[发明专利]采用状态反馈与神经网络的高超飞行器复合控制方法

摘要

本发明公开了采用状态反馈与神经网络的高超飞行器复合控制方法，通过测量高超声速飞行器的攻角、俯仰角速度信号，先设计大增益状态反馈控制器，在此基础上针对高超声速飞行器气动参数的强不确定性，采用了一类以正弦函数为基函数的神经网络结构，设计神经网络权值的自适应调节规律，最终组成高超声速飞行器神经网络与状态反馈的复合控制器，实现对期望攻角信号的跟踪。通过状态反馈控制器来保证系统的基本稳定性，而神经网络则用于对气动参数不确定带来了建模误差进行补偿，最终也可以选取Lyapunov函数进行全系统的闭环稳定性分析，从而保证系统设计的理论正确性。

主权项

1.采用状态反馈与神经网络的高超飞行器复合控制方法，其特征在于，具体按照以下步骤进行：/n步骤一，构造攻角测量、俯仰角速率的测量与误差信号，具体按照以下步骤进行：/n首先采用攻角传感器，测量高超声速飞行器的攻角，记为α；采用速率陀螺测量高超声速飞行器的俯仰角速率，记为q；/n其次，假定期望的攻角信号为α^d，在飞行器控制计算机中生成攻角误差信号，记为e_α，其满足e_α＝α-α^d；/n再次，采用飞行器控制计算机生成攻角误差积分信号，记作S_e，其满足S_e＝∫(α-α^d)dt；/n步骤二，构造大增益状态反馈控制器，具体按照以下步骤进行：/n构造高超声速飞行器大增益状态反馈控制器u₁：/n /na₁用于抵消角速率与角加速度相关影响，a₂、a₃用于抵消弹性形态相关影响；的含义是攻角误差信号的导数；/n其中q为飞行器俯仰角速率，g为重力加速度，γ为飞行器航迹角，V为飞行器速度，k₁、k₂、k₃为待设计的正参数，选取为k₁＝15、k₂＝0.5、k₃＝0.2；/na₂、a₃定义如下：/n /n /n其中m为飞行器的质量，S为飞行器的特征面积，为动压头数据，ρ为大气密度，η₁、η₂与η₃为高超声速飞行器的弹性模态，可由传感器测量或近似估算；/n步骤三，构造自适应神经网络控制律，具体按照以下步骤进行：/n根据测量的攻角信息，设计神经网络自适应控制律u₂：/n /n其中φ为高超声速飞行器发动机的供油因子；/n 的含义为神经网络的权值因子，是通过自适应规律自动调节变化的；/n其中为神经网络的权值，为神经网络的权值，R^1×n的含义表示是一个n维向量空间；B₁(α)与B₂(α)为基函数，B₁(α)＝[1 sinα (sinα)²…sin(α)^n-1]^T，B₂(α)＝[1 cosα (cosα)²…(cosα)^n-1]^T，T的含义是矩阵转置，表示是列向量；/n神经网络的权值调节规律如下：/n /n其中τ₁、τ₂为待调节的正参数，选取为τ₁＝0.05，τ₂＝0.05，含义是的导数，也就是两者的自适应调节规律的依据；/n步骤四，构造复合控制律经过控制分配，分别输入给飞行器的鸭翼与升降翼；以控制高超声速飞行器实现俯仰通道的姿态跟踪控制，具体按照以下步骤进行：/n根据高超声速飞行器大增益状态反馈控制器u₁与神经网络自适应控制律u₂组成如下复合控制律u：u＝u₁+u₂，然后按照均匀分配法进行控制律的分配，即定义/n /n从而有/n /n /n其中δ_e为高超声速飞行器俯仰舵的舵偏值，δ_c为高超声速飞行器鸭翼舵的舵偏值，m为飞行器的质量，S为飞行器的特征面积，为动压头数据，ρ为大气密度。/n