CN113093539B - 基于多模态划分的宽域飞行鲁棒自适应切换控制方法 - Google Patents

Abstract

本发明涉及一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法，用于解决现有宽域飞行切换控制方法实用性差的技术问题。技术方案是考虑存在不确定性的宽域飞行多模态切换系统，利用模型变换得到可直接设计控制器的二阶非线性切换系统，基于动态逆方法设计稳定模态切换控制器；使用神经网络逼近系统不确定性，基于非奇异终端滑模面设计有限时间收敛鲁棒项；基于惯性环节设计过渡模态控制器，保证多模态控制器的软切换；本发明结合宽域飞行多模态过程特点，通过设计基于多模态划分的宽域飞行鲁棒自适应切换控制有效提升了控制器鲁棒性，实现控制的平滑切换，保证了飞行安全性，适用于工程应用。

Description

基于多模态划分的宽域飞行鲁棒自适应切换控制方法

技术领域

本发明属于飞行器控制领域，涉及一种飞行器控制方法，特别是涉及一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法。

背景技术

随着航空航天技术的快速发展，飞行器的包线越来越宽，使得飞行器从地面水平起飞并进行宽域飞行成为了可能。飞行器在宽域爬升过程中，速度不断增加至高超声速，将在远程快速运输、太空旅行、全球快速打击等方面发挥重要作用。

宽域飞行过程中，飞行器可能面临不同的动力模式、气动构型和飞行任务，导致存在多种飞行模态。多模态是飞行器宽域爬升过程的普遍特性，需要针对不同模态建立不同的模型并设计不同的控制器，因此飞行器宽域爬升过程是多模态飞行控制器的切换过程，设计多模态切换控制器保证模态间的顺利切换至关重要。宽域爬升飞行器自身具有强非线性特性，同时大包络飞行环境十分复杂，导致飞行器系统存在强不确定性，严重影响飞行安全，因此需要在切换控制中考虑不确定性影响。现有控制方法多采用神经网络或模糊逻辑等智能系统逼近不确定性，这些控制方法只考虑了智能系统的逼近作用，没有结合鲁棒项进行协同处理，在智能逼近效果不好的情况下控制器鲁棒性较差，不利于工程实现。因此研究面向鲁棒性能增强的先进切换控制方法对于宽域飞行切换系统控制研究意义重大且有着迫切需求。

发明内容

要解决的技术问题

为了克服现有宽域飞行切换系统控制方法实用性差的不足，本发明提供一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法。

技术方案

一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法，其特征在于步骤如下：

步骤1：考虑一类宽域爬升飞行器，将姿态子系统写为如下多输入多输出切换系统

其中，三通道姿态角X₁＝[θ ψ φ]^T和姿态角速度X₂＝[ω_x ω_y ω_z]^T是状态变量，θ，ψ，φ，ω_x，ω_y和ω_z分别是俯仰角、偏航角、滚转角、滚转角速度、偏航角速度和俯仰角速度；f_i,σ(t),i＝1,2是未知平滑函数，g_i,σ(t),i＝1,2是已知非零平滑函数；u_σ(t)＝[δ_x,σ(t)δ_y,σ(t) δ_z,σ(t)]^T是控制输入，δ_i,σ(t),i＝x,y,z分别是滚转舵偏、偏航舵偏和俯仰舵偏，y是系统输出；函数σ(t):[0,∞)→M＝{1,2,…,m}是切换信号，m等于划分的稳定模态个数，且σ(t)＝k时表示第k个子系统是激活的；

把(1)中第一个方程进行以下转化

其中，h_1,σ(t)＝f_1,σ(t)+(g_1,σ(t)-I)X₂，I是单位矩阵；

进一步把(2)求导，并把(1)中第二个方程带入可得

其中，

因此可将系统(1)转化为如下二阶非线性切换系统

其中，F_2,σ(t)＝[F_φ,σ(t) F_ψ,σ(t) F_θ,σ(t)]^T是未知函数，g_2,σ(t)＝[g_φ,σ(t) g_ψ,σ(t) g_θ,σ(t)]^T是已知非零函数，u_σ(t)＝[δ_x,σ(t) δ_y,σ(t) δ_z,σ(t)]^T＝[δ_φ,σ(t) δ_ψ,σ(t) δ_θ,σ(t)]^T；

步骤2：定义i＝φ,ψ,θ；

对于未知函数F_ik，用神经网络来逼近

其中，

是神经网络最优权重向量，θ_i,k是神经网络基函数向量，ε_i,k是神经网络残差；

则F_i,k的估计值可写为

其中，

是神经网络最优权重向量估计值；

则系统动力学可写为

其中，

定义跟踪误差

其导数为

其中

是三通道姿态参考指令；设计非奇异终端滑模面为

其中，p_i,k和q_i,k是正的设计参数；

则s_i的导数为

其中，

控制器设计为

其中，

是标准反馈项，

是自适应项，

是滑模项；

最终控制器的具体形式为

其中，k_i1,k，k_i2,k和r_i,k是正的设计参数，且0<r_i,k<1；

设计神经网络权重更新律为

其中，γ_i,k和δ_i,k是正的设计参数；

步骤3：通过步骤2可以得到飞行器宽域爬升过程中各稳定模态对应的控制器，为了实现模态之间的平滑过渡，在过渡模态设计基于惯性环节的软切换控制，则总切换策略如下：

其中，u_i,A(t)和u_i,B(t)是稳定模态控制器u_i,k中任意两个相邻模态对应的控制器，t₀和t₁分别是过渡模态的起始时刻和结束时刻，e是自然常数，a是正的惯性淡化系数；

步骤4：根据步骤3中得到的控制量U_i(t)，返回到系统模型(1)，对系统输出y进行跟踪控制。

一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。

一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。

一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现上述的方法。

有益效果

本发明提出的一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法，该方法考虑飞行器宽域爬升过程存在的不确定性，通过模型转化将切换模型转化为二阶非线性切换系统，基于神经网络和终端滑模面设计了稳定模态切换控制器，利用惯性环节设计了过渡模态控制器，综合稳定模态控制器和过渡模态控制器实现了宽域飞行软切换控制，提升了控制器鲁棒性，便于工程实现。有益效果具体如下：

(1)针对飞行器宽域飞行多模态过程，基于多模态划分设计了切换控制器，有助于实现大包络飞行；

(2)通过模型变换将严格反馈切换系统转化为二阶非线性切换系统，可以基于模型直接设计控制器，简化了控制器设计步骤；

(3)基于非奇异终端滑模面设计了可以实现有限时间收敛的稳定模态控制器，提高了控制器鲁棒性，便于工程应用；

(4)考虑飞行过程存在过渡模态，基于惯性环节设计过渡模态控制器，实现控制器的软切换，防止控制输入发生跳变，保证了安全性。

附图说明

图1为本发明实施流程图。

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，本发明基于多模态划分的宽域飞行鲁棒自适应切换控制方法具体步骤如下：

步骤1：考虑一类火箭基组合循环(Rocket based combined cycle，RBCC)空天飞行器，其宽域爬升过程可划分为引射模态、亚燃冲压模态、超燃冲压模态和火箭模态4个稳定模态。

将RBCC空天飞行器姿态子系统写为如下多输入多输出切换系统

其中，三通道姿态角X₁＝[θ ψ φ]^T和姿态角速度X₂＝[ω_x ω_y ω_z[^T是状态变量，θ，ψ，φ，ω_x，ω_y和ω_z分别是俯仰角、偏航角、滚转角、滚转角速度、偏航角速度和俯仰角速度；u_σ(t)＝[δ_x,σ(t) δ_y,σ(t) δ_z,σ(t)]^T是控制输入，δ_i,σ(t),i＝x,y,z分别是滚转舵偏、偏航舵偏和俯仰舵偏，y是系统输出；σ(t)∈{1,2,3,4}为切换信号，依次对应引射模态、亚燃冲压模态、超燃冲压模态和火箭模态；

非线性函数如下所示：

f_1,σ(t)＝0

其中，J_i,i＝x,y,z分别为x，y和z方向转动惯量；q为动压，S＝334.73m²为参考面积；L_b＝18.288m分别为侧向，L_c＝24.384m为纵向参考长度；α为攻角，β为侧滑角；

j＝α,β,δ_x,δ_y,δ_z,ω_x,ω_y,ω_z为气动力系数，Δ项包括了参数、模型不确定性以及线性化误差；

把(1)中第一个方程进行以下转化

其中，h_1,σ(t)＝f_1,σ(t)+(g_1,σ(t)-I)X₂，I是单位矩阵；

进一步把(2)求导，并把(1)中第二个方程带入可得

其中，

因此可将系统(1)转化为如下二阶非线性切换系统

其中，F_2,σ(t)＝[F_φ,σ(t) F_ψ,σ(t) F_θ,σ(t)]^T是未知函数，g_2,σ(t)＝[g_φ,σ(t) g_ψ,σ(t) g_θ,σ(t)]^T是已知非零函数，u_σ(t)＝[δ_x,σ(t) δ_y,σ(t) δ_z,σ(t)]^T＝[δ_φ,σ(t) δ_ψ,σ(t) δ_θ,σ(t)]^T；

步骤2：定义i＝φ,ψ,θ；

对于未知函数F_i,k，用神经网络来逼近

其中，

是神经网络最优权重向量，θ_i,k是神经网络基函数向量，ε_i,k是神经网络残差；

则F_i,k的估计值可写为

其中，

是神经网络最优权重向量估计值；

则系统动力学可写为

其中，

定义跟踪误差

其导数为

其中

是三通道姿态参考指令；设计非奇异终端滑模面为

其中，p_i,k和q_i,k是正的设计参数；

则s_i的导数为

其中，

控制器设计为

其中，

是标准反馈项，

是自适应项，

是滑模项；

最终控制器的具体形式为

其中，k_i1,k，k_i2,k和r_i,k是正的设计参数，且0<r_i,k<1；

设计神经网络权重更新律为

其中，γ_i,k和δ_i,k是正的设计参数；

步骤3：通过步骤2可以得到飞行器宽域爬升过程中各稳定模态对应的控制器，为了实现模态之间的平滑过渡，在过渡模态设计基于惯性环节的软切换控制，则总切换策略如下

其中，u_i,A(t)和u_i,B(t)是稳定模态控制器u_i,k中任意两个相邻模态对应的控制器，t₀和t₁分别是过渡模态的起始时刻和结束时刻，e是自然常数，a是正的惯性淡化系数；

步骤4：根据步骤3中得到的控制量U_i(t)，返回到系统模型(1)，对系统输出y进行跟踪控制。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法，其特征在于步骤如下：

步骤1：考虑一类宽域爬升飞行器，将姿态子系统写为如下多输入多输出切换系统

其中，三通道姿态角X₁＝[θ ψ φ]^T和姿态角速度X₂＝[ω_x ω_y ω_z]^T是状态变量，θ，ψ，φ，ω_x，ω_y和ω_z分别是俯仰角、偏航角、滚转角、滚转角速度、偏航角速度和俯仰角速度；f_i,σ(t),i＝1,2是未知平滑函数，g_i,σ(t),i＝1,2是已知非零平滑函数；u_σ(t)＝[δ_x,σ(t) δ_y,σ(t)δ_z,σ(t)]^T是控制输入，δ_i,σ(t),i＝x,y,z分别是滚转舵偏、偏航舵偏和俯仰舵偏，y是系统输出；函数σ(t):[0,∞)→M＝{1,2,...,m}是切换信号，m等于划分的稳定模态个数，且σ(t)＝k时表示第k个子系统是激活的；

把(1)中第一个方程进行以下转化

其中，h_1,σ(t)＝f_1,σ(t)+(g_1,σ(t)-I)X₂，I是单位矩阵；

进一步把(2)求导，并把(1)中第二个方程带入可得

其中，

因此可将系统(1)转化为如下二阶非线性切换系统

其中，F_2,σ(t)＝[F_φ,σ(t) F_ψ,σ(t) F_θ,σ(t)]^T是未知函数，g_2,σ(t)＝[g_φ,σ(t) g_ψ,σ(t) g_θ,σ(t)]^T是已知非零函数，u_σ(t)＝[δ_x,σ(t) δ_y,σ(t) δ_z,σ(t)]^T＝[δ_φ,σ(t) δ_ψ,σ(t) δ_θ,σ(t)]^T；

步骤2：定义i＝φ,ψ,θ；

对于未知函数F_i,k，用神经网络来逼近

其中，

是神经网络最优权重向量，θ_i,k是神经网络基函数向量，ε_i,k是神经网络残差；

则F_i,k的估计值可写为

其中，

是神经网络最优权重向量估计值；

则系统动力学可写为

其中，

定义跟踪误差

其导数为

其中

是三通道姿态参考指令；设计非奇异终端滑模面为

其中，p_i,k是正的设计参数；

则s_i的导数为

其中，

q_i,k是正的设计参数；

稳定模态控制器设计为

其中，

是标准反馈项，

是自适应项，

是滑模项；

最终控制器的具体形式为

其中，k_i1,k，k_i2,k和r_i,k是正的设计参数，且0＜r_i,k＜1；

设计神经网络权重更新律为

其中，γ_i,k和δ_i,k是正的设计参数；

步骤3：通过步骤2可以得到飞行器宽域爬升过程中各稳定模态对应的控制器，为了实现模态之间的平滑过渡，在过渡模态设计基于惯性环节的软切换控制，则总切换策略如下：

其中，u_i,A(t)和u_i,B(t)是稳定模态控制器u_i,k中任意两个相邻模态对应的控制器，t₀和t₁分别是过渡模态的起始时刻和结束时刻，e是自然常数，a是正的惯性淡化系数；

步骤4：根据步骤3中得到的控制量U_i(t)，返回到系统模型(1)，对系统输出y进行跟踪控制。

2.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。

3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。

Images