * | 2019-05-14 | 2019-09-06 | 曲阜师范大学 | 基于网络控制系统l2-l∞控制的切换系统方法及系统、控制器和控制方法 |
| CN110298144A (zh) * | 2019-07-30 | 2019-10-01 | 大连海事大学 | 基于交替事件触发的切换网络化飞控系统的输出调节方法 |
| CN110989648A (zh) * | 2019-12-25 | 2020-04-10 | 中国人民解放军海军航空大学 | 一种采用校正网络代替角加速度计的飞行器过载跟踪方法 |
-
2020
- 2020-12-10 CN CN202011455174.9A patent/CN112859892B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3584814A (en) * | 1967-07-18 | 1971-06-15 | Bell Aerospace Corp | Stability and control augmentation system |
| US3691356A (en) * | 1970-12-10 | 1972-09-12 | Sperry Rand Corp | Speed command and throttle control system for aircraft |
| CN104252133A (zh) * | 2014-07-29 | 2014-12-31 | 北京航空航天大学 | 一种无人机纵向控制律平滑切换方法 |
| CN110213086A (zh) * | 2019-05-14 | 2019-09-06 | 曲阜师范大学 | 基于网络控制系统l2-l∞控制的切换系统方法及系统、控制器和控制方法 |
| CN110298144A (zh) * | 2019-07-30 | 2019-10-01 | 大连海事大学 | 基于交替事件触发的切换网络化飞控系统的输出调节方法 |
| CN110989648A (zh) * | 2019-12-25 | 2020-04-10 | 中国人民解放军海军航空大学 | 一种采用校正网络代替角加速度计的飞行器过载跟踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 某改型无人机多回路全包线校正网络优化设计;王庆琥等;《飞机设计》;20201015(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112859892A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6485644B2 (ja) | 誘導モーターの角速度を制御する方法およびモータードライブ | |
| Barut | Bi input-extended Kalman filter based estimation technique for speed-sensorless control of induction motors | |
| CN110687784A (zh) | 一种针对非线性不确定系统的自适应事件触发控制方法 | |
| CN111245329A (zh) | 一种永磁同步电机电流环pi调节器参数自整定方法及系统 | |
| CN112859892B (zh) | 一种基于典型特征信息的动态过程稳定控制方法 | |
| CN113960923A (zh) | 基于离散扩展状态观测器的无模型自适应滑模控制方法 | |
| WO2017159236A1 (en) | Method and system for controlling electric motor | |
| CN110649854A (zh) | 一种表贴式永磁同步电机连续集模型预测转矩控制方法 | |
| CN114326405B (zh) | 一种基于误差训练的神经网络反步控制方法 | |
| JP5943875B2 (ja) | モータ制御装置 | |
| CN109947147A (zh) | 一种加热系统的差别采样温度控制方法 | |
| CN113364380A (zh) | 一种电机参数确定方法及装置 | |
| CN110932629A (zh) | 基于单神经元网络的惯量估计方法及其自适应调整策略 | |
| Younesi et al. | Design of a sensorless controller for PMSM using Krill Herd algorithm | |
| CN112596390B (zh) | 一种航天器姿控系统pwpf调制器参数确定方法 | |
| CN112803860A (zh) | 基于输出回授滑模控制和抗饱和pi的永磁电机控制方法 | |
| CN113315440A (zh) | 一种基于电流差全更新的永磁同步电机无模型预测电流控制方法 | |
| CN108983597B (zh) | 一种近似纯滞后的方法及装置 | |
| CN109308008B (zh) | 具有异常应对能力的自抗扰控制装置 | |
| Wei et al. | Check for updates Model-Free Predictive Control Strategy for PMSM Drives Based on Recursive Extended Least Square | |
| CN111224595A (zh) | 提升安全性的电机控制方法、装置、压缩机及空调 | |
| KR20160074242A (ko) | 제어모멘트자이로 클러스터의 제어 장치 및 방법 | |
| CN112039374B (zh) | 考虑输入饱和的永磁同步电动机命令滤波离散控制方法 | |
| Wei et al. | Model-Free Predictive Control Strategy for PMSM Drives Based on Recursive Extended Least Square | |
| JP7384572B2 (ja) | 制御装置、制御方法、及びモータ制御システム |
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 |