基于核递归最小二乘算法的自适应飞行器鲁棒控制方法技术

基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，通过离线辨识器与在线控制器两部分组成反馈调节系统进行自适应调节；离线辨识器：在飞行器实际模型输入和输出数据的基础上，利用核递归最小二乘算法离线辨识一个与所测系统等价的模型；在线控制器：在精确辨识飞行器实际模型的基础上，根据系统输入和输出数据，利用改进核递归最小二乘算法在线调整控制器的输出量，实现自适应鲁棒控制；改进核递归最小二乘算法基于特征值提取，分别根据主成分分析以及奇异值分解进行核矩阵的正交分解，实现样本核函数的压缩与降维，去除核函数中一些不相关的冗余数据信息，具有较好的控制精度以及较低的运算负担。

Robust control of adaptive vehicle based on kernel recursive least square algorithm

Robust adaptive flight control method based on kernel recursive least square algorithm, through off-line identification and on-line feedback adaptive controller is composed of two parts regulating system; off-line identifier: Based on actual aircraft model input and output data, using kernel recursive least squares algorithm and an off-line identification test system equivalent model; online controller based on accurate identification of actual aircraft model, according to the input and output data of the system, the output of the improved kernel recursive least squares algorithm online adjustment of the controller, realize the adaptive robust control; improved kernel recursive least squares algorithm based on feature extraction, respectively based on principal component analysis and singular value decomposition of kernel matrix orthogonal decomposition and compression to achieve dimensionality reduction kernel samples, remove some kernel function The irrelevant redundant data information has better control accuracy and lower computational burden.

【技术实现步骤摘要】
基于核递归最小二乘算法的自适应飞行器鲁棒控制方法
本专利技术涉及飞行器控制领域，具体涉及一种基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，通过参考模型来表征期望的飞行特性，改善控制精度，并降低运算负担。
技术介绍
现代飞行器的气动布局往往不能满足稳定性能要求，而且伴随着复杂的空情干扰和系统参数的改变，为了获得理想的飞行品质，需要设计飞行器自适应鲁棒控制系统。为了解决这个问题，模型参考自适应(ModelReferenceAdaptiveControl,MRAC)方案设计飞行器自适应鲁棒控制系统，以参考模型表征期望飞行特性(蕴含良好的稳定性和操纵性)，并使实际输出渐近跟踪参考输出。近年来，应用该理论设计的自动驾驶仪已经成功应用到飞行器上。在MRAC控制系统设计中，高品质的模型辨识和精确的在线控制是获得良好控制性能的关键。递归最小二乘算法(RecursiveLeastSquares，RLS)是一种最小化平方误差代价函数，递归式寻找抽头权系数的线性算法。递归最小二乘算法利用已知的时刻抽头权系数向量，通过简单的迭代更新，从而求出时刻抽头权系数向量。在i-1时刻，已知训练样本集其中xj∈RL本文档来自技高网...

【技术保护点】
一种基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，其特征在于：通过离线辨识器与在线控制器两部分组成反馈调节系统进行自适应调节；离线辨识器：在飞行器实际模型输入和输出数据的基础上，利用核递归最小二乘算法离线辨识一个与所测系统等价的模型；在线控制器：在精确辨识飞行器实际模型的基础上，根据系统输入和输出数据，利用改进核递归最小二乘算法在线调整控制器的输出量，实现自适应鲁棒控制；所述的改进核递归最小二乘算法基于特征值提取，分别根据主成分分析以及奇异值分解进行核矩阵的正交分解，从而实现样本核函数的压缩与降维，去除核函数中一些不相关的冗余数据信息。

【技术特征摘要】
1.一种基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，其特征在于：通过离线辨识器与在线控制器两部分组成反馈调节系统进行自适应调节；离线辨识器：在飞行器实际模型输入和输出数据的基础上，利用核递归最小二乘算法离线辨识一个与所测系统等价的模型；在线控制器：在精确辨识飞行器实际模型的基础上，根据系统输入和输出数据，利用改进核递归最小二乘算法在线调整控制器的输出量，实现自适应鲁棒控制；所述的改进核递归最小二乘算法基于特征值提取，分别根据主成分分析以及奇异值分解进行核矩阵的正交分解，从而实现样本核函数的压缩与降维，去除核函数中一些不相关的冗余数据信息。2.根据权利要求1所述基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，其特征在于，离线辨识器的计算模型按照以下步骤搭建：1.1)辨识模型定义；基于并联辨识模型的飞行器系统描述为：y(t)＝f(u(t)，u(t-T)，...，u(t-pT)，y(t-T)，...，y(t-nT))(11)式中，u(t)表示系统输入信号，y(t)表示系统输出信号，f(·)表示未知非线性函数，由过去n时刻的输出信号和p时刻的所有输入信号构成，T是采样时间；选择{u(t)，u(t-T)，...，u(t-pT)，y(t-T)，...，y(t-nT)}和y(t)作为辨识器的输入xt和输出yt，式(11)表示为：yt＝f(xt)(12)1.2)辨识器设计；基于核递归最小二乘算法，根据：辨识器的输出为：式中，ht＝[k(xt，x1)，...，k(xt，xN)]，{x1，...，xN，y1，...，yN}表示训练样本，N表示样本个数，辨识目标是使辨识系统的输出与实际系统的输出误差最小；根据式权值αt取：式中，K是Mercer核矩阵，[K]i，j＝k(xi，xj)，i＝1，...，N，j＝1，...，N，y＝[y1，...，yN]T。3.根据权利要求1所述基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，其特征在于，所述在线控制器的设计目的是获得控制系统输入u，使得飞行器系统输出y(t)准确跟踪由参考模型Rm产生的任何期望输出轨迹y*(t)。4.根据权利要求1或3所述基于核递归最小二乘算法的自适应飞行器鲁棒控制方法，其特征在于，在线控制器的计算模型按照以下步骤进行搭建：2.1)控制模型定义；参考模型由飞行器的飞行品质标准产生，参考模型输出y*(t)表示为过去l时刻的输入信号和过去m时刻输出信号的函数：y*(t)＝p[y*(t-T)，...，y*(t-mT)，r(t)，r(t-T)，...，r(t-lT)](15)式中，p[·]是光滑的连续函数，控制器系统描述为：u(t)＝g[y*(t)，y(t-T)，...，y(t-nT)，u(t-T)，...，u(t-pT)](16)式中，映射函数g[·]存在且唯一，控制器的目标是逼近未知的映射函数g[·]；将式(15)代入式(16)得到：在上述公式中用y来代替y*：u(t)＝R[y(t-T)，...，y(t-mT)，r(t)，r(t-T)，...，r(t-lT)](18)式中，R[·]是光滑的连续函数；选择[y(t-T)，...，y(t-mT)，r(t)，r(t-T)，...，r(t-lT)]和u(t)作为控制器在t时刻的输入xt和输出ut：ut＝R(xt)(19)；2.2)控制器设计；映射函数R[·]是未知的，采用改进核递归最小二乘算法逼近未知的R[·]，构造控制器计算控制量u(t)；控制器的输入是当前和过去的参考信号以及过去的飞行器系统输出；控制器的输出等于：式中，是改进核递归最小二乘算法t时刻的输出，控制器设计的目标是使飞行器系统实际输出和改进核递归最小二乘算法控制器的输出的误...

【专利技术属性】
技术研发人员：赵广社，杨朝旭，荣海军，鲍容憬，高雷涛，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61