CN120066112B - 一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法 - Google Patents

Abstract

本发明公开了一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，包括：建立倾转旋翼无人机纵向运动切换非线性动力学模型；设计倾转旋翼无人机过渡段倾转走廊计算方法，并构造非对称时变障碍李雅普诺夫函数解决状态约束问题；设计神经网络系统，用于估计旋翼与机翼间复杂气动耦合所引起的强建模不确定性；设计固定时间自适应飞行控制律，利用神经网络系统信号对未知建模不确定进行补偿；构建闭环多Lyapunov函数，并设计和分析飞行控制律的参数，确保无人机过渡段系统的状态始终保持在约束范围内，并能够实现固定时间内的稳定性。本发明解决了强不确定性、状态约束条件下的倾转旋翼无人机纵向过渡段固定时间控制问题。

Description

一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制 方法

技术领域

本发明属于飞行器安全控制技术领域，具体涉及一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法。

背景技术

随着航空技术的不断发展，人们对飞行器性能的要求也在不断提高。倾转旋翼无人机融合了直升机和固定翼飞机的功能，无需跑道即可垂直起降并适应复杂地形，具备精准悬停与高速巡航能力，广泛应用于军事、民用和商业领域，特别是在低空经济如农业监测和物流中应用潜力巨大，已经成为近年来全球航空研究领域的焦点。

倾转旋翼无人机在直升机与固定翼模式下控制策略已成熟，但过渡切换时因特殊气动布局，控制问题仍具挑战性。由于其过渡过程主要在纵向平面进行，因此，倾转旋翼无人机的飞行稳定性在很大程度上依赖于纵向飞行控制律。在旋翼倾转过程中，存在一个被称为“倾转走廊”的区域，该区域对无人机系统状态施加了严格的限制。一旦系统状态偏离这一区域，倾转旋翼无人机过渡过程的安全性将难以保证。此外，旋翼与机翼之间的气动耦合效应不仅增加了系统建模的难度，而且对控制系统的设计提出了更高的要求。气动耦合的复杂性导致了建模的不确定性，从而影响了控制策略的设计。倾转过程的控制对系统的收敛性提出了极高的要求。如果控制系统的收敛性不足，可能会导致无人机在过渡过程中出现剧烈的摇摆，甚至可能引发失控和坠机等严重后果。因此，现有的控制方法在确保过渡过程的平稳性和安全性方面仍存在一定的局限性。

发明内容

本发明所解决的技术问题是：提供一种在强不确定性和状态约束条件下的倾转旋翼无人机纵向运动过渡段固定时间控制方法。不仅有效解决了在倾转走廊限制下的控制难题，而且放宽了对旋翼与机翼间气动耦合建模的精度要求，并通过固定时间控制技术显著提升了系统的收敛性能。该方法通过引入神经网络系统和非对称障碍李雅普诺夫函数，解决了强建模不确定性和状态约束问题，并通过设计固定时间控制器提升了系统的收敛性。

本发明为解决上述技术问题采用以下技术方案：一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，包括如下步骤：

步骤1：根据倾转旋翼无人机纵向运动特性，建立切换非线性系统模型；

步骤2：针对倾转旋翼无人机过渡段的多约束条件建立倾转走廊，在此基础上构造非对称障碍李雅普诺夫函数，将系统状态约束在满足倾转走廊约束的范围之内；

步骤3：设计神经网络系统，估计旋翼与机翼间气动耦合带来的未知建模不确定，得到未知建模不确定的逼近值；

步骤4：设计飞行控制律与自适应律，利用步骤3所得神经网络系统的输出信号，即未知建模不确定的逼近值，对未知建模不确定进行补偿；

步骤5：构建闭环多Lyapunov函数，并设计和分析飞行控制律的参数，令倾转旋翼无人机过渡段系统的状态始终保持在约束范围内，实现固定时间内的稳定性。

作为本发明的一种优选方案，步骤1建立倾转旋翼无人机纵向切换非线性系统动力学模型，包括机体坐标系下轴方向的速度和轴方向的速度、俯仰角、俯仰角速度组成的回路；

倾转旋翼无人机纵向运动动力学模型如下：

，

其中为俯仰角，为速度向量，为机体系下轴方向的速度，为机体系下轴方向的速度，为俯仰角速度，、分别为和的一阶导数，，为短舱倾角；为控制输入，为旋翼产生的拉力，为纵向周期边距角，为升降舵偏转角；为旋翼与机翼间气动耦合的建模不确定函数，都为未知的非线性函数；和分别为建模已知非线性函数和控制增益，表示如下：

，，

其中为重力加速度，为倾转旋翼无人机的重量，为转动惯量，为桅杆高度，为常系数，、分别为气动力系数分解在机体坐标系轴方向和轴方向上的分力系数、为气动力产生的俯仰力矩系数；为升降舵产生偏转角的俯仰力矩系数，、分别为升降舵偏转角在机体坐标系轴方向和轴方向上产生的分力系数；

根据倾转旋翼无人机过渡段短舱倾角的变化，将过渡段的纵向运动模型划分成若干个非线性子系统，得到倾转旋翼无人机过渡段的切换非线性系统模型，表示如下：

，

其中表示为右连续的切换信号，为子系统的总个数，当时，表示第个子系统正在激活；、、分别表示切换信号在时刻系统所对应的建模已知非线性函数、控制增益和建模未知不确定函数。

作为本发明的一种优选方案，步骤2设计倾转旋翼无人机过渡段倾转走廊计算方法如下：

确定倾转旋翼无人机过渡段约束条件包括：

，

其中、分别为机体坐标系下轴方向和轴方向的合外力，为旋翼产生的拉力，为短舱倾角，为倾转旋翼无人机的重量，为重力加速度，为俯仰角，、分别为气动升力和阻力，为倾转旋翼无人机的迎角，、分别为零升力迎角和临界失速迎角，为旋翼提供的最大拉力，为时刻的短舱倾角；

通过求解上式中的多约束条件，获得过渡段倾转走廊的高速段速度和低速段速度；将系统状态受限定义如下：

，

其中、分别为系统状态约束的上界和下界，为系统的状态；

作为本发明的一种优选方案，构造非对称对数型障碍李雅普诺夫函数如下：

，

其中为系统状态的跟踪误差，为分段函数，、分别简记为、，表达式如下：

，

其中为期望的跟踪指令。

作为本发明的一种优选方案，步骤3所述神经网络系统设计为：

，

其中为第个子系统所对应的建模未知不确定函数，为分块对角矩阵，为理想权值矩阵，为理想权值矩阵的分量，，为神经网络的节点数，是由向基函数构成的向量，为向量的分量，为高斯基函数，为神经网络逼近误差。

作为本发明的一种优选方案，步骤4设计固定时间自适应飞行控制律和自适应律，利用步骤3所得神经网络系统的输出信号，即未知建模不确定的逼近值，对未知建模不确定进行补偿，定义如下误差变量：

，

其中为俯仰角跟踪误差，为机体坐标系下轴方向的速度的跟踪误差，为机体坐标系下轴方向的速度的跟踪误差，为俯仰角速度的跟踪误差，为滤波误差，为自适应参数跟踪误差，、、分别为、、的期望跟踪指令，为虚拟控制律，为自适应参数，，为的估计值，为如下一阶非线性切换滤波器的输出：

其中为切换滤波时间常数，、分别为待设计参数且满足，为待设计的虚拟控制律，为的一阶导数；

所述固定时间自适应飞行控制律和自适应律设计为：

，

，

，

其中、、、、和分别为待设计的正常数，，为状态约束增益，为俯仰角期望指令的一阶导数；为控制输入，为控制增益矩阵的逆矩阵，为速度期望指令的一阶导数，为自适应参数所构成的对角矩阵，为自适应参数，为的一阶导数，表示第个子系统所对应的建模已知非线性函数，、、分别为待设计的正定对角矩阵，为状态约束增益对角矩阵，为速度的误差变量，，，、、、的表达式如下：

，

其中、、定义如下：，，、分别为状态约束的上界和下界。

作为本发明的一种优选方案，构建闭环多Lyapunov函数，方法如下：

当第个子系统激活时，选取闭环多Lyapunov函数如下：

，

其中、、分别为考虑误差变量俯仰角跟踪误差、速度跟踪误差和滤波误差构造的李雅普诺夫函数，表达式如下：

，

其中、分别简记为、，定义如下：，、分别为状态约束的上界和下界，定义如下：；

多Lyapunov函数关于时间的导数如下：

，

其中，，为期望指令导数的上界，为正常数，为滤波时间常数，为神经网络逼近误差的上界；

设计平均驻留时间，其中为正常值，为区间上的任意值，获得：

，

其中为系统的多李雅普诺夫函数，为系统多李雅普诺夫函数在时间的初始值，为振颤边界，为有界值，即闭环切换系统有界，同时系统状态都在状态约束的安全范围内。

作为本发明的一种优选方案，考虑系统状态误差变量，设计公共Lyapunov函数如下：

，

公共Lyapunov函数关于时间的导数满足如下条件：

，

其中、，，、，即系统状态误差在时间收敛到集合内，表达式如下：

，

其中为正常数，为系统状态的跟踪误差；

通过调节控制参数、、、、、、、，控制倾转旋翼无人机姿态角和速度的跟踪误差。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

（1）本发明采用切换非线性系统来描述倾转旋翼无人机纵向运动动力学模型。相较于传统的单一系统模型和切换线性系统模型，本发明所提出的动力学模型更具有一般性与实际应用价值。

（2）本发明采用神经网络系统对旋翼和机翼间的复杂气动耦合进行逼近，降低了对建模不确定的约束，提高了控制系统的鲁棒性。

（3）本发明采用非对称时变障碍李雅普诺夫函数解决了由倾转走廊带来的状态约束问题，保证了倾转旋翼无人机过渡段的平稳转换。

附图说明

图1是本发明方法的总流程图。

图2是本发明实施例的倾转旋翼无人机速度仿真曲线。

图3是本发明实施例的倾转旋翼无人机速度仿真曲线。

图4是本发明实施例的倾转旋翼无人机俯仰角仿真曲线。

图5是本发明实施例的倾转旋翼无人机俯仰角速度仿真曲线。

图6是本发明实施例的自适应参数仿真曲线。

图7是本发明实施例的自适应参数仿真曲线。

图8是本发明实施例的自适应参数仿真曲线。

图9是控制切换信号图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明所述的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，流程如图1，包括如下步骤：

（1）首先根据倾转旋翼无人机纵向运动特性，建立切换非线性系统模型。

本实施例以倾转旋翼无人机纵向控制为例，建立倾转旋翼无人机纵向切换非线性系统动力学模型，包括机体坐标系下轴方向的速度和轴方向的速度、俯仰角、俯仰角速度组成的回路；倾转旋翼无人机纵向运动动力学模型如下：

（1），

其中为俯仰角，为速度向量，为机体系下轴方向的速度，为机体系下轴方向的速度，为俯仰角速度，、分别为和的一阶导数，，为短舱倾角；为控制输入（控制器），为旋翼产生的拉力，为纵向周期边距角，为升降舵偏转角；为旋翼与机翼间气动耦合的建模不确定函数，都为未知的非线性函数。和分别为建模已知非线性函数和控制增益，表示如下：

，，

其中为重力加速度，为倾转旋翼无人机的重量，为转动惯量，为桅杆高度，为常系数，、分别为气动力系数分解在机体坐标系轴方向和轴方向上的分力系数、为气动力产生的俯仰力矩系数；为升降舵产生偏转角的俯仰力矩系数，、分别为升降舵偏转角在机体坐标系轴方向和轴方向上产生的分力系数。

根据倾转旋翼无人机过渡段短舱倾角的变化，将过渡段的纵向运动模型划分成若干个非线性子系统，得到倾转旋翼无人机过渡段的切换非线性系统模型，表示如下：

（2），

其中表示为右连续的切换信号，为子系统的总个数，当时，表示第个子系统正在激活。、、分别表示切换信号在时刻系统所以对应的建模已知非线性函数、控制增益和建模未知不确定函数。

（2）针对倾转旋翼无人机过渡段的多约束条件建立倾转走廊，在此基础上构造非对称障碍李雅普诺夫函数，将系统状态约束在满足倾转走廊约束的范围内。

在旋翼倾转过程中，机体的重力由气动升力和旋翼的拉力共同平衡。气动升力的大小受到无人机的速度和迎角的共同影响，而旋翼拉力的大小则由短舱倾角和旋翼所能提供的最大拉力所限制。本实施例设计倾转旋翼无人机过渡段约束条件如下：

（3），

其中、分别为机体坐标系下轴方向和轴方向的合外力，为旋翼产生的拉力，为短舱倾角，为倾转旋翼无人机的重量，为重力加速度，为俯仰角，、分别为气动升力和阻力，为倾转旋翼无人机的迎角，、分别为零升力迎角和临界失速迎角，为旋翼提供的最大拉力，为时刻的短舱倾角。通过求解式（3）中的多约束条件，可获得倾转过渡走廊的高速段速度和低速段速度。

根据倾转走廊带来的高速段与低速段的限制条件，以及为确保倾转过程中姿态角保持在合理范围内，从而实现过渡段的安全飞行，系统状态需要被约束在一个合理的范围内。因此，定义系统状态约束如下：

（4），

其中、分别为系统状态约束的上界和下界，为系统的状态。

构造非对称对数型障碍李雅普诺夫函数如下：

（5），

其中为系统状态的跟踪误差，为分段函数，、分别简记为、，表达式如下：

（6），

其中为期望的跟踪指令。

（3）设计神经网络系统，估计旋翼与机翼间气动耦合带来的未知建模不确定，得到未知建模不确定的逼近值。

引理1：对于任意连续函数定义在紧集合上，存在一个神经网络，使得

（7），

其中是神经网络的理想权值向量，是神经网络的节点数，是神经网络的基向量，是满足的神经网络的近似误差，为未知正常数，通常选择高斯函数。

（8），

其中是中心向量，是高斯函数的宽度。

根据引理1，所述神经网络系统设计为：

（9），

其中为第个子系统所对应的建模未知不确定函数，为分块对角矩阵，为理想权值矩阵，为理想权值矩阵的分量，，为神经网络的节点数，是由向基函数构成的向量，为向量的分量，为高斯基函数，为神经网络逼近误差。

（4）设计飞行控制律与自适应律，利用步骤（3）所得神经网络系统的输出信号，即未知建模不确定的逼近值，对未知建模不确定进行补偿。

首先，定义如下误差变量：

（10），

其中为俯仰角跟踪误差，为机体坐标系下轴方向的速度的跟踪误差，为机体坐标系下轴方向的速度的跟踪误差，为俯仰角速度的跟踪误差，为滤波误差，为自适应参数跟踪误差，、、分别为、、的期望跟踪指令，为虚拟控制律，为自适应参数，，为的估计值，为如下一阶非线性切换滤波器的输出：

（11），

其中为切换滤波时间常数，、分别为待设计参数且满足，为待设计的虚拟控制律，为的一阶导数。

考虑误差变量，设计如下Lyapunov函数：

（12），

其中、分别简记为、，定义如下：，、分别为状态约束的上界和下界，定义如下：。

根据式（1）、（10），关于时间的导数如下：

（13），

其中。

基于式（13），设计自适应飞行控制律，即虚拟控制律如下：

（14），

其中、、为待设计的正常数，、为待设计参数且满足，为俯仰角期望指令的一阶导数，为状态约束增益，表达式如下：

（15），

其中为待设计参数，使得；、分别为、的一阶导数。

将式（14）代入式（13）可得：

（16），

其次，当第个子系统激活时，考虑误差变量、，设计如下Lyapunov函数：

（17），

根据式（1）、（10），关于时间的导数如下：

（18），

基于式（18），设计控制器和自适应律如下：

（19），

（20），

其中为控制输入，为控制增益矩阵的逆矩阵，为速度期望指令的一阶导数，为自适应参数所构成的对角矩阵，表示第个子系统所对应的建模已知非线性函数，、、分别为待设计的正定对角矩阵，为状态约束增益对角矩阵，为速度的误差变量，，、分别为待设计的正常数，，；为自适应参数，为的一阶导数，、和分别为待设计的正常数，，、的表达式如下：

（21），

其中为待设计参数，使得；、分别为、的一阶导数。

（5）构建闭环多Lyapunov函数，设计、分析飞行控制律参数，令倾转旋翼无人机过渡段系统的状态始终保持在约束范围内，确保倾转旋翼无人机过渡段的稳定性。

根据式（17）、（18）、（19）、（20），关于时间的导数如下：

（22），

考虑滤波器误差变量，设计如下Lyapunov函数：

（23），

根据式（11），并将的上界记为，关于时间的导数如下：

（24），

其中为滤波时间常数。

当第个子系统激活时，设计整个闭环系统的多Lyapunov函数如下：

（25），

其中、、分别为考虑误差变量俯仰角跟踪误差、速度跟踪误差和滤波误差构造的李雅普诺夫函数。

引理2：对于任意正常数，有以下不等式成立：

，

根据引理2可得：

（26），

根据式（16）、（22）、（24）、（26），对关于时间的导数如下：

（27），

其中，。为期望指令导数的上界，为正常数，为滤波时间常数，为神经网络逼近误差的上界。

根据式（10）可得，成立。当则可获得不等式如下：

（28），

其中。

根据式（25）、（28），可以获得多Lyapunov函数之间的关系如下：

（29），

其中。

接下来证明切换系统稳定。当时，和分别表示第个子系统和第个子系统的切换时刻，对式（27）进行积分可获得不等式如下：

（30），

将式（29）代入式（30），可获得不等式如下：

（31），

其中表示时刻的左极限值，表示在时间时刻的函数值。

当，对式（31）从到，表示系统在时间内发生切换的总次数，进行迭代可得不等式如下：

（32），

其中是的缩写。

由，表示系统在时间内发生切换的总次数，可以得到：

（33），

设计平均驻留时间，为正常值，为区间上的任意值，可得：

（34），

其中为振颤边界，表示系统在时间内发生切换的总次数，表示任意小于时间的时刻。

将式（34）代入式（33）可得：

（35），

根据上述分析同理可得：

（36），

其中。

将式（35）、（36）代入式（33）可得不等式关系如下：

（37），

其中为系统的多李雅普诺夫函数，为系统多李雅普诺夫函数在时间的初始值，为振颤边界，为有界值。因此，当平均驻留时间时，整个闭环系统有界。

当时，可以得到下式：

（38），

当时，同理可得：,。

综上可得：

（39），

将式（6）代入式（39）可得：

（40），

即系统的状态量都在约束的范围内，证明完毕。

接下来证明系统状态跟踪误差可以实现固定时间收敛。考虑误差变量，设计Lyapunov函数如下：

（41），

将式（14）、（26）代入式（41），可以获得如下不等式：

（42），

考虑误差变量，设计Lyapunov函数如下：

（43），

将式（19）、（20）代入式（43），可以获得如下不等式：

（44），

根据式（26），令、，，、，可以获得不等式如下：

（45），

综上，系统状态误差将会在时间收敛到集合内。

（46），

其中为正常数，为系统状态的跟踪误差。

调节控制参数、、、、、、、，降低倾转旋翼无人机姿态角和速度的跟踪误差。

为检验本发明在考虑状态约束下的倾转旋翼无人机过渡段固定时间控制方法，基于被控对象（式（2））进行数值仿真并给出仿真结果。

根据式（4），选择系统状态约束如下：

，

其中，、分别为俯仰角约束的上界和下界，、分别为俯仰角速度约束的上界和下界，、分别为机体坐标系下轴方向的速度约束的上界和下界，、分别为机体坐标系下轴方向的速度约束的上界和下界。

根据虚拟控制律（式（14）），选取控制参数为：、、、、。

根据控制器（式（19）），选取控制参数为：、、。

根据自适应律（式（20）），选取控制参数为：、、。

关于神经网络系统，设计

，，

；

仿真结果如图2至图9。如图2和图3所示，无人机整个倾转过渡段当中，无人机的飞行速度和可以很好的跟踪期望指令并一直保持在状态约束的边界内，符合倾转走廊约束下的飞行速度。图4和图5表明，无人机的俯仰角和俯仰角速度可以很好的跟踪期望指令并一直保持在状态约束的边界内，确保无人机的在整个倾转过渡段当中姿态都能很好的保持稳定。图6-图8给出了自适应参数的响应曲线。图9为切换信号的曲线。

从仿真结果可以看出，在存在状态约束和较强建模不确定性的情况下，本发明提出的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，依然能够有效保障无人机的速度和姿态跟踪性能，从而使倾转旋翼无人机能够平稳地完成从直升机模态到固定翼模态的过渡。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，其特征在于，包括如下步骤：

步骤1：根据倾转旋翼无人机纵向运动特性，建立切换非线性系统模型；

建立倾转旋翼无人机纵向切换非线性系统动力学模型，包括机体坐标系下x轴方向的速度u和z轴方向的速度w、俯仰角θ、俯仰角速度q组成的回路；

倾转旋翼无人机纵向运动动力学模型如下：

其中x₁＝θ为俯仰角，X₂＝[x₂₁,x₂₂,x₂₃]^T为速度向量，x₂₁＝u为机体系下x轴方向的速度，x₂₂＝w为机体系下z轴方向的速度，x₂₃＝q为俯仰角速度，分别为x₁和X₂的一阶导数，β_m为短舱倾角；U＝[T_r,T_rθ_a,δ_e]^T为控制输入，T_r为旋翼产生的拉力，θ_a为纵向周期边距角，δ_e为升降舵偏转角；为旋翼与机翼间气动耦合的建模不确定函数，△f₁、△f₂、△f₃都为未知的非线性函数；和分别为建模已知非线性函数和控制增益，表示如下：

其中g为重力加速度，M为倾转旋翼无人机的重量，I_y0为转动惯量，l_r为桅杆高度，k_y为常系数，C_xc、C_zc分别为气动力系数分解在机体坐标系x轴方向和z轴方向上的分力系数、C_mc为气动力产生的俯仰力矩系数；为升降舵产生偏转角δ_e的俯仰力矩系数，分别为升降舵偏转角δ_e在机体坐标系x轴方向和z轴方向上产生的分力系数；

根据倾转旋翼无人机过渡段短舱倾角β_m的变化，将过渡段的纵向运动模型划分成若干个非线性子系统，得到倾转旋翼无人机过渡段的切换非线性系统模型，表示如下：

其中σ(t):[0,∞)→N表示σ(t)为右连续的切换信号，N为子系统的总个数，当σ(t)＝k时，表示第k个子系统正在激活；分别表示切换信号σ(t)在t时刻系统所对应的建模已知非线性函数、控制增益和建模未知不确定函数；

步骤2：针对倾转旋翼无人机过渡段的多约束条件建立倾转走廊，在此基础上构造非对称障碍李雅普诺夫函数，将系统状态约束在满足倾转走廊约束的范围之内；

步骤3：设计神经网络系统，估计旋翼与机翼间气动耦合带来的未知建模不确定，得到未知建模不确定的逼近值；

所述神经网络系统设计为：

其中为第k个子系统所对应的建模未知不确定函数，为分块对角矩阵，为理想权值矩阵，为理想权值矩阵的分量，j＝1,2,3，l>1为神经网络的节点数，是由向基函数构成的向量，为向量的分量，为高斯基函数，ε^*为神经网络逼近误差；

步骤4：设计飞行控制律与自适应律，利用步骤3所得神经网络系统的输出信号，即未知建模不确定的逼近值，对未知建模不确定进行补偿；

步骤5：构建闭环多Lyapunov函数，并设计和分析飞行控制律的参数，令倾转旋翼无人机过渡段系统的状态始终保持在约束范围内，实现固定时间内的稳定性；

构建闭环多Lyapunov函数，方法如下：

当第k个子系统激活时，选取闭环多Lyapunov函数V_k如下：

其中V₁、V_2,k、分别为考虑误差变量俯仰角跟踪误差z₁、速度跟踪误差Z₂＝[z₂₁,z₂₂,z₂₃]^T和滤波误差ε_f构造的李雅普诺夫函数，表达式如下：

其中k_a1(t)、k_b1(t)分别简记为k_a1、k_b1，定义如下： 分别为状态x₁约束的上界和下界，k_aij(t)、k_bij(t)分别简记为k_aij、k_bij，h(z_ij)为分段函数，表达式如下：其中 分别为系统状态约束的上界和下界，x_ijd为期望的跟踪指令，z_ij为系统状态的跟踪误差；为自适应参数跟踪误差，d_2j为待设计的正常数，j＝1,2,3；

多Lyapunov函数V_k关于时间的导数如下：

其中△_x为期望指令导数的上界，a₂为正常数，τ_k为滤波时间常数，ε为神经网络逼近误差的上界；

设计平均驻留时间其中μ>2为正常值，δ为(0,λ)区间上的任意值，获得：

其中V(t)_σ(t)为系统的多李雅普诺夫函数，V_σ(t)(0)为系统多李雅普诺夫函数在时间t＝0的初始值，N₀为振颤边界，W′为有界值，即闭环切换系统有界，同时系统状态都在状态约束的安全范围内。

2.根据权利要求1所述的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，其特征在于，步骤2设计倾转旋翼无人机过渡段倾转走廊计算方法如下：

确定倾转旋翼无人机过渡段约束条件包括：

其中f_x、f_z分别为机体坐标系下x轴方向和z轴方向的合外力，T_r为旋翼产生的拉力，β_m为短舱倾角，M为倾转旋翼无人机的重量，g为重力加速度，θ为俯仰角，L、D分别为气动升力和阻力，α为倾转旋翼无人机的迎角，α₀、α_s分别为零升力迎角和临界失速迎角，T_rmax为旋翼提供的最大拉力，β_m(t)为t时刻的短舱倾角；

通过求解上式中的多约束条件，获得过渡段倾转走廊的高速段速度和低速段速度V(t)；将系统状态受限定义如下：

其中分别为系统状态约束的上界和下界，x_ij为系统的状态。

3.根据权利要求2所述的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，其特征在于，构造非对称对数型障碍李雅普诺夫函数如下：

其中z_ij为系统状态的跟踪误差，h(z_ij)为分段函数，k_aij(t)、k_bij(t)分别简记为k_aij、k_bij，表达式如下：

其中x_ijd为期望的跟踪指令。

4.根据权利要求3所述的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，其特征在于，步骤4设计固定时间自适应飞行控制律和自适应律，利用步骤3所得神经网络系统的输出信号，即未知建模不确定的逼近值，对未知建模不确定进行补偿，定义如下误差变量：

其中z₁为俯仰角跟踪误差，z₂₁为机体坐标系下x轴方向的速度u的跟踪误差，z₂₂为机体坐标系下z轴方向的速度w的跟踪误差，z₂₃为俯仰角速度的跟踪误差，ε_f为滤波误差，为自适应参数跟踪误差，x_1d、x_21d、x_22d分别为x₁、x₂₁、x₂₂的期望跟踪指令，x_23d为虚拟控制律，为自适应参数，j＝1,2,3，为θ_2j,k的估计值，x_23c为如下一阶非线性切换滤波器的输出：

其中τ_σ(t)为切换滤波时间常数，a、b分别为待设计参数且满足0<a<1,b>1，x_23d为待设计的虚拟控制律，为x_23c的一阶导数；

所述固定时间自适应飞行控制律和自适应律设计为：

其中k₁、c₁、c₂、a₂、c_5j和d_2j分别为待设计的正常数，j＝1,2,3，为状态约束增益，为俯仰角期望指令x_1d的一阶导数；U为控制输入，为控制增益矩阵的逆矩阵，为速度期望指令X_2d的一阶导数，为自适应参数所构成的对角矩阵，为自适应参数，为的一阶导数，表示第k个子系统所对应的建模已知非线性函数，K₂＝diag{k₂₁,k₂₂,k₂₃}、C₃＝diag{c₃₁,c₃₂,c₃₃}、C₄＝diag{c₄₁,c₄₂,c₄₃}分别为待设计的正定对角矩阵，为状态约束增益对角矩阵，Z₂＝[z₂₁,z₂₂,z₂₃]^T为速度的误差变量，Z₁＝[z₁,0,0]^T，Z_β＝[β₂₁z₂₁,β₂₂z₂₂,β₂₃z₂₃]^T，β₁、β₂、β_2j、的表达式如下：

其中k_a1、k_b1、h(z₁)定义如下：分别为状态x₁约束的上界和下界。

5.根据权利要求4所述的一种考虑状态约束的倾转旋翼无人机过渡段固定时间控制方法，其特征在于，考虑系统状态误差变量，设计公共Lyapunov函数如下：

公共Lyapunov函数关于时间的导数满足如下条件：

其中ι₁＝min{c₁,c₃₁,c₃₂,c₃₃}、ι₂＝min{c₂,c₄₁,c₄₂,c₄₃}，即系统状态误差在时间T_z收敛到集合Γ内，表达式如下：

其中κ为正常数，z_ij为系统状态的跟踪误差；

通过调节控制参数k₁、c₁、c₂、K₂＝diag{k₂₁,k₂₂,k₂₃}、C₃＝diag{c₃₁,c₃₂,c₃₃}、C₄＝diag{c₄₁,c₄₂,c₄₃}、c_5j>0、d_2j>0,j＝1,2,3，控制倾转旋翼无人机姿态角和速度的跟踪误差。