CN116795127A - 一种状态误差受限的变形飞行器预定时间控制方法 - Google Patents
一种状态误差受限的变形飞行器预定时间控制方法 Download PDFInfo
- Publication number
- CN116795127A CN116795127A CN202310926250.7A CN202310926250A CN116795127A CN 116795127 A CN116795127 A CN 116795127A CN 202310926250 A CN202310926250 A CN 202310926250A CN 116795127 A CN116795127 A CN 116795127A
- Authority
- CN
- China
- Prior art keywords
- control
- aircraft
- control model
- error
- hypersonic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000004888 barrier function Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及一种状态误差受限的变形飞行器预定时间控制方法,包括以下步骤:基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将所述姿态运动及气动控制模型转化为面向控制的控制模型;基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器;基于面向控制的控制模型设计预定时间收敛准则;构建状态误差受限控制器,其中,所述状态误差受限控制器基于所述干扰观测器的实时估计结果,所述预定时间收敛准则和正切型障碍李雅普诺夫函数构建;所述状态误差受限控制器在预定时间内基于面向控制的控制模型对所述高超声速变形飞行器的指令进行跟踪和误差约束,完成干扰条件下的姿态控制任务。
Description
技术领域
本发明涉及飞行器控制领域,尤其涉及一种状态误差受限的变形飞行器预定时间控制方法。
背景技术
变形飞行器能够根据飞行任务需求,对外形进行灵活改变,从而满足大空域和大速域的飞行要求,从而保持最优飞行,使得该飞行器能够完成常规飞行器不能完成的任务。变形飞行器对于新一代跨大气层飞行的空天飞行器,在速度、高度变化范围广泛的区域,达到良好作战使用性能。高超声速变形飞行器是指能够根据飞行环境和飞行任务的需求,主动地改变外形结构,以获得更优的气动特性和操纵能力,可以满足大空域和大速域的飞行要求,有利于提高的飞行性能的一类高超声速飞行器。高超声速变形飞行器将外形参数作为可控变量,利用外形参数对气动特性的影响来改变飞行器的性能,使其能够适应更宽范围内的飞行空域和速域,从而能够适应更复杂的飞行任务和飞行环境。同时,通过针对战场环境、作战任务变化,灵活地改变外形、飞行性能等,增强了飞行器的射程、突防性和精确性,可以大幅提高飞行器的作战效能和效费比。
快时变、非线性、强耦合和外形变化等特点要求控制系统具有更强的适应性,大范围飞行下状态的大幅变化给控制器设计带来了挑战,控制系统需要很强的适应性与鲁棒性来实现全局稳定,从而避免姿态的大幅震动,并处理由于未建模动态、外部干扰及气动偏差等因素带来的不确定性问题。基于干扰观测器设计的控制器能主动估计干扰值并在控制量中予以补偿,兼顾了标称与偏差条件下的控制性能。基于障碍李雅普诺夫函数设计控制器,能有效地将跟踪误差限制在预定的边界之内,能获得更为优越的动态控制性能。而预定时间控制能大幅加速误差收敛速率,实现对指令的快速响应。目前对于高超声速变形飞行器输出受限与加速收敛控制的研究成果较少,亟需围绕这些问题提出一种新的技术方案。
发明内容
本发明的目的在于提供一种状态误差受限的变形飞行器预定时间控制方法,用以解决高超声速变形飞行器再入段的控制以及姿态跟踪误差受限及加速收敛的问题。
为实现上述发明目的,本发明提供一种状态误差受限的变形飞行器预定时间控制方法,包括以下步骤:
S1.基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将所述姿态运动及气动控制模型转化为面向控制的控制模型;
S2.基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器;
S3.基于面向控制的控制模型设计预定时间收敛准则;
S4.构建状态误差受限控制器,其中,所述状态误差受限控制器基于所述干扰观测器的实时估计结果,所述预定时间收敛准则和正切型障碍李雅普诺夫函数构建;
S5.所述状态误差受限控制器在预定时间内基于面向控制的控制模型对所述高超声速变形飞行器的指令进行跟踪和误差约束,完成干扰条件下的姿态控制任务。
根据本发明的一个方面,步骤S1中,基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将所述姿态运动及气动控制模型转化为面向控制的控制模型的步骤中,包括:
基于所述几何模型生成所述姿态运动及气动控制模型;其中,所述姿态运动及气动控制模型表示为:
其中,α表示攻角,β表示侧滑角,γV表示倾侧角,N为侧向力,L为升力,ms为高超声速变形飞行器的飞行器质量,V为飞行器速度,θ为速度倾角;
记ξ=[α β γV]T为三轴姿态角矢量,ω=[ωx ωy ωz]T为三轴角速度矢量,J=diag(Ix,Iy,Iz)为惯量矩阵,M=[Mx My Mz]T为气动力矩,Ms=[Msx Msy Msz]T为变形附加气动力矩,以及如下矩阵与矢量:
其中,mi为高超声速变形飞行器的左右弹翼的质量,si为高超声速变形飞行器质心指向弹翼质心的位置矢量,gi为重力加速度矢量,v为飞行器的速度矢量;
获取所述高超声速变形飞行器的气动力和气动力矩的计算方式,其表示为:
Fi=qS0Ci,i=D,L,N
Mi=qS0LrefCmj,j=x,y,z
其中,κ表示高超声速变形飞行器展长的变形率,q为动压,S0为参考面积,Lref为参考长度,Ci为气动力系数,Cmj为气动力矩系数,F为气动力且F=[FD FL FN]T=[D L N]T,M为气动力矩且M=[Mx My Mz]T;
假设作用在原始动力学方程角回路与角速度回路的外界干扰分别为D1与D2,则记矢量g=GF,d1=H+D1,f(ω)=J-1[Ms-ω×(Jω)],d2=D2,则对所述姿态运动及气动控制模型进行简化获得面向控制的控制模型,其表示为:
其中,b为控制矩阵,表示为:
其中,q为动压,br为横向参考长度,cr为纵向参考长度, 表示各轴气动力矩系数对相应舵偏角的偏导数,u为控制量,且表示为:
u=[δx δy δz]T
其中,δx表示滚转舵,δy表示偏航舵,δz表示俯仰舵。
根据本发明的一个方面,步骤S2中,基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器的步骤中,基于径向基神经网络逼近真实干扰的方式,设计自适应律与收敛准则,并构建出所述干扰观测器;其包括:
构建用于对权值矩阵更新收敛的自适应律与收敛准则,其中,所述自适应律与收敛准则表示为:
其中,θ(x)为辅助函数,w1、w2表示内部状态量;z1、z2表示辅助变量;ζ1、ζ2为状态量的估计误差,且ζ1=ξ-w1,ζ2=ω-w2,ζ1i、ζ2i为ζ1、ζ2对应的分量,k1~k4为常值参数且均大于零,p为常值,且p>0,Td为干扰观测器收敛的预定时间,且Td>0,分别为对真实干扰d1,d2的估计值,/>表示以ξ的跟踪误差为径向基神经网络输入量,/>为估计网络权值矩阵时所对应的干扰估计值/>表示/>的分量,λ1i~λ4i为常值参数向量λ1~λ4的分量,神径向基神经网络的激活函数选择为/>其中eξ即为ξ的跟踪误差,cξ为神经网络的中心向量,bξ为带宽,h(ω)以此类推获得;
获取估计误差的收敛时间,以完成所述干扰观测器的构建;其中,所述收敛时间满足:
其中,t0表示初始时刻,Vζ为选取的Lyapunov函数。
根据本发明的一个方面,步骤S3中,基于面向控制的控制模型设计预定时间收敛准则的步骤中,所述预定时间收敛准则基于时变增益获得,其中,所述时变增益表示为:
其中,Tp表示高超声速变形飞行器中飞行器控制系统收敛的预定时间,且Tp≥Td>0。
根据本发明的一个方面,步骤S4中,构建状态误差受限控制器的步骤中,包括:
获取所述正切型李雅普诺夫函数,其表示为:
其中,i=1,2,3,kai表示边界函数ka的分量,s1i表示角度跟踪误差s1的分量,kbi表示边界函数kb的分量,s2i表示角速度跟踪误差s2的分量;
基于所述正切型李雅普诺夫函数定义辅助变量,并表示为:
令辅助变量的矢量以及基于面向控制的控制模型获得所输出的状态误差中的角回路误差微分,表示为:
其中,s1为角度跟踪误差,ξc为角度跟踪指令,s2为角速度跟踪误差,η为角速度跟踪指令;
基于所述角回路误差微分和所述正切型李雅普诺夫函数设计面向控制的控制模型的虚拟控制量,其表示为:
其中,κa表示常值参数,且ε表示大于零的小量,c1表示常值参数,且c1>0,c2表示常值参数,且c2>0;
基于所述虚拟控制量和面向控制的控制模型获得所输出的状态误差中的角速度回路原误差微分,其表示为:
基于所述角速度回路原误差微分和所述正切型李雅普诺夫函数获得构建所述状态误差受限控制器的输出,以获得面向控制的所述控制模型的控制量,其表示为:
其中,κb表示常值参数,且ε表示大于零的小量,c3表示常值参数,且c3>0,c4表示常值参数,且c4>0。
根据本发明的一种方案,本发明实现对高超声速变形飞行器再入段进行抗干扰姿态控制设计,使得高超声速变形飞行器能够更好地实现再入段飞行的任务需求。
根据本发明的一种方案,本发明有效解决了高超声速变形飞行器在再入段干扰条件下的状态误差受限与收敛加速控制问题,保证了控制系统设计方法的强鲁棒性与快速响应特性,并具有优越的动态控制性能,满足再入段的飞行任务需求。
根据本发明的一种方案,本发明针对高超声速变形飞行器在再入段飞行设计了控制系统。在充分考虑机翼变形的情况下,建立了适用于倾斜转弯控制的再入段姿态控制模型,并基于径向基神经网络、干扰观测器、正切型障碍李雅普诺夫及预定时间技术进行控制方法设计,从而形成一套完整可用的高超声速变形飞行器再入段姿态控制系统设计方法。适用于高超声速变形飞行器再入段飞行任务的完成,工程应用意义重大,有效解决高超声速变形飞行器在输出受限及加速收敛条件下的姿态稳定与跟踪问题,保证了控制系统设计方法的强鲁棒性,实现再入段的飞行任务需求,提升飞行器动态控制性能与响应速率。
附图说明
图1是根据本发明的一种实施方式的变形飞行器预定时间控制方法的步骤框图;
图2是根据本发明的一种实施方式的流程图;
图3是根据本发明的一种实施方式的实施例1中标称条件下三通道姿态角跟踪曲线与控制量图,其中,(a)表示标称条件下三通道姿态角跟踪曲线图,(b)表示标称条件下控制量图;
图4是根据本发明的一种实施方式的实施例1中姿态角/角速度跟踪误差与边界曲线图,其中,(a)表示姿态角跟踪误差与边界曲线图,(b)表示角速度跟踪误差与边界曲线图;
图5是根据本发明的一种实施方式的实施例1中不同预定时间条件下姿态角跟踪曲线图;
图6是根据本发明的一种实施方式的实施例1中偏差条件下有/无干扰观测器指令跟踪对比曲线图;
图7是根据本发明的一种实施方式的实施例1中各通道干扰估计值与真实值对比曲线图,其中,(a)表示通道d11、d12、d13干扰估计值与真实值对比曲线图,(b)表示通道d21、d22、d23干扰估计值与真实值对比曲线图;
图8是根据本发明的一种实施方式的实施例1中气动拉偏条件下姿态角跟踪曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,根据本发明的一种实施方式,本发明的一种状态误差受限的变形飞行器预定时间控制方法,包括:
S1.基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将姿态运动及气动控制模型转化为面向控制的控制模型;
S2.基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器;
S3.基于面向控制的控制模型控制模型设计预定时间收敛准则;
S4.构建状态误差受限控制器,其中,状态误差受限控制器基于干扰观测器的实时估计结果,预定时间收敛准则和正切型障碍李雅普诺夫函数构建;
S5.状态误差受限控制器在预定时间内基于面向控制的控制模型对高超声速变形飞行器的指令进行跟踪和误差约束,完成干扰条件下的姿态控制任务。
在本实施方式中,所涉及的高超速变形飞行器为变展长飞行器。
如图1所示,根据本发明的一种实施方式,步骤S1中,基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将姿态运动及气动控制模型转化为面向控制的控制模型的步骤中,包括:
基于所述几何模型生成姿态运动及气动控制模型;其中,姿态运动及气动控制模型表示为:
其中,α表示攻角,β表示侧滑角,γV表示倾侧角,N为侧向力,L为升力,ms为飞行器质量,V为飞行器速度,θ为速度倾角;
记ξ=[α β γV]T为三轴姿态角矢量,ω=[ωx ωy ωz]T为三轴角速度矢量,J=diag(Ix,Iy,Iz)为惯量矩阵,M=[Mx My Mz]T为气动力矩,Ms=[Msx Msy Msz]T为变形附加气动力矩,以及如下矩阵与矢量:
其中,mi为高超声速变形飞行器的左右弹翼的质量,si为高超声速变形飞行器质心指向弹翼质心的位置矢量,gi为重力加速度矢量,v为飞行器的速度矢量;
获取所述高超声速变形飞行器的气动力和气动力矩的计算方式,其表示为:
Fi=qS0Ci,i=D,L,N
Mi=qS0LrefCmj,j=x,y,z
其中,κ表示高超声速变形飞行器展长的变形率,q为动压,S0为参考面积,Lref为参考长度,Ci为气动力系数,Cmj为气动力矩系数,F为气动力且F=[FD FL FN]T=[D L N]T,其中,D、L、N分别表示阻力、升力、侧向力,但是在姿态控制模型中,阻力D不参与计算,进而在后续描述中不再出现,M为气动力矩且M=[Mx My Mz]T,其中,Mx、My、Mz分别为滚转力矩,偏航力矩,俯仰力矩;
假设作用在原始动力学方程角回路与角速度回路的外界干扰分别为D1与D2,则记矢量g=GF,d1=H+D1,f(ω)=J-1[Ms-ω×(Jω)],d2=D2,则对姿态运动及气动控制模型进行简化获得面向控制的模型,其表示为:
其中,b为控制矩阵,表示为:
其中q为动压,br为横向参考长度,cr为纵向参考长度,表示各轴气动力矩系数对相应舵偏角的偏导数,u为控制量,表示为:
u=[δxδyδz]T
其中,δx表示滚转舵,δy表示偏航舵,δz表示俯仰舵。
在本实施方式中,高超声速变形飞行器飞行的变展长指令是独立变化的,且通过变形率κ来描述。姿态角为攻角α,侧滑角β及倾侧角γV,控制量为滚转舵δx、偏航舵δy及俯仰舵δz。
如图1所示,根据本发明的一种实施方式,步骤S2中,基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器的步骤中,基于径向基神经网络逼近真实干扰的方式,设计自适应律与收敛准则,并构建出干扰观测器;在本实施方式中,利用神经网络可以对任意函数逼近的特性,可以估计干扰值。为此,可进一步设计干扰观测器形式及估计权值更新自适应律,具体包括:
构建用于对权值矩阵更新收敛的自适应律与收敛准则,其中,自适应律与收敛准则表示为:
其中,θ(x)为辅助函数,w1、w2表示内部状态量;z1、z2表示辅助变量;ζ1、ζ2为状态量的估计误差,且ζ1=ξ-w1,ζ2=ω-w2,ζ1i、ζ2i为ζ1、ζ2对应的分量,k1~k4为常值参数且均大于零,p为常值,且p>0,Td为干扰观测器收敛的预定时间,且Td>0,分别为对真实干扰d1,d2的估计值,/>表示以ξ的跟踪误差为径向基神经网络输入量,/>为估计网络权值矩阵时所对应的干扰估计值/>表示/>的分量,λ1i~λ4i为常值参数向量λ1~λ4的分量,神径向基神经网络的激活函数选择为/>其中eξ即为ξ的跟踪误差,cξ为神经网络的中心向量,bξ为带宽,h(ω)以此类推获得;
获取估计误差的收敛时间,以完成干扰观测器的构建;在本实施方式中,基于获得的自适应律与收敛准则即可实时估计面向控制的控制模型飞行器控制的状态及总干扰,进而估计误差的收敛时间满足:
其中,t0表示初始时刻,Vζ表示选取的Lyapunov函数。
基于此,估计误差将在任意给定的时间Td内收敛至原点附近,至此完成干扰观测器的构建。
如图1所示,根据本发明的一种实施方式,步骤S3中,基于面向控制的控制模型设计预定时间收敛准则的步骤中,预定时间收敛准则基于时变增益获得,其中,时变增益表示为:
其中,Tp表示高超声速变形飞行器中飞行器控制系统收敛的预定时间,且Tp≥Td>0;
在本实施方式中,基于时变增益设计预定时间收敛准则,可使得全系统的跟踪误差在任意给定的时间内收敛至剩余集内。
如图1所示,根据本发明的一种实施方式,步骤S4中,构建状态误差受限控制器的步骤中,状态误差受限控制器可采用反步法设计构建,其包括:
获取正切型李雅普诺夫函数,其表示为:
其中,i=1,2,3,kai表示边界函数ka的分量,s1i表示角度跟踪误差s1的分量,kbi表示边界函数kb的分量,s2i表示角速度跟踪误差s2的分量;
基于正切型李雅普诺夫函数定义辅助变量,并表示为:
令辅助变量的矢量以及基于面向控制的控制模型获得所输出的状态误差中的角回路误差微分,表示为:
其中,s1为角度跟踪误差,ξc为角度跟踪指令,s2为角速度跟踪误差,η为角速度跟踪指令;
基于角回路误差微分和正切型李雅普诺夫函数设计面向控制的控制模型的虚拟控制量,其表示为:
/>
其中,κa表示常值参数,且ε表示大于零的小量,c1表示常值参数,且c1>0,c2表示常值参数,且c2>0;
基于虚拟控制量和面向控制的控制模型获得姿态运动及气动控制模型输出的状态误差中的角速度回路原误差微分,其表示为:
基于角速度回路原误差微分和正切型李雅普诺夫函数获得构建状态误差受限控制器的输出,以获得面向控制的控制模型的控制量,其表示为:
其中,κb表示常值参数,且ε表示大于零的小量,c3表示常值参数,且c3>0,c4表示常值参数,且c4>0;
至此,状态误差受限控制器构建完成,且可表示为:
其中,
根据本发明的一种实施方式,基于前述获得的状态误差受限控制器,可进一步获得李雅普诺夫函数满足以下条件:
其中,c13为常值,且c13=min{c1,c3},c24为常值且c24=min{c2,c4},c0为常值;
由此,步骤S5中,状态误差受限控制器在预定时间内基于控制模型对高超声速变形飞行器的指令进行跟踪和误差约束的步骤中,通过前述所构建的状态误差受限控制器使得系统跟踪误差是有界收敛的,并可在任意给定的时间内收敛至剩余集,具体的,在在预定时间Tp内收敛至如下剩余集:
{V(t):V(t)≤c0/c13};
并在t>Tp的时间内保持在如下剩余集内:
{V(t):V(t)≤2c0/c13};
且跟踪误差在收敛过程中不会超过预设的约束边界,即满足:
|s1i(t)|<kai(t),|s2i(t)|<kbi(t)。
为进一步说明本方案,对本方案做进一步举例。
实施例1
一、仿真算例
为了验证本发明的有效性、抗干扰能力及实现输出受限控制的特性,对其进行数值仿真验证。其中,变形飞行器初始状态设置为:α(0)=0°,β(0)=2°,γV(0)=0°,κ(0)=1,H=30km,V=3000m/s,所有初始角速率均为零。变形率由自然频率为ωn=10,阻尼比为0.7的二阶环节驱动,在0~1之间变化。仿真步长5ms,跟踪的姿态角指令为αc=8°,βc=0°,γVc=15°。
仿真参数的设计如表1所示。
参数 | 数值 | 参数 | 数值 |
λ1 | [1000 12 1000] | c1 | [1.1 0.5 1] |
λ1λ2 | [0.3 0.3 0.3] | c2 | [1 1 1] |
λ3 | [200 60 200] | c3 | [1 0.5 6.1] |
λ3λ4 | [0.5 0.5 0.5] | c4 | [1 1 1] |
k1,k2,k3,k4 | [1 5 1 0.8] | r0 | 0.5 |
Td | 2 | Tp | 2 |
ka | 1.2e-0.5ts1(0) | κa | 1.5 |
kb | e-0.5t×[2 0.5 1] | κb | 2.5 |
二、结果分析
仿真结果如说明书附图中的图3至图8所示。
标称条件下的仿真结果如图3至图4所示。由图3可以看出,系统在各个通道实现了很好的控制性能,且变形导致的气动变化对执行机构带来了一定负担。由图3的局部放大图可知,姿态角在预定时间实现了对指令的高精度跟踪,这意味着在所设计的PTBC-PTDO(其中,PTBC表示状态误差受限控制器,PTDO表示干扰观测器)的作用下,闭环系统的收敛时间可以被任意给定。同时,由图4可知,跟踪误差没有超过设定的约束边界,因此所设计的控制器能够实现预期的控制效果,完成控制任务。
图5给出了不同设定时间下的仿真结果。很显然姿态角在给定的三个不同预定时间Tp1,Tp2及Tp3条件下均准确的跟踪了指令。然而,相较于Tp=Tp1,Tp2的仿真结果,Tp=Tp3时出现了较大的超调与抖动。因此,不同于一般非线性系统,在变形飞行器的控制系统设计中,预定时间的选取时应当使得收敛速度不超过系统本身能实现无超调控制的最大速度。
图6至图7为干扰条件下的仿真结果,验证了干扰观测器的估计效果及本方法的抗干扰性能。由图6可知,当干扰出现时,无PTDO的曲线抖动非常剧烈,且即使在干扰消失后也经过很长时间才恢复稳定。而在有PTDO的情况下,结合图7可知各通道的干扰均被精确估计且在控制量中给予补偿,因此控制器在经过短暂调整后便维持正常工作,这说明PTDO极大地增强了系统的鲁棒性。
图8给出了气动拉偏的仿真结果。显然各种情况下控制器均实现了较好的跟踪效果,姿态角在预定时间内跟踪上了指令,且没有超出约束边界。在负向拉偏case 2中,气动力矩变小使控制能力降低,进而导致了控制性能的损失,且在偏航通道体现的更加明显,然而由于设计的TBLF(正切型障碍Lyapunov函数),跟踪误差仍然没有超出约束的边界。因此,所设计的PTBC-TBLF能确保变形飞行器在可接受的性能损失范围内,提升大范围飞行中的飞行安全与飞行品质。
上述内容仅为本发明的具体方案的例子,对于其中未详尽描述的设备和结构,应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种状态误差受限的变形飞行器预定时间控制方法,其特征在于,包括以下步骤:
S1.基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将所述姿态运动及气动控制模型转化为面向控制的控制模型;
S2.基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器;
S3.基于面向控制的控制模型设计预定时间收敛准则;
S4.构建状态误差受限控制器,其中,所述状态误差受限控制器基于所述干扰观测器的实时估计结果,所述预定时间收敛准则和正切型障碍李雅普诺夫函数构建;
S5.所述状态误差受限控制器在预定时间内基于面向控制的控制模型对所述高超声速变形飞行器的指令进行跟踪和误差约束,完成干扰条件下的姿态控制任务。
2.根据权利要求1所述的变形飞行器控制方法,其特征在于,步骤S1中,基于高超声速变形飞行器的几何模型,构建姿态运动及气动控制模型,并将所述姿态运动及气动控制模型转化为面向控制的控制模型的步骤中,包括:
基于所述几何模型生成所述姿态运动及气动控制模型;其中,所述姿态运动及气动控制模型表示为:
其中,α表示攻角,β表示侧滑角,γV表示倾侧角,N为侧向力,L为升力,ms为高超声速变形飞行器的飞行器质量,V为飞行器速度,θ为速度倾角;
记ξ=[αβγV]T为三轴姿态角矢量,ω=[ωxωyωz]T为三轴角速度矢量,J=diag(Ix,Iy,Iz)为惯量矩阵,M=[Mx My Mz]T为气动力矩,Ms=[Msx Msy Msz]T为变形附加气动力矩,以及如下矩阵与矢量:
其中,mi为高超声速变形飞行器的左右弹翼的质量,si为高超声速变形飞行器质心指向弹翼质心的位置矢量,gi为重力加速度矢量,v为飞行器的速度矢量;
获取所述高超声速变形飞行器的气动力和气动力矩的计算方式,其表示为:
Fi=qS0Ci,
Mi=qS0LrefCmj,
其中,κ表示高超声速变形飞行器展长的变形率,q为动压,S0为参考面积,Lref为参考长度,Ci为气动力系数,Cmj为气动力矩系数,F为气动力且F=[FD FL FN]T=[D L N]T,M为气动力矩且M=[Mx My Mz]T;
假设作用在原始动力学方程角回路与角速度回路的外界干扰分别为D1与D2,则记矢量g=GF,d1=H+D1,f(ω)=J-1[Ms-ω×(Jω)],d2=D2,则对所述姿态运动及气动控制模型进行简化获得面向控制的控制模型,其表示为:
其中,b为控制矩阵,表示为:
其中,q为动压,br为横向参考长度,cr为纵向参考长度, 表示各轴气动力矩系数对相应舵偏角的偏导数,u为控制量,且表示为:
u=[δx δy δz]T
其中,δx表示滚转舵,δy表示偏航舵,δz表示俯仰舵。
3.根据权利要求2所述的变形飞行器控制方法,其特征在于,步骤S2中,基于面向控制的控制模型构建用于对飞行过程中的总干扰进行实时估计的干扰观测器的步骤中,基于径向基神经网络逼近真实干扰的方式,设计自适应律与收敛准则,并构建出所述干扰观测器;其包括:
构建用于对权值矩阵更新收敛的自适应律与收敛准则,其中,所述自适应律与收敛准则表示为:
其中,为辅助函数,w1、w2表示内部状态量;z1、z2表示辅助变量;ζ1、ζ2为状态量的估计误差,且ζ1=ξ-w1,ζ2=ω-w2,ζ1i、ζ2i为ζ1、ζ2对应的分量,k1~k4为常值参数且均大于零,p为常值,且p>0,Td为干扰观测器收敛的预定时间,且Td>0,/>分别为对真实干扰d1,d2的估计值,/>表示以ξ的跟踪误差为径向基神经网络输入量,/>为估计网络权值矩阵时所对应的干扰估计值/> 表示/>的分量,λ1i~λ4i为常值参数向量λ1~λ4的分量,神径向基神经网络的激活函数选择为/>其中eξ即为ξ的跟踪误差,cξ为神经网络的中心向量,bξ为带宽,h(ω)以此类推获得;
获取估计误差的收敛时间,以完成所述干扰观测器的构建;其中,所述收敛时间满足:
其中,t0表示初始时刻,Vζ为选取的Lyapunov函数。
4.根据权利要求3所述的变形飞行器控制方法,其特征在于,步骤S3中,基于面向控制的控制模型设计预定时间收敛准则的步骤中,所述预定时间收敛准则基于时变增益获得,其中,所述时变增益表示为:
其中,Tp表示高超声速变形飞行器中飞行器控制系统收敛的预定时间,且Tp≥Td>0。
5.根据权利要求4所述的变形飞行器控制方法,其特征在于,步骤S4中,构建状态误差受限控制器的步骤中,包括:
获取所述正切型李雅普诺夫函数,其表示为:
其中,i=1,2,3,kai表示边界函数ka的分量,s1i表示角度跟踪误差s1的分量,kbi表示边界函数kb的分量,s2i表示角速度跟踪误差s2的分量;
基于所述正切型李雅普诺夫函数定义辅助变量,并表示为:
令辅助变量的矢量以及基于面向控制的控制模型获得所输出的状态误差中的角回路误差微分,表示为:
其中,s1为角度跟踪误差,ξc为角度跟踪指令,s2为角速度跟踪误差,η为角速度跟踪指令;
基于所述角回路误差微分和所述正切型李雅普诺夫函数设计面向控制的控制模型的虚拟控制量,其表示为:
其中,κa表示常值参数,且ε表示大于零的小量,c1表示常值参数,且c1>0,c2表示常值参数,且c2>0;
基于所述虚拟控制量和面向控制的控制模型获得所输出的状态误差中的角速度回路原误差微分,其表示为:
基于所述角速度回路原误差微分和所述正切型李雅普诺夫函数获得构建所述状态误差受限控制器的输出,以获得面向控制的所述控制模型的控制量,其表示为:
其中,κb表示常值参数,且ε表示大于零的小量,c3表示常值参数,且c3>0,c4表示常值参数,且c4>0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310926250.7A CN116795127A (zh) | 2023-07-26 | 2023-07-26 | 一种状态误差受限的变形飞行器预定时间控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310926250.7A CN116795127A (zh) | 2023-07-26 | 2023-07-26 | 一种状态误差受限的变形飞行器预定时间控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116795127A true CN116795127A (zh) | 2023-09-22 |
Family
ID=88036473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310926250.7A Pending CN116795127A (zh) | 2023-07-26 | 2023-07-26 | 一种状态误差受限的变形飞行器预定时间控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116795127A (zh) |
-
2023
- 2023-07-26 CN CN202310926250.7A patent/CN116795127A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Fixed-time sliding mode disturbance observer-based nonsmooth backstepping control for hypersonic vehicles | |
CN110377045B (zh) | 一种基于抗干扰技术的飞行器全剖面控制方法 | |
CN109426146B (zh) | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 | |
CN116339140B (zh) | 一种基于瞬时自抗扰和自适应动态逆的复合容错控制方法 | |
CN116795126A (zh) | 一种输入饱和与输出受限的变形飞行器控制方法 | |
CN114721266A (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
CN110347036B (zh) | 基于模糊滑模控制的无人机自主抗风智能控制方法 | |
CN114637203A (zh) | 一种针对中高速、大机动无人机的飞行控制系统 | |
CN116360258A (zh) | 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法 | |
CN114879728B (zh) | 一种基于自抗扰控制的飞行器鲁棒编队控制方法 | |
CN116795127A (zh) | 一种状态误差受限的变形飞行器预定时间控制方法 | |
CN113961010B (zh) | 四旋翼植保无人机跟踪控制方法 | |
CN113009932B (zh) | 一种基于扰动观测器控制的四旋翼无人机抗干扰控制方法 | |
CN114912202A (zh) | 宽速域吸气式动力飞行器机体推进一体化耦合控制方法 | |
CN109101034B (zh) | 一种垂直/短距起降飞机飞行控制方法 | |
Rajagopal et al. | Robust adaptive control of a general aviation aircraft | |
Kutluay et al. | Dynamic inversion based control of a missile with L1 adaptive control augmentation | |
Shankar et al. | Self-organizing radial basis function networks for adaptive flight control | |
CN114415509B (zh) | 一种针对远程火箭弹的伺服弹性主动抑制方法 | |
Tournes et al. | Hypersonic glider autopilot using adaptive higher order sliding mode control with impulsive actions | |
CN116483103B (zh) | 一种基于扰动观测器的高超声速飞行器姿态控制方法 | |
Zhuang et al. | Fuzzy adaptive sliding mode attitude control of quaternion model for aircraft based on back-stepping method | |
CN112015194B (zh) | 一种基于直接升力控制的舰载机抑制舰尾流扰动的方法 | |
Xue et al. | Parameter Estimation and Adaptive Nonlinear Dynamic Inversion Applied to Coordinated Turning Control | |
CN117608321A (zh) | 基于神经网络增量动态逆的高速靶机筋斗机动控制方法 |
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 |