CN114488819A - 一种弱气动模型依赖的飞行器数据驱动控制方法 - Google Patents

Abstract

一种弱气动模型依赖的飞行器数据驱动控制方法，属于飞行器控制技术领域。方法如下：选取控制对象参考模型，指导后续控制器结构设计；设计自适应滑模控制器，实现对给定攻角的跟踪；设计无模型自适应滑模控制器；设计基于历史状态反馈评估结果的权值更新算法，评估加权值历史序列，确定权值更新方向，并获取加权值，由加权融合得到总的控制器输出。本发明在扰动未知、难以获得准确气动模型的情况下实现稳定控制，减弱了控制器设计对精确模型的依赖程度，增强了控制器的自适应能力。相比于传统的控制器，其对模型的依赖程度大大降低，并且具备在线自适应整定的特性，降低了参数调试的工作量。

Description

一种弱气动模型依赖的飞行器数据驱动控制方法

技术领域

本发明涉及一种弱气动模型依赖的飞行器数据驱动控制方法，属于飞行器控制技术领域。

背景技术

飞行器在大气内飞行时，常常面临着未知的随机的干扰，同时飞行试验数据稀缺、风洞试验成本昂贵，且风洞实验存在天地不一致性，致使飞行器精确气动模型难以准确建立。

传统增益调度的PID控制方法依赖于特征点的选取，而基于状态空间方法的现代控制方法需要建立较为准确的模型。因此需要研究一种不依赖于精确气动模型的控制方法。

发明内容

为解决背景技术中存在的问题，本发明提供一种弱气动模型依赖的飞行器数据驱动控制方法。

实现上述目的，本发明采取下述技术方案：一种弱气动模型依赖的飞行器数据驱动控制方法，所述方法包括如下步骤：

S1：选取控制对象参考模型，指导后续控制器结构设计；

S2：设计自适应滑模控制器，实现对给定攻角的跟踪；

S3：设计无模型自适应滑模控制器；

S4：设计基于历史状态反馈评估结果的权值更新算法，评估加权值历史序列，确定权值更新方向，并获取加权值，由S2与S3所得的控制器输出加权融合得到总的控制器输出。

与现有技术相比，本发明的有益效果是：

本发明针对飞行器控制模型难以精确获取的背景下，通过设计一种新型数据驱动控制器，在扰动未知、难以获得准确气动模型的情况下实现稳定控制，减弱了控制器设计对精确模型的依赖程度，增强了控制器的自适应能力。相比于传统的控制器，其对模型的依赖程度大大降低，并且具备在线自适应整定的特性，降低了参数调试的工作量。

附图说明

图1为本发明的数据驱动控制结构图；

图2为本发明的无模型自适应滑模控制律结构图；

图3为本发明的加权计算流程图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种弱气动模型依赖的飞行器数据驱动控制方法，所述方法包括如下步骤：

S1：选取控制对象参考模型，指导后续控制器结构设计；

所述参考模型选取美国空军实验室的Parker纵向刚体动力学模型：

式(1)中：

V表示速度；

T表示发动机推力；

α表示攻角；

D表示阻力；

m表示飞行器质量；

g表示重力加速度；

θ表示俯仰角；

h表示高度；

L表示升力；

ω_z表示俯仰角速率；

I_z表示转动惯量；

M_z表示俯仰力矩；

q表示动压；

S表示参考特征面积；

C_L表示升力系数；

δ_z表示升降舵，为控制量；

C_D表示阻力系数；

z_T表示推力等效力臂；

l表示参考特征长度；

表示俯仰力矩系数；

取状态变量为x＝[V,h,α,θ,ω_z]^T，控制变量u＝δ_z，对方程进行小扰动线性化并化为状态方程描述形式为：

式(2)中：

x(t)表示系统状态；

u(t)表示系统控制量；

A表示系统参数矩阵；

B表示系统控制矩阵。

S2：设计自适应滑模控制器，实现对给定攻角的跟踪；

所述自适应滑模控制器的设计包含以下步骤：

S201：利用SVM实现在线小样本数据下的参数辨识，SVM采用对非线性系统逼近效果较好的径向基核函数，通过离线历史飞行数据训练离线辨识模型，结合实际飞行数据对模型进行持续修正，得到气动参数辨识结果

S202：依据含辨识参数的模型，选取滑模面函数以及滑模趋近律形式，设计满足性能要求的控制律：

式(3)中：

x(t)表示系统状态，且x(t)＝[α ω_z]^T；

设计滑模面为：

s＝C_e(R-x) (4)

式(4)中：

C_e＝[c 1]为滑模面设计参数；

c表示线性滑模面待设计系数；

R＝[α_c ω_zc]^T为指令输入；

α_c表示指令攻角输入；

ω_zc表示指令俯仰角输入；

对滑模面函数求导得到：

采用指数趋近律：

式(6)中：

s表示滑模面函数；

ε表示滑模趋近律速度因子，且满足ε＞0；

k_s表示滑模趋近律指数因子；

故可得控制器输出：

u_c＝(C_eB)^-1[-C_eAx-εsgn(s)-qs] (7)。

S3：设计无模型自适应滑模控制器；

所述无模型自适应滑模控制器的设计包括以下步骤：

S301：根据控制对象一般特性确定系统的伪阶数，即：控制输出动态线性化长度参数L_y和控制输入线性化长度参数L_u，对于飞行器纵向平面内的控制，选取L_y＝2,L_u＝1；

S302：由基于投影法的伪梯度估计算法获取伪梯度：

式(8)中：

表示伪梯度，且

表示伪梯度

的估计值；

k表示第k时刻；

φ_i表示第i个伪梯度分量；

L_u表示控制输出动态线性化长度参数；

L_y表示控制输入动态线性化长度参数；

η∈(0,2)为步长因子；

表示滑窗长度为L_y的系统输出增量与滑窗长度为L_u的系统输入增量共同组成的向量，且

y表示系统输出；

u表示系统输入；

Δy(k)表示第k时刻系统输出增量，且Δy(k)＝y(k)-y(k-1)；

Δu(k)表示第k时刻系统输入增量，且Δu(k)＝u(k)-u(k-1)；

L表示滑动窗口长度；

H表示系统输出量与系统输入量组成的向量；

μ∈R⁺为权重因子；

S303：由动态线性化模型得到差分方程：

当L_y＝2,L_u＝1时，有：

y(k+1)-(1+φ₁)y(k)-(φ₂-φ₁)y(k-1)+φ₂y(k-2)＝φ₃u(k)-φ₃u(k-1) (10)

式(10)中：

φ₁表示第1个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k时刻系统输出增量Δy(k)的伪偏导；

φ₂表示第2个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k-1时刻系统输出增量Δy(k-1)的伪偏导；

φ₃表示第3个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k时刻系统输入增量Δu(k)的伪偏导；

系统的离散传递函数为：

式(11)中：

Y表示系统输出；

U表示系统输入；

z′表示z变换复变量；

z变换是一种离散化的变换形式，是控制原理的基本符号；

进而得到系统的离散状态空间表达式：

式(12)中：

A表示系统参数矩阵，且

B表示系统控制矩阵，且

C表示系统输出矩阵，且C＝[1 0 0]；

S304：根据离散状态空间表达式设计滑模控制器：

选取切换函数为：

s(k)＝C_e(R(k)-x(k)) (13)

式(13)中：

s(k)表示切换函数；

C_e表示滑模面设计参数；

R(k)表示指令输入，且R(k)＝[r(k),dr(k),ddr(k)]；

r(k)表示位置指令；

dr(k)表示指令变化速率；

ddr(k)表示指令变化加速度；

x(k)表示第k步系统状态；

记

为R(k)的一步线性外推预测值，有：

则可得：

s(k+1)＝C_e(R(k+1)-x(k+1))＝C_e(R(k+1)-Ax(k)-Bu(k)) (14)

式(14)中：

x(k)表示系统状态量；

u(k)表示控制量输出；

因此，控制律可取为：

采用指数趋近律：

s(k+1)＝s(k)+T(-εsgn(s(k))-k_ss(k)) (16)

式(16)中：

sgn(·)表示符号函数；

T表示采样周期；

ε∈R⁺，为滑模趋近律速度因子，ε越大，系统抗扰性越强；

为滑模趋近律指数因子，k_s越大，趋近速率越快；

将趋近律带入控制律表达式得：

在连续系统中，滑模控制律需满足

s表示滑模面函数，相应的，在离散系统中，离散滑模控制律到达条件为s²(k+1)-s²(k)＜0,s(k)≠0

由于控制律有：

因此，滑模控制律满足可达条件。

S4：设计基于历史状态反馈评估结果的权值更新算法，评估加权值历史序列，确定权值更新方向，并获取加权值，由S2与S3所得的控制器输出加权融合得到总的控制器输出。

所述加权融合的算法包括以下步骤：

S401：通过位置指令r(k)、系统状态量x(k)以及控制量输出u(k)，评估控制效果J(k)＝f(r(k),x(k),u(k))；

S402：根据n步窗口内的评估效果序列S_J＝{J(k),J(k-1),…J(k-n+1)}以及对应的权值增量序列S_Δw＝{ΔW(k),ΔW(k-1),…ΔW(k-n+1)}得到当前对于当前权值增量变化的置信度σ(k)，其中：ΔW(k)＝W(k)-W(k-1)，W(k)∈[0,1]为无模型自适应滑模控制律输出在总控制器输出中所占权重；

S403：根据当前权值增量变化的置信度σ(k)，更新权值：

W(k+1)＝h(σ(k),t) (21)

式(21)中：

h(·)表示权值更新函数；

t表示时间；

S404：加权计算，得到总的输出控制量：

u_out(k+1)＝W(k+1)u_MFASMC(k+1)+[1-W(k+1)]u_MBC(k+1) (22)

式(22)中：

u_out表示控制器总输出；

u_MFASMC表示无模型自适应滑模控制器输出；

u_MBC表示基于模型的控制器输出。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种弱气动模型依赖的飞行器数据驱动控制方法，其特征在于：所述方法包括如下步骤：

S1：选取控制对象参考模型，指导后续控制器结构设计；

S2：设计自适应滑模控制器，实现对给定攻角的跟踪；

S3：设计无模型自适应滑模控制器；

S4：设计基于历史状态反馈评估结果的权值更新算法，评估加权值历史序列，确定权值更新方向，并获取加权值，由S2与S3所得的控制器输出加权融合得到总的控制器输出。

2.根据权利要求1所述的一种弱气动模型依赖的飞行器数据驱动控制方法，其特征在于：S1所述参考模型选取美国空军实验室的Parker纵向刚体动力学模型：

式(1)中：

V表示速度；

T表示发动机推力；

α表示攻角；

D表示阻力；

m表示飞行器质量；

g表示重力加速度；

θ表示俯仰角；

h表示高度；

L表示升力；

ω_z表示俯仰角速率；

I_z表示转动惯量；

M_z表示俯仰力矩；

q表示动压；

S表示参考特征面积；

C_L表示升力系数；

δ_z表示升降舵，为控制量；

C_D表示阻力系数；

z_T表示推力等效力臂；

l表示参考特征长度；

表示俯仰力矩系数；

取状态变量为x＝[V,h,α,θ,ω_z]^T，控制变量u＝δ_z，对方程进行小扰动线性化并化为状态方程描述形式为：

式(2)中：

x(t)表示系统状态；

u(t)表示系统控制量；

A表示系统参数矩阵；

B表示系统控制矩阵。

3.根据权利要求2所述的一种弱气动模型依赖的飞行器数据驱动控制方法，其特征在于：S2所述自适应滑模控制器的设计包含以下步骤：

S201：利用SVM实现在线小样本数据下的参数辨识，得到气动参数辨识结果

S202：依据含辨识参数的模型，选取滑模面函数以及滑模趋近律形式，设计满足性能要求的控制律：

式(3)中：

x(t)表示系统状态，且x(t)＝[α ω_z]^T；

设计滑模面为：

s＝C_e(R-x) (4)

式(4)中：

C_e＝[c 1]为滑模面设计参数；

c表示线性滑模面待设计系数；

R＝[α_c ω_zc]^T为指令输入；

α_c表示指令攻角输入；

ω_zc表示指令俯仰角输入；

对滑模面函数求导得到：

采用指数趋近律：

式(6)中：

s表示滑模面函数；

ε表示滑模趋近律速度因子，且满足ε＞0；

k_s表示滑模趋近律指数因子；

故可得控制器输出：

u_c＝(C_eB)^-1[-C_eAx-εsgn(s)-qs] (7)。

4.根据权利要求3所述的一种弱气动模型依赖的飞行器数据驱动控制方法，其特征在于：S3所述无模型自适应滑模控制器的设计包括以下步骤：

S301：根据控制对象一般特性确定系统的伪阶数，即：控制输出动态线性化长度参数L_y和控制输入线性化长度参数L_u，对于飞行器纵向平面内的控制，选取L_y＝2,L_u＝1；

S302：由基于投影法的伪梯度估计算法获取伪梯度：

式(8)中：

表示伪梯度，且

表示伪梯度

的估计值；

k表示第k时刻；

φ_i表示第i个伪梯度分量；

L_u表示控制输出动态线性化长度参数；

L_y表示控制输入动态线性化长度参数；

η∈(0,2)为步长因子；

表示滑窗长度为L_y的系统输出增量与滑窗长度为L_u的系统输入增量共同组成的向量，且

y表示系统输出；

u表示系统输入；

Δy(k)表示第k时刻系统输出增量，且Δy(k)＝y(k)-y(k-1)；

Δu(k)表示第k时刻系统输入增量，且Δu(k)＝u(k)-u(k-1)；

L表示滑动窗口长度；

H表示系统输出量与系统输入量组成的向量；

μ∈R⁺为权重因子；

S303：由动态线性化模型得到差分方程：

当L_y＝2,L_u＝1时，有：

y(k+1)-(1+φ₁)y(k)-(φ₂-φ₁)y(k-1)+φ₂y(k-2)＝φ₃u(k)-φ₃u(k-1) (10)

式(10)中：

φ₁表示第1个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k时刻系统输出增量Δy(k)的伪偏导；

φ₂表示第2个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k-1时刻系统输出增量Δy(k-1)的伪偏导；

φ₃表示第3个伪梯度分量，即k+1时刻系统输出增量Δy(k+1)对k时刻系统输入增量Δu(k)的伪偏导；

系统的离散传递函数为：

式(11)中：

Y表示系统输出；

U表示系统输入；

z′表示z变换复变量；

z变换是一种离散化的变换形式，是控制原理的基本符号；

进而得到系统的离散状态空间表达式：

式(12)中：

A表示系统参数矩阵，且

B表示系统控制矩阵，且

C表示系统输出矩阵，且C＝[1 0 0]；

S304：根据离散状态空间表达式设计滑模控制器：

选取切换函数为：

s(k)＝C_e(R(k)-x(k)) (13)

式(13)中：

s(k)表示切换函数；

C_e表示滑模面设计参数；

R(k)表示指令输入，且R(k)＝[r(k),dr(k),ddr(k)]；

r(k)表示位置指令；

dr(k)表示指令变化速率；

ddr(k)表示指令变化加速度；

x(k)表示第k步系统状态；

记

为R(k)的一步线性外推预测值，有：

则可得：

s(k+1)＝C_e(R(k+1)-x(k+1))＝C_e(R(k+1)-Ax(k)-Bu(k)) (14)

式(14)中：

x(k)表示系统状态量；

u(k)表示控制量输出；

因此，控制律可取为：

采用指数趋近律：

s(k+1)＝s(k)+T(-εsgn(s(k))-k_ss(k)) (16)

式(16)中：

sgn(·)表示符号函数；

T表示采样周期；

ε∈R⁺，为滑模趋近律速度因子，ε越大，系统抗扰性越强；

为滑模趋近律指数因子，k_s越大，趋近速率越快；

将趋近律带入控制律表达式得：

在连续系统中，滑模控制律需满足

s表示滑模面函数，相应的，在离散系统中，离散滑模控制律到达条件为s²(k+1)-s²(k)＜0,s(k)≠0

由于控制律有：

因此，滑模控制律满足可达条件。

5.根据权利要求4所述的一种弱气动模型依赖的飞行器数据驱动控制方法，其特征在于：S4所述加权融合的算法包括以下步骤：

S401：通过位置指令r(k)、系统状态量x(k)以及控制量输出u(k)，评估控制效果J(k)＝f(r(k),x(k),u(k))；

S402：根据n步窗口内的评估效果序列S_J＝{J(k),J(k-1),…J(k-n+1)}以及对应的权值增量序列S_Δw＝{ΔW(k),ΔW(k-1),…ΔW(k-n+1)}得到当前对于当前权值增量变化的置信度σ(k)，其中：ΔW(k)＝W(k)-W(k-1)，W(k)∈[0,1]为无模型自适应滑模控制律输出在总控制器输出中所占权重；

S403：根据当前权值增量变化的置信度σ(k)，更新权值：

W(k+1)＝h(σ(k),t) (21)

式(21)中：

h(·)表示权值更新函数；

t表示时间；

S404：加权计算，得到总的输出控制量：

u_out(k+1)＝W(k+1)u_MFASMC(k+1)+[1-W(k+1)]u_MBC(k+1) (22)

式(22)中：

u_out表示控制器总输出；

u_MFASMC表示无模型自适应滑模控制器输出；

u_MBC表示基于模型的控制器输出。

Images