The invention discloses a neural network compound learning control method for hypersonic vehicle based on high gain observer, which is used to solve the technical problems of existing hypersonic vehicle control methods with poor practicability. The technical scheme is the attitude subsystem in strict feedback form transformation, output feedback form, with a high gain observer to estimate the unknown variables, provide the basis for subsequent controller design; lumped system uncertainty into consideration, only one neural network approximation, the controller is simple and easy to implement in engineering; introducing the system modeling errors. The construction of neural network hybrid learning update law, realize the uncertain situations of hypersonic vehicle stability control and good practicability.
【技术实现步骤摘要】
基于高增益观测器的高超声速飞行器神经网络复合学习控制方法
本专利技术涉及一种高超声速飞行器控制方法,特别涉及一种基于高增益观测器的高超声速飞行器神经网络复合学习控制方法。
技术介绍
高超声速飞行器作为一种具有快速打击能力的高精尖武器,引起了许多军事大国的高度重视。由于自身采用发动机/机体的一体化设计,加之复杂的动力学模型和飞行环境,高超声速飞行器具有强非线性和强不确定性等特性。这些特点使得高超声速飞行器控制器设计面临着巨大挑战。因此,不确定性的处理对高超声速飞行器安全飞行至关重要。反步法作为一种典型控制方法被广泛应用于高超声速飞行器控制中。但传统反步法设计存在固有缺陷。采用反步法设计控制器,需要针对虚拟控制量进行反复微分,这会造成以下问题:(1)反复微分会造成控制设计“复杂度爆炸”问题;(2)控制器设计过程较为复杂,不利于工程实现。当前动态面和指令滤波方法被用来解决“复杂度爆炸”问题,但仍需反复设计虚拟控制量,过程繁琐。《Neuralnetworkbaseddynamicsurfacecontrolofhypersonicflightdynamicsusingsmall-gaintheorem》(BinXu,QiZhang,YongpingPan,《Neurocomputing》,2016年第173卷第3期)一文通过设计虚拟控制量(俯仰角、俯仰角速度)实现对航迹角和俯仰角的控制,最后利用舵偏角控制俯仰角速度;该动态面设计仍需逐步设计虚拟控制量并对每个通道的不确定性进行处理,设计过程繁琐,不利于工程实现。
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 ...
【技术保护点】
一种基于高增益观测器的高超声速飞行器神经网络复合学习控制方法,其特征在于包括以下步骤:(a)建立高超声速飞行器的动力学模型为:
【技术特征摘要】
1.一种基于高增益观测器的高超声速飞行器神经网络复合学习控制方法,其特征在于包括以下步骤:(a)建立高超声速飞行器的动力学模型为:该动力学模型由五个状态变量X=[V,h,α,γ,q]T和两个控制输入U=[δe,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,δe是舵偏角,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;(b)定义高度跟踪误差其中hd为高度参考指令;设计航迹角指令γd为:其中,kh>0和ki>0,为高度参考指令的一阶导数;根据时标分离,将速度看作慢动态,设计航迹角指令的一阶导数为:其中,为高度参考指令的二阶导数;考虑到巡航段高超声速飞行器的航迹角变化较小,故将航迹角指令的二、三阶导数视为零;(c)定义姿态Xa=[x1,x2,x3]T,其中x1=γ,x2=θp,x3=q,θp=α+γ;因为Tsinα远小于L,在控制器设计过程中近似忽略;姿态子系统(3)-(5)写成以下严格反馈形式:其中,fi,i=1,2,3为根据(3)-(5)式得到的未知项,gi,i=1,2,3为根据(3)-(5)式得到的已知项;(d)定义新的状态量Z=[z1,z2,z3]T,其中其中中间过程变量a2,b2为fi,gi,i=1,2的复杂表达;将姿态子系统...
【专利技术属性】
技术研发人员:许斌,程怡新,郭雨岩,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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。