考虑攻角约束的高超声速飞行器自适应容错控制方法技术

本发明专利技术公开了一种考虑攻角约束的高超声速飞行器自适应容错控制方法，用于解决现有高超声速飞行器控制方法实用性差的技术问题。技术方案是将飞行器攻角限制在给定范围内，保证超燃冲压发动机的正常工作；针对执行器故障情形，给出了鲁棒自适应调整控制策略，利用冗余控制机构有效补偿失效带来的影响以保证系统的安全性。针对模型不确定性。本发明专利技术结合限幅设计与Barrier型李雅普诺夫函数给出控制器，可确保攻角能够被约束在给定范围内，保证超燃冲压发动机正常工作。通过神经网络学习处理模型不确定性代替线性参数化处理，简化了模型分析，便于实际应用。针对执行器故障情形，利用冗余控制机构有效自适应补偿故障带来的影响，实用性好。

Adaptive fault-tolerant control method for hypersonic vehicle with angle of attack constraint

The present invention discloses an adaptive fault-tolerant control method for hypersonic vehicle considering attack angle constraint, which is used to solve the technical problems of existing hypersonic vehicle control methods with poor practicability. The technical scheme is to limit the aircraft angle of attack in a given range, to ensure the normal work of the supersonic combustion ramjet engine; for actuator fault, robust adaptive control strategy, using redundant control mechanism effectively compensate the impact of failure to ensure the safety of the system. For model uncertainty. The controller is designed by combining the clipping design and the Barrier Lyapunov function to ensure that the attack angle can be restrained within a given range and ensure the normal operation of scramjet. Through neural network learning processing model uncertainty instead of linear parameterized processing, the model analysis is simplified and the practical application is convenient. In the case of actuator failure, the use of redundant control mechanism effectively adaptively compensates the effect caused by the fault, and has good practicability.

【技术实现步骤摘要】
考虑攻角约束的高超声速飞行器自适应容错控制方法
本专利技术涉及一种高超声速飞行器控制方法，特别涉及一种考虑攻角约束的高超声速飞行器自适应容错控制方法。
技术介绍
高超声速飞行器指能够在大气层内以超过五倍声速飞行的飞行器，由于其突出的飞行能力使得全球实时打击成为可能，因此受到国内外的广泛关注。吸气式高超声速飞行器多以超燃冲压发动机作为动力来源，由于这类发动机取消了传统喷气式发动机的压气机构件，其进气效率对飞行器攻角极为敏感，只有当飞行器攻角被限制在一定范围内时，超燃冲压发动机才可正常工作。当前针对高超声速飞行器的研究对于攻角限制考虑较少，缺乏对攻角进行约束的控制律的相关研究。此外，高超声速飞行器由于飞行环境苛刻，飞行过程未知因素较多，其执行器可能出现卡死等故障并进一步导致飞行失稳。《Fault-tolerantcontrolusingcommandfilteredadaptiveback-steppingtechnique:applicationtohypersoniclongitudinalflightdynamics》(BinXu,YuyanGuo,YuanYuan,YonghuaFan,DanweiWang，《InternationalJournalofAdaptiveControlandSignalProcessing》,2016,30(4):553-577)一文针对高超声速飞行器纵向通道设计了自适应容错控制律，同时将模型转化为线性参数化形式设计自适应律对其进行估计，但实际中线性参数化形式难以获得，且该论文的控制器设计中并未考虑攻角约束问题，导致该方法难以工程应用。
技术实现思路
为了克服现有高超声速飞行器控制方法实用性差的不足，本专利技术提供一种考虑攻角约束的高超声速飞行器自适应容错控制方法。该方法将飞行器攻角限制在给定范围内，保证超燃冲压发动机的正常工作；针对执行器故障情形，给出了鲁棒自适应调整控制策略，利用冗余控制机构有效补偿失效带来的影响以保证系统的安全性。针对模型不确定性。本专利技术结合限幅设计与Barrier型李雅普诺夫函数给出控制器，可确保攻角能够被约束在给定范围内，保证超燃冲压发动机正常工作。通过神经网络学习处理模型不确定性代替线性参数化处理，简化了模型分析，便于实际应用。针对执行器故障情形，利用冗余控制机构有效自适应补偿故障带来的影响，保证系统的安全性，实用性好。本专利技术解决其技术问题所采用的技术方案：一种考虑攻角约束的高超声速飞行器自适应容错控制方法，其特点是包括以下步骤：步骤一、建立高超声速飞行器纵向通道动力学模型：其中，表示动压，ρ表示空气密度，均为气动参数，表示平均气动弦长，S表示气动参考面积；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；其中u＝[u1,u2,…,un]T为待设计的n个舵面偏转角，为未知故障参数，δ＝diag{δ1,δ2,…,δn}，当第i个执行器出现故障时取δi＝1，否则取δi＝0，λ＝[λ1,λ2,…,λn]T为未知参数；β为节流阀开度；T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩；m、Iyy、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。步骤二、定义高度跟踪误差eh＝h-hd，设计航迹角指令γd：式中，hd为高度指令，为高度指令的一阶微分，kh>0，ki>0。考虑巡航段航迹角变化小，航迹角指令的一阶微分取为零。取x1＝γ，x2＝α，x3＝q；可将式(3)-(5)写成如下严格反馈形式：其中，fi,gi,i＝1,2,3为根据高超声速飞行器模型得到的未知非线性函数。g1＝ωg1θg1，g2＝1，g3＝ωg3θg3，其中为已知项，为未知气动参数项。步骤三、定义航迹角跟踪误差：e1＝x1-γd(8)设计攻角虚拟控制量：式中，k1>0。为由RBF神经网络得到的f1估计值，其中为神经网络最优权重向量的估计值，θ1为RBF函数向量。其中为θg1的估计值。定义建模误差：其中由下式得到：其中η1>0由设计者给出。设计自适应律如下：其中γ1>0、γz1>0、δ1>0。设计自适应律如下：其中为了使攻角满足给定的约束条件，令x2c通过如下的饱和环节获得x2cl：其中，x2cm为x2c上界。设计一阶滤波器如下：式中x2d为x2cl通过滤波器(15)后获得的信号，α2>0。定义攻角跟踪误差：e2＝x2-x2d(16)构造Barrier李雅普诺夫函数其中kb为误差e2的上界。设计俯仰角速率虚拟控制量：式中，k2>0，为由RBF神经网络得到的f2估计值，其中为神经网络最优权重向量的估计值，θ2为RBF函数向量。定义建模误差：其中由下式得到：其中η2>0。设计自适应律如下：其中γ2>0、γz2>0、δ2>0。设计一阶滤波器如下：式中x3d为x3c通过滤波器(21)后获得的信号，α3>0。定义俯仰角速率跟踪误差：e3＝x3-x3d(22)设计辅助信号u*如下：式中，k3>0。为由RBF神经网络得到的f3估计值，其中为神经网络最优权重向量的估计值，θ3为RBF函数向量。其中为θg3的估计值。设计各舵面偏转如下：其中自适应律如下：其中Γ1i>0与Γ2i>0，sgn(g3)为g3的符号函数，此处g3符号已知。定义建模误差：其中由下式得到：其中η3>0。设计自适应律如下：其中γ3>0、γz3>0、δ3>0。设计自适应律如下：其中步骤四、定义速度跟踪误差：式中，Vd为速度指令。设计节流阀开度如下：式中，kpV>0、kiV>0、kdV>0。步骤五、根据得到的各舵偏角ui和节流阀开度β，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。本专利技术的有益效果是：该方法将飞行器攻角限制在给定范围内，保证超燃冲压发动机的正常工作；针对执行器故障情形，给出了鲁棒自适应调整控制策略，利用冗余控制机构有效补偿失效带来的影响以保证系统的安全性。针对模型不确定性。本专利技术结合限幅设计与Barrier型李雅普诺夫函数给出控制器，可确保攻角能够被约束在给定范围内，保证超燃冲压发动机正常工作。通过神经网络学习处理模型不确定性代替线性参数化处理，简化了模型分析，便于实际应用。针对执行器故障情形，利用冗余控制机构有效自适应补偿故障带来的影响，保证系统的安全性，实用性好。下面结合附图和具体实施方式对本专利技术作详细说明。附图说明图1是本专利技术考虑攻角约束的高超声速飞行器自适应容错控制方法的流程图。具体实施方式参照图1。本专利技术考虑攻角约束的高超声速飞行器自适应容错控制方法具体步骤如下：步骤一、建立高超声速飞行器纵向通道动力学模型：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，其中u＝[u1u2]T为各个舵偏角，为未知故障参数，δ＝diag{δ1δ2}，当第i个执行器出现故障时取δi＝1，否则取δi＝0，λ＝[λ1λ2]T＝[0.80.8]T。β为节流阀开度；T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩；m、Iyy、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。相关的力矩及参本文档来自技高网...

【技术保护点】
一种考虑攻角约束的高超声速飞行器自适应容错控制方法，其特征在于包括以下步骤：步骤一、建立高超声速飞行器纵向通道动力学模型：

【技术特征摘要】
1.一种考虑攻角约束的高超声速飞行器自适应容错控制方法，其特征在于包括以下步骤：步骤一、建立高超声速飞行器纵向通道动力学模型：其中，表示动压，ρ表示空气密度，均为气动参数，表示平均气动弦长，S表示气动参考面积；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；其中u＝[u1,u2,…,un]T为待设计的n个舵面偏转角，为未知故障参数，δ＝diag{δ1,δ2,…,δn}，当第i个执行器出现故障时取δi＝1，否则取δi＝0，λ＝[λ1,λ2,…,λn]T为未知参数；β为节流阀开度；T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩；m、Iyy、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；步骤二、定义高度跟踪误差eh＝h-hd，设计航迹角指令γd：式中，hd为高度指令，为高度指令的一阶微分，kh>0，ki>0；考虑巡航段航迹角变化小，航迹角指令的一阶微分取为零；取x1＝γ，x2＝α，x3＝q；可将式(3)-(5)写成如下严格反馈形式：其中，fi,gi,i＝1,2,3为根据高超声速飞行器模型得到的未知非线性函数；g1＝ωg1θg1，g2＝1，g3＝ωg3θg3，其中为已知项，为未知气动参数项；步骤三、定义航迹角跟踪误差：e1＝x1-γd(8)设计攻角虚拟控制量：式中，k1>0；为由RBF神经网络得到的f1估计值，其中为神经网络最优权重向量的估计值，θ1为RBF函数向量；其中为θg1的估计值；定义建模误差：其中由下式得到：其中η1>0由设计者给出；设计自适应律如下：其中γ1>0、γz1>0、δ1>0；设计自适应律如下：其中为了使攻角满足给定的约束条件，令x2c通过如下的饱和环节获得x2cl：其...

【专利技术属性】
技术研发人员：许斌，郭雨岩，程怡新，张睿，史忠科，凡永华，
申请(专利权)人：西北工业大学，西北工业大学深圳研究院，
类型：发明
国别省市：陕西,61