一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法技术方案

本发明专利技术公开了一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，包括以下步骤：步骤1、建立固定翼无人机纵向运动动力学模型；步骤2、设计动态补偿系统，估计系统不确定；步骤3、设计自适应飞行控制律，利用步骤2所得动态补偿系统信号对未知建模不确定与外干扰进行补偿；步骤4、构建闭环Lyapunov函数，设计、分析飞行控制律参数，确保无人机纵向运动的稳定性。本发明专利技术设计了一种自适应鲁棒飞行控制器，解决了强不确定、非严格反馈约束条件下的固定翼无人机纵向运动控制问题。件下的固定翼无人机纵向运动控制问题。件下的固定翼无人机纵向运动控制问题。

【技术实现步骤摘要】
一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法


[0001]本专利技术涉及固定翼无人机纵向运动控制方法，尤其涉及一种基于动态补偿系统的无人机纵向运动鲁棒自适应控制方法，属于飞行器安全控制


技术介绍

[0002]无人机是一种利用无线电遥控设备和自备的程序控制装置遥控的无人驾驶飞机。固定翼无人机具备在空中滞留时间长、对作战环境要求低、战场生存能力较强的优点，使其在农药喷洒、监视巡逻、通信中继、电子对抗、环境评估、环境监测、交通救援、战场攻击、对目标模拟和预警等诸多军事、民生领域具有广泛的应用潜力，已经成为近年来各国航空领域的研究热点。
[0003]对于固定翼无人机飞行控制系统来说，稳定安全地飞行很大程度上取决于其纵向运动飞行控制。近年来，为提升固定翼无人机机动能力，常通过无人机构型设计使其成为纵向静不稳定飞机。因而，固定翼无人机飞行稳定很大程度上取决于纵向飞行控制律。固定翼无人机纵向运动状态量包括高度、速度、航迹倾斜角、迎角以及俯仰角速率，并由其构成高阶非严格反馈非线性动力学系统。为解决固定翼无人机纵向动力学模型非严本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，其特征在于，包括如下步骤：步骤1：建立固定翼无人机纵向快慢回路各子系统动力学模型，包括速度V、高度h、航迹角γ、仰角α、俯仰角速率q组成的快慢回路；步骤2：设计动态补偿系统，估计固定翼无人机动力学模型建模不确定以及有界外干扰；步骤3：设计鲁棒自适应无人机纵向运动控制律，利用步骤2所得动态补偿系统信号对建模不确定以及外干扰进行补偿；步骤4：构建闭环Lyapunov函数，设计、分析飞行控制律参数，确保无人机纵向运动的稳定性。2.根据权利要求1所述的基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，其特征在于，所述步骤1中，固定翼无人机纵向运动动力学模型分解为速度子模型与高度子模型：速度子模型：高度子模型：高度子模型：其中，x1、x2、x3为状态变量，u
q
为控制输入，x1＝γ为航迹角，x2＝α为仰角，x3＝q为俯仰角速率，Q为动压，S为机翼参考面积，为平均气动弦长，X＝[x1,x2,x3]
T
；V为空速，h为飞行高度，M为飞机质量，I
y
为转动惯量；T为发动机推力；u
V
为燃料当量比；u
q
＝δ
c
为鸭翼偏转角；x
T
为发动机喷嘴至飞机质心的距离；f
V
(X,V)、f1(X,u
q
)、f2(X,u
q
)、f3(X,u
q
)均为建模不确定函数；为迎角非线性函数，d1(t)、d2(t)、d3(t)为不可测有界外干扰。3.根据权利要求2所述的基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，其特征在于，固定翼无人机纵向运动动力学模型建模不确定，是状态变量x1、x2、x3以及控制输入u
q
的函数；表达式为：
式中，g为重力加速度；T
x
＝T cos(δ
z
)≈T，T
z
＝T sin(δ
z
)；L与D分别为升力与阻力；Q为动压，S为机翼参考面积，为平均气动弦长；为迎角非线性函数。m
T
为发动机推力产生的俯仰力矩。4.根据权利要求2或3所述的基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，其特征在于，步骤2所述动态补偿系统设计为：其中η1∈R、η2∈R、η3∈R为补偿系统状态；η4＝0；k
a1
>0、k
a2
>0、k
a3
>0为待设计常数；ε1>0、ε2>0、ε3>0、b1>0、b2>0、b3>0为设计常数；是未知常数θ1与θ2的估计值；是误差变量；Ω1(X,u
q
)、Ω2(X,u
q
)、Ω3(X,u
q
)为模糊系统/神经网络基函数向量。5.根据权利要求4所述的基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，其特性在于，所述动态补偿系统中估计值的自适应律设计如下：其中σ1、σ2、k
θ1<...

【专利技术属性】
技术研发人员：吴大伟，
申请(专利权)人：河海大学，
类型：发明
国别省市：