[发明专利]基于LS‑SVM的高超声速飞行器自适应时变预设性能控制方法

说明书

技术领域

本发明涉及飞行器自适应控制技术，具体涉及一种基于LS-SVM的高超声速飞行器自适应时变预设性能控制方法。

背景技术

对包含未知非线性动力性的高超声速飞行器的自适应控制，现有的控制方法基本采用如下两个步骤进行相关控制系统设计^[1],[2]：

A.借助于神经网络对任意非线性良好的逼近特性，首先对高超声速飞行器未知非线性动力学模型进行估计；

B.基于辨识的非线性动力性模型，采用退步控制^[3]、滑模控制^[4]等设计相应的自适应控制方法，实现对高超声速飞行器的自适应控制。

现有的控制方法虽然能够实现对高超声速飞行器的自适应鲁棒控制，但是基于神经网络的自适应控制方法存在以下两个问题：

首先，基于神经网络的未知非线性模型逼近算法存在训练参数多、计算复杂度高、容易陷入局部最优等缺点，因此对于快动态高超声速飞行器，在线实施可行性较低。因此需要低复杂度的未知非线性模型在线逼近算法。

其次，现有的控制方法只关注在设计的控制器下，高超声速飞行器控制系统是稳定的，并不关注相应控制系统的瞬态和稳态性能，从而导致高超声速飞行器控制系统虽然是稳定的，但是容易出现大超调、稳态误差大等稳态。因此为了实现对高超声速飞行器的高精度控制和保性能控制，需要新的控制技术来实现飞行器全程预设性能控制。

对于低复杂度的未知非线性模型辨识/逼近算法，基于统计学理论的最小二乘支持向量机(Least Square Support Vector Machine-LS-SVM)机器学习理论由Suykens和Vandewalle提出^[5]，该理论具有小样本高可信度、全局最优、训练参数少等优点^[6]，因此适于快动态高超声速飞行器在线快速辨识未知非线性动力学模型。

对于实现对高超声速飞行器全飞行过程的保性能控制，为了克服Bechlioulis和Rovithakis⁰提出的固定参数预设性能函数对未知初始状态/偏差和控制精度上的保守性，需要提出一种新的预设性能函数，从而在保证高超声速飞行器控制系统稳定性前提下，最大程度上提升系统的瞬态和稳态性能。

参考文献如下：

[1]Xu B,Shi Z K.An overview on flight dynamics and control approaches for hypersonic vehicles[J].Science China Information Sciences,2015,58(7):1-19.

[2]Xu B.Robust adaptive neural control of flexible hypersonic flight vehicle with dead-zone input nonlinearity[J].Nonlinear Dynamics,2015,80(3):1509-1520.

[3]Chen M,Tao G,Jiang B.Dynamic surface control using neural networks for a class of uncertain nonlinear systems with input saturation[J].IEEE transactions on neural networks and learning systems,2015,26(9):2086-2097.

[4]Xu H,Mirmirani M D,Ioannou P A.Adaptive sliding mode control design for a hypersonic flight vehicle[J].Journal of guidance,control,and dynamics,2004,27(5):829-838.

[5]Suykens J A K,Vandewalle J.Least squares support vector machine classifiers[J].Neural processing letters,1999,9(3):293-300.