基于指定性能约束的直升机系统自适应神经网络控制方法技术方案

本发明专利技术涉及直升机系统控制技术领域，涉及一种基于指定性能约束的直升机系统自适应神经网络控制方法，包括以下步骤：步骤1：建立2

【技术实现步骤摘要】
基于指定性能约束的直升机系统自适应神经网络控制方法


[0001]本专利技术涉及直升机系统控制
，具体地说，涉及一种基于指定性能约束的直升机系统自适应神经网络控制方法。

技术介绍

[0002]近年来，无人机已广泛应用于航空摄影、农业、植物保护、快递运输、灾难救援、制造等领域。无人直升机因其良好的优点而引起了许多人的关注。在实际应用中，直升机控制系统是一种具有多输入和多输出的复杂非线性系统，这对于直升机的控制器设计提出了更高的要求；同时直升机系统本身由于机械设计和安全限制的原因也存在约束，如果在控制过程忽略系统约束，可能会降低系统性能，甚至导致严重的后果。此外，随着任务精度的提高，对直升机的瞬态性能指标提出更多的要求，实际上，瞬态性能对提高直升机控制系统的性能起着重要的作用。例如，较大的超调可能导致执行器超过物理限制，从而导致闭环系统的不稳定。对超调和收敛速度等瞬态性能的研究有待进一步考虑。因此有必要研究直升机系统在满足指定性能约束条件下的跟踪控制问题。

技术实现思路

[0003]本专利技术的内容是提供一种基于指定性能约束的直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于指定性能约束的直升机系统自适应神经网络控制方法，其特征在于：包括以下步骤：步骤1：建立2
‑
DOF直升机系统的非线性模型；步骤2：引入性能函数来帮助评估系统的指定性能；步骤3：设计控制器；步骤4：根据控制器，构建自适应律；步骤5：构建李雅普诺夫方程，并验证2
‑
DOF直升机系统的稳定性；步骤6：进行仿真，并对仿真效果进行查看分析。2.根据权利要求1所述的基于指定性能约束的直升机系统自适应神经网络控制方法，其特征在于：步骤1中，根据拉格朗日力学模型，系统的非线性动力学方程如下：征在于：步骤1中，根据拉格朗日力学模型，系统的非线性动力学方程如下：其中，J
b
和J
d
分别表示为围绕俯仰轴和偏航轴的惯性矩，V
c
是施加于俯仰转子电机上的电压，V
d
是施加在偏航转子电机上的电压；M
d
表示直升机的质量，l
c
表示距离机身固定框架原点的质心距离，θ表示俯仰角，φ表示偏航角，K
cpp
表示俯仰螺旋桨中作用于俯仰轴上的扭矩推力增益，K
cpy
表示偏航螺旋桨中作用于俯仰轴上的扭矩推力增益，K
cyy
表示偏航螺旋桨中作用于偏航轴上的扭矩推力增益，K
cyp
表示俯仰螺旋桨中作用于偏航轴上的扭矩推力增益，D
a
和D
b
表示黏性摩擦系数，g表示重力加速度；将式(1)和式(2)转换简便形式，可得：将式(1)和式(2)转换简便形式，可得：将式(1)和式(2)转换简便形式，可得：将式(1)和式(2)转换简便形式，可得：a1、a2、b1、b2分别是用来替代函数的变量；(1)基于2
‑
DOF直升机系统的非线性动力学方程，该非线性系统表示为：DOF直升机系统的非线性动力学方程，该非线性系统表示为：DOF直升机系统的非线性动力学方程，该非线性系统表示为：DOF直升机系统的非线性动力学方程，该非线性系统表示为：
其中，x1＝[θ，φ]
T
，u＝[V
c
，V
d
]
T
表示控制输入，y表示控制的输出；(2)定义如下误差变量Z1＝x1‑
x
1d
，Z2＝x2‑
x
2d
，结合式(7)和式(8)，推导了直升机系统的动态误差方程为：动态误差方程为：同时，利用径向基函数神经网络用来估计系统中的未知项f(x)，并将其表示为：其中，S(Ψ)表示激活函数，Ψ表示神经网络的输入向量，是一个满足的近似误差，神经网络的权值误差定义为W
*
表示神经网络的理想权重，是径向基神经网络估计的权重。3.根据权利要求2所述的基于指定性能约束的直升机系统自适应神经网络控制方法，其特征在于：步骤2中，为了从数学上表示约束条件，引入性能函数来帮助评估系统的指定性能，性能函数的形式是：其中ρ<...

【专利技术属性】
技术研发人员：邹涛，吴辉源，赵志甲，李致富，马鸽，
申请(专利权)人：广州大学，
类型：发明
国别省市：