[发明专利]基于预测模型的高超声速飞行器神经网络控制方法

摘要

本发明公开了一种基于预测模型的高超声速飞行器神经网络控制方法，属于飞行器控制领域，用于解决现有的高超声速飞行器离散自适应控制难以工程实现的技术问题。该方法首先通过合理假设得到高度子系统的严格反馈形式，进一步通过欧拉法建立原有系统的离散形式；通过不断的向前预测，建立原系统的四步预测模型，该模型只包含一个等式，给出了未来时刻高度输出与当前系统状态和控制输入的关系；控制器采用集总标称设计和误差反馈，并利用神经网络对集总不确定部分进行估计补偿；本发明结合计算机控制的特点，建立离散预测模型，无需设计虚拟控制量，并且仅需一个神经网络，适于工程应用。

主权项

1.一种基于预测模型的高超声速飞行器神经网络控制方法，通过以下步骤实现：(a)考虑高超声速飞行器纵向通道动力学模型：V·=Tcosα-Dm-μsinγr2---(1)]]>h·=Vsinγ---(2)]]>γ·=L+TsinαmV-μ-V2rcosγVr2---(3)]]>α·=q-γ·---(4)]]>q·=MyyIyy---(5)]]>该模型由五个状态变量X_s＝[V，h，α，γ，q]^T和两个控制输入U_c＝[δ_e，β]^T组成；其中，V表示速度，γ表示航迹倾角，h表示高度，α表示攻角，q表示俯仰角速度，δ_e是舵偏角，β为节流阀开度；T、D、L和M_yy分别代表推力、阻力、升力和俯仰转动力矩；m、I_yy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离；(b)定义X＝[x₁，x₂，x₃，x₄]^T，其中x₁＝h，x₂＝γ，x₃＝θ，x₄＝q，θ＝α+γ；因为γ非常小，取sinγ≈γ；考虑到Tsinα远小于L，在控制器设计过程中近似忽略；高度子系统(2)-(5)写成以下严格反馈形式：x·1=Vsinx2≈Vx2=f1(x1)+g1(x1)x2]]>x·2=f2(x1,x2)+g2(x1,x2)x3]]>x·3=f3(x1,x2,x3)+g3(x1,x2,x3)x4]]>x·4=f4(x1,x2,x3,x4)+g4(x1,x2,x3,x4)uA]]>u_A＝δ_e速度子系统(1)写为如下形式：V·=fV+gVuV]]>u_V＝β其中f_i，g_i，i＝1，2，3，4，V是根据(1)-(5)得到的未知项，分为标称值f_iN，g_iN与不确定性Δf_i，Δg_i；(c)考虑采样时间T_s非常小，通过欧拉近似法得到高度子系统离散模型：x_i(k+1)＝x_i(k)+T_s[f_i(k)+g_i(k)x_i+1(k)]                                                     (6)x₄(k+1)＝x₄(k)+T_s[f₄(k)+g₄(k)u_A(k)]其中i＝1，2，3；通过欧拉近似法建立速度子系统的离散模型：V(k+1)＝V(k)+T_s[f_V(k)+g_V(k)u_V(k)]进一步建立系统(6)的预测模型(7)：x₁(k+4)＝f_A(k)+g_A(k)u_A(k)    (7)其中fA(k)=x1(k+3)+Tsf1(k+3)+Tsg1(k+3)x2(k+2)]]>+Ts2g1(k+3)f2(k+2)+Ts2g1(k+3)g2(k+2)x3(k+1)]]>+Ts3g1(k+3)g2(k+2)f3(k+1)+Ts3g1(k+3)g2(k+2)g3(k+1)x4(k)]]>+Ts4g1(k+3)g2(k+2)g3(k+1)f4(k)]]>gA(k)=Ts4g1(k+3)g2(k+2)g3(k+1)g4(k)]]>相应的标称值记为：f_AN(k)和g_AN(k)；(d)在动力学参数未知情况下，采用神经网络对系统不确定部分进行估计，按照标称值设计控制器；定义误差Z_A(k)＝x₁(k)-x_1d(k)；不确定项UA(k)=fAN(k)-x1d(k+4)gAN(k)-fAN(k)-x1d(k+4)gA(k);]]>这里x_1d(k)和x_1d(k+4)分别为高度参考指令在k和k+4时刻的值；定义θ_A(k)＝[X^T(k)，x_1d(k+4)]^T，采用神经网络对U_A(k)进行估计，得到U^A(K)=ω^AT(k)SA(θA(k))]]>其中为神经网络权重向量的估计值，S_A(·)神经网络基函数向量；设计控制器uA(k)=x1d(k+4)-fAN(k)+CAzA(k)gAN(k)+ω^AT(k)SA(θA(k))]]>其中0＜C_A＜1为误差比例系数；神经网络权重自适应更新律为：ω^A(k+1)=ω^A(kA)-λAzA(k+1)SA(θA(kA))-δAω^A(kA)]]>其中λ_A＞0，0＜δ_A＜1，k_A＝k-3；针对速度子系统，定义θ_V(k)＝[V(k)，X^T(k)，V_d(k+1)]^T，z_V(k)＝V(k)-V_d(k)，FVC(Xs(k))=V(k)+TsfV(k),]]>GVC(Xs(k))=TsgV(k);]]>设计控制器uV(k)=Vd(k+1)+CVzV(k)-FVNC(Xs(k))GVNC(Xs(k))+ω^VT(k)SV(θV(k))]]>其中0＜C_V＜1为误差比例系数，是和的标称值，为神经网络权重向量的估计值，S_V(·)神经网络基函数向量；神经网络权重自适应更新律为：ω^V(k+1)=ω^V(k)-λVSV(θV(k))zV(k+1)-δVω^V(k)]]>其中λ_V＞0，0＜δ_V＜1；(e)根据得到的舵偏角u_A(k)和节流阀开度u_V(k)，返回到高超声速飞行器的动力学模型(1)-(5)，对高度和速度进行跟踪控制。