一种基于神经网络估计的刚性飞行器固定时间自适应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固定时间自适应姿态跟踪控制方法，针对具有集中不确定性的刚性飞行器姿态跟踪问题，设计了固定时间滑模面，保证了状态的固定时间收敛；引入神经网络逼近总不确定的函数，设计了固定时间神经网络控制器；本发明专利技术在外界干扰和转动惯量不确定的因素下，实现刚性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固定时间自适应姿态跟踪控制方法
本专利技术涉及一种基于神经网络估计的刚性飞行器固定时间自适应姿态跟踪控制方法，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固定时间自适应姿态跟踪控制方法，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固定时间自适应姿态跟踪控制方法，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：选择固定时间滑模面S＝[S1,S2,S3]T∈R3为：其中，λ1和λ2为正常数；r1＝a1/b1，a1,b1为正常数，满足a1＞b1，i＝1,2,3；Sau＝[Sau1,Sau2,Sau3]T，表示为：其...

【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