一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法技术

一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，针对具有集中不确定性的刚性飞行器姿态跟踪问题，设计了非奇异固定时间滑模面，不仅保证了状态的固定时间收敛，而且解决了奇异值问题；引入神经网络逼近总不确定的函数，设计了非奇异神经网络固定时间控制器。本发明专利技术在外界干扰和转动惯量不确定的因素下，实现飞行器系统的姿态跟踪误差和角速度误差固定时间一致最终有界的控制。

【技术实现步骤摘要】
一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法
本专利技术涉及一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，特别是存在外部干扰和转动惯量矩阵不确定的刚性飞行器姿态跟踪控制方法。
技术介绍
刚性飞行器姿态控制系统在刚性飞行器的健康，可靠的运动中扮演着重要的角色。在复杂的航天环境中，刚性飞行器姿态控制系统会受到各种外部干扰以及转动惯量矩阵不确定的影响。为了有效维持系统的性能，需要使其对外部干扰以及转动惯量矩阵不确定具有较强的鲁棒性。滑模变结构控制作为一种典型的非线性控制方法能够有效改善刚性飞行器的稳定性和操纵性，并且具有较强的鲁棒性，从而提高执行任务的能力。因此，研究刚性飞行器姿态控制系统的滑模变结构控制方法具有十分重要的意义。滑模控制在解决系统不确定性和外部扰动方面被认为是一个有效的鲁棒控制方法。滑模控制方法具有算法简单、响应速度快、对外界噪声干扰和参数摄动鲁棒性强等优点。终端滑模控制是一种可以实现有限时间稳定性的传统滑模控制的改进方案。然而，现存的有限时间技术估计收敛时间需要知道系统的初始信息，这对于设计者是很难知道的。近年来，固定时间技术得到了广泛的应用，固定时间控制方法与现存的有限时间控制方法相比，具有无需知道系统的初始信息，也能保守估计系统的收敛时间的优越性。神经网络是线性参数化近似方法的中一种，可以被任意的其他近似方法取代，比如RBF神经网络，模糊逻辑系统等等。利用神经网络逼近不确定的性质，有效的结合固定时间滑模控制技术，减少外部干扰及系统参数不确定性对系统控制性能的影响，实现刚性飞行器姿态的固定时间控制。专利技术内容为了克服现有的刚性飞行器姿态控制系统存在的未知非线性问题，本专利技术提供一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，并且在系统存在外部干扰和转动惯量不确定的情况下，实现系统状态的固定时间一致最终有界的控制方法。为了解决上述技术问题提出的技术方案如下：一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：其中qv＝[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值；分别是qv和q4的导数；Ω∈R3是刚性飞行器的角速度；I3是R3×3单位矩阵；表示为：1.2刚性飞行器系统的动力学方程为：其中J∈R3×3是飞行器的转动惯性矩阵；是飞行器的角加速度；u∈R3和d∈R3是控制力矩和外部扰动；Ω×表示为：1.3刚性飞行器系统期望的运动学方程为：其中qdv＝[qd1,qd2,qd3]T和qd4分别为期望的单位四元数的矢量部分和标量部分且满足Ωd∈R3为期望的角速度；分别为qdv,qd4的导数，为qdv的转置；表示为：1.4由四元数描述的刚性飞行器相对姿态运动：Ωe＝Ω-CΩd(11)其中ev＝[e1,e2,e3]T和e4分别为姿态跟踪误差的矢量部分和标量部分；Ωe＝[Ωe1,Ωe2,Ωe3]T∈R3为角速度误差；为相应的方向余弦矩阵并且满足||C||＝1和为C的导数；根据式(1)-(11)，刚性飞行器姿态跟踪误差动力学和运动学方程为：其中和分别为ev和e4的导数；为ev的转置；和分别为Ωd和Ωe的导数；(Ωe+CΩd)×与Ω×等价；和分别表示为：1.5转动惯性矩阵J满足J＝J0+ΔJ，其中J0和ΔJ分别表示J的标称部分和不确定部分，则式(14)重新写成：进一步得到：1.6对式(12)进行微分，得到：其中为总不确定的集合；为ev的二阶导数；步骤2，针对外部扰动和转动惯量不确定的刚性飞行器系统，设计所需的滑模面，过程如下：选择非奇异固定时间滑模面为：其中，和sgn(ei)均为符号函数，λ1＞0,λ2＞0,a2＞1，为ei的导数，i＝1,2,3；步骤3，设计神经网络固定时间控制器，其过程如下：3.1定义神经网络为：其中为输入矢量，Φi(Xi)∈R4为神经网络基函数，为理想的权值矢量，定义为：其中Wi∈R4为权值矢量，εi为近似误差，满足|εi|≤εN,i＝1,2,3，εN为很小的正常数；argmin{·}为取其最小值所有的集合；3.2考虑固定时间控制器被设计为：其中为3×3对称对角矩阵；为Wi的估计值；Φ(X)＝[Φ(X1),Φ(X2),Φ(X3)]T，L＝[L1,L2,L3]T，Γ＝diag(Γ1,Γ2,Γ3)∈R3×3为3×3对称对角矩阵0＜r1＜1，r2＞1，i＝1,2,3；K1＝diag(k11,k12,k13)∈R3×3为3×3对称对角矩阵；K2＝diag(k21,k22,k23)∈R3×3为3×3对称对角矩阵；K3＝diag(k31,k32,k33)∈R3×3为3×3对称对角矩阵；3.2设计更新律为：其中γi＞0,pi＞0,i＝1,2,3，Φ(Xi)选择为以下的sigmoid函数：其中l1,l2,l3和l4为近似参数，Φ(Xi)满足0＜Φ(Xi)＜Φ0，并且步骤4，固定时间稳定性证明，其过程如下：4.1证明刚性飞行器系统所有信号都是一致最终有界，设计李雅普诺夫函数为如下形式：其中ST是S的转置；为的转置；对式(26)进行求导，得到：其中||·||表示值的二范数；min{·}表示最小值；则判定刚性飞行器系统所有信号都是一致最终有界的；4.2证明固定时间收敛，设计李雅普诺夫函数为如下形式：对式(28)进行求导，得到：其中υ2为一个大于零的上界值；基于以上分析，刚性飞行器系统的姿态跟踪误差和角速度误差在固定时间一致最终有界。本专利技术在外界干扰和转动惯量不确定的因素下，运用基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，实现系统稳定跟踪，保证系统状态实现固定时间一致最终有界。本专利技术的技术构思为：针对含外部干扰和转动惯量不确定的刚性飞行器系统，利用滑模控制方法，再结合神经网络，设计了非奇异神经网络固定时间控制器。非奇异固定时间滑模面的设计不仅保证系统状态的固定时间收敛，而且解决了奇异值问题。本专利技术在系统存在外界干扰和转动惯量不确定的情况下，实现系统姿态跟踪误差和角速度误差的固定时间一致最终有界的控制方法。本专利技术的有益效果为：所设计的固定时间滑模面有效的解决了奇异值问题；在系统存在外界干扰和转动惯量不确定的情况下，实现系统姿态跟踪误差和角速度误差的固定时间一致最终有界，并且收敛时间与系统的初始状态无关。附图说明图1为本专利技术的刚性飞行器姿态跟踪误差示意图；图2为本专利技术的刚性飞行器角速度误差示意图；图3为本专利技术的刚性飞行器滑模面示意图；图4为本专利技术的刚性飞行器控制力矩示意图；图5为本专利技术的刚性飞行器参数估计示意图；图6为本专利技术的控制流程示意图。具体实施方式下面结合附图对本专利技术做进一步说明。参照图1-图6，一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，所述控制方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：其中qv＝[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空本文档来自技高网...

【技术保护点】
1.一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，其特征在于：所述方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：

【技术特征摘要】
1.一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，其特征在于：所述方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：其中qv＝[q1,q2,q3]T和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值；分别是qv和q4的导数；Ω∈R3是刚性飞行器的角速度；I3是R3×3单位矩阵；表示为：1.2刚性飞行器系统的动力学方程为：其中J∈R3×3是飞行器的转动惯性矩阵；是飞行器的角加速度；u∈R3和d∈R3是控制力矩和外部扰动；Ω×表示为：1.3刚性飞行器系统期望的运动学方程为：其中qdv＝[qd1,qd2,qd3]T和qd4分别为期望的单位四元数的矢量部分和标量部分且满足Ωd∈R3为期望的角速度；分别为qdv,qd4的导数，为qdv的转置；表示为：1.4由四元数描述的刚性飞行器相对姿态运动：Ωe＝Ω-CΩd(11)其中ev＝[e1,e2,e3]T和e4分别为姿态跟踪误差的矢量部分和标量部分；Ωe＝[Ωe1,Ωe2,Ωe3]T∈R3为角速度误差；为相应的方向余弦矩阵并且满足||C||＝1和为C的导数；根据式(1)-(11)，刚性飞行器姿态跟踪误差动力学和运动学方程为：其中和分别为ev和e4的导数；为ev的转置；和分别为Ωd和Ωe的导数；(Ωe+CΩd)×与Ω×等价；和分别表示为：1.5转动惯性矩阵J满足J＝J0+ΔJ，其中J0和ΔJ分别表示J的标称部分和不确定部分，则式(14)重新写成：进一步得到：1.6对式(12)进行微分，得到：其中为总不确定的集合；为ev的二阶导数；步骤2，针对外部扰动和转动惯量不确定的刚性飞行器系统，设计所需的滑模面，过程如下：选择非奇异固定时间滑模面为：其中，sgn(ei)，和sgn(ei)均...

【专利技术属性】
技术研发人员：陈强，谢树宗，孙明轩，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33