[发明专利]基于RBF神经网络的变体飞行器自适应反演控制方法

权利要求书

1.一种基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，包括以下步骤：

设置RBF神经网络估计由于飞行器变形导致模型不确定以及外部扰动共同引起的弹道倾角未知影响项d_γ和俯仰角速度未知影响项d_q，获得RBF神经网络针对弹道倾角未知影响项的自适应权值以及RBF神经网络针对俯仰角速度未知影响项的自适应权值

设置反演自适应控制器，将RBF神经网络的自适应权值加入至控制器的控制律中，通过反演自适应控制器实现对变体飞行器的控制。

2.根据权利要求1所述的基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，

所述RBF神经网络表示为：

其中，x₁，x₂为RBF神经网络的输入向量，W_γ、W_q为RBF神经网络的权值参数，ε_γ、ε_q为RBF神经网络的逼近误差，Φ()是径向基函数。

3.根据权利要求1所述的基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，

所述反演自适应控制器的控制对象模型设置为变体飞行器纵向高度模型，表示为：

其中，

θ＝α+γ

h表示飞行器高度、γ表示弹道倾角、θ表示俯仰角、α表示攻角、q俯仰角速度、V表示飞行器速度；m表示飞行器的质量、g表示重力加速度、I_y表示飞行器的转动惯量；

ξ表示后掠角，L₀(ξ)表示0°攻角下的升力，L_α(ξ)表示升力对攻角的导数；T表示飞行器的推力，F_IKz表示变体飞行器变形过程中产生的惯性力，Z_T表示飞行器的推力臂，M_A0(ξ)表示α＝q＝δ_e＝0°时的俯仰力矩，M_Aα(ξ)表示俯仰力矩对攻角的导数，M_Aq(ξ)表示俯仰力矩对俯仰角速度的导数，c_A(ξ)表示飞行器平均弦长，表示俯仰力矩对俯仰舵偏角的导数。

4.根据权利要求1所述的基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，

反演自适应控制器的跟踪误差设置为高度跟踪误差、弹道倾角跟踪误差、俯仰角跟踪误差和俯仰角速度跟踪误差。

5.根据权利要求4所述的基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，

所述反演自适应控制器的设置，包括以下步骤：

S21、设置弹道倾角虚拟控制率γ_r，消除高度跟踪误差；

S22、设置俯仰角虚拟控制率θ_r，消除引入弹道倾角虚拟控制率γr的弹道倾角跟踪误差；

S23、设置俯仰角速度虚拟控制率q_r，消除引入俯仰角虚拟控制率θ_r的俯仰角跟踪误差；

S24、设置控制律δ_e，消除引入俯仰角速度虚拟控制率q_r的俯仰角速度跟踪误差。

6.根据权利要求5所述的基于RBF神经网络的变体飞行器自适应反演控制方法，其特征在于，

S21中，所述弹道倾角虚拟控制率γ_r设置为：

其中，k₁为可设定常数，h_r为高度指令，e₁为高度跟踪误差，表示为e₁＝h-h_r；

设置弹道倾角虚拟控制率γ_r后，所述高度跟踪误差的导数为：

其中，e₂为弹道倾角跟踪误差，表示为e₂＝γ-γ_r。