[发明专利]面向气动未知的宽域飞行智能反步切换控制方法

权利要求书

1.一种面向气动未知的宽域飞行智能反步切换控制方法，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非线性切换系统

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，M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；

步骤2：针对非线性切换系统(1)，基于反步法控制框架设计智能自适应切换控制器；

第1步：

定义跟踪误差其中是三通道姿态参考指令；

对于未知函数f_1,k，用神经网络来逼近

其中，是神经网络最优权重矩阵，θ_1,k是神经网络基函数矩阵，ε_1,k是神经网络残差矩阵；

则f_1,k的估计值可写为

其中，是神经网络最优权重矩阵估计值；

则X₁的导数可写为

其中，

设计虚拟控制量为

其中，β_1,k是正的设计参数；

引入如下的一阶滤波器，可得新的状态变量为

其中，α₂是正的时间常数；

设计滤波器补偿信号z₁为

其中，z₁(0)＝0，z₂可从后面得到；

定义补偿跟踪误差v₁为

v₁＝e₁-z₁ (8)

构造预测误差z_1NN为

其中，可由如下的平行估计模型得到

其中，λ_1,k是正的设计参数；

设计神经网络权重更新律为

其中，γ_1,k，γ_z1,k和δ_1,k是正的设计参数；

第2步：

定义输出跟踪误差

对于未知函数f_2,k，用神经网络来逼近

其中，是神经网络最优权重矩阵，θ_2,k是神经网络基函数矩阵，ε_2,k是神经网络残差矩阵；

则f_2,k的估计值可写为

其中，是神经网络最优权重矩阵估计值；

则X₂的导数可写为

其中，

设计控制器u_k为

其中，β_2,k是正的设计参数；

设计滤波器补偿信号z₂为

其中，z₂(0)＝0；

定义补偿跟踪误差v₂

v₂＝e₂-z₂ (17)

构造预测误差z_2NN为

其中，可由如下的平行估计模型得到

其中，λ_2,k是正的设计参数；

设计神经网络权重更新律为

其中，γ_2,k，γ_z2,k和δ_2,k是正的设计参数；

步骤3：通过步骤2可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，则总切换控制策略如下

其中，u_A(t)和u_B(t)是稳定模态控制器u_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(t)，返回到系统模型(1)，对系统输出M进行跟踪控制。