一种乘波体飞行器的柔性预设性能控制方法技术

一种乘波体飞行器的柔性预设性能控制方法，步骤为：构建乘波体飞行器的运动模型；采用神经网络对子系统的系统函数进行逼近；构建第一柔性性能函数，并基于第一柔性性能函数对速度跟踪误差进行约束包络；基于速度补偿系统对约束变换进行修正；基于修正以后的约束变换构建速度子系统运动模型的控制输入的期望值；确定速度子系统运动模型的控制输入；构建第二柔性性能函数，并基于第二柔性性能函数对高度跟踪误差进行约束包络；定义高度跟踪误差的转换误差及航迹角的参考指令；构建高度子系统运动模型的控制输入的期望值；确定高度子系统运动模型的控制输入；根据速度子系统运动模型和高度子系统运动模型对乘波体飞行器进行跟踪控制。制。制。

【技术实现步骤摘要】
一种乘波体飞行器的柔性预设性能控制方法


[0001]本专利技术属于飞行器控制
，尤其涉及一种执行器饱和约束乘波体飞行器的柔性预设性能控制方法。

技术介绍

[0002]乘波体飞行器(Waverider Vehicle，简称WV)在临近空间进行大机动飞行，对其控制系统的动态性能与稳态精度均有着极高的要求。预设性能控制(Prescribed Performance Control，简称PPC)方法可以保证WV的控制系统具有期望的动态性能及稳态精度，但是现有的预设性能控制方法，如申请号为2021110210608的中国专利技术专利申请公开的预设性能控制方法，由于约束包络为刚性约束包络，没有柔性调整能力，当存在执行器饱和约束时，跟踪误差会明显增大，而跟踪误差因增大至接近甚至越过约束包络时，就会导致控制奇异和控制系统失效。

技术实现思路

[0003]本专利技术的目的是提供一种乘波体飞行器的柔性预设性能控制方法，可以解决现有PPC方法不能处理执行器饱和约束问题的技术缺陷。
[0004]为了实现上述目的，本专利技术采取如下的技术解决方案：
[0005]一种乘波体飞行器的柔性预设性能控制方法，包括以下步骤：
[0006]S1、构建乘波体飞行器的运动模型，乘波体飞行器的运动模型包括速度子系统运动模型和高度子系统运动模型；
[0007]S2、采用神经网络对速度子系统的系统函数及高度子系统的系统函数进行逼近；
[0008]S3、对速度跟踪误差构建第一柔性性能函数，并基于第一柔性性能函数对速度跟踪误差进行柔性包络约束；
[0009]S4、基于速度补偿系统对约束变换进行修正，得到修正以后的约束变换；
[0010]S5、基于修正以后的约束变换构建速度子系统运动模型的控制输入的期望值；
[0011]S6、根据速度子系统运动模型的控制输入的期望值确定速度子系统运动模型的控制输入；
[0012]S7、对高度跟踪误差构建第二柔性性能函数，并基于第二柔性性能函数对高度跟踪误差进行柔性包络约束；
[0013]S8、定义高度跟踪误差的转换误差以及航迹角的参考指令；
[0014]S9、构建高度子系统运动模型的控制输入的期望值；
[0015]S10、根据高度子系统运动模型的控制输入的期望值确定高度子系统运动模型的控制输入；
[0016]S11、根据速度子系统运动模型和高度子系统运动模型对乘波体飞行器进行跟踪控制。
[0017]如上所述的方法，可选的，所述步骤S1中，所述速度子系统运动模型为：
[0018]式中的为V关于时间t的一阶导数，V为乘波体飞行器的飞行速度，u
V
为速度子系统运动模型的控制输入，ξ
V
为速度子系统的系统函数；
[0019]所述高度子系统运动模型为：
[0020][0021]式中的为高度子系统的状态，为高度子系统的系统函数，u
h
为高度子系统的控制输入。
[0022]如上所述的方法，可选的，所述步骤S2中，
[0023]对速度子系统的系统函数进行逼近：式中的ω
ξ,V
为神经网络的第一权值向量，β
ξ,V
(V)为神经网络的第一基函数向量，ι
ξ,V
为神经网络的第一逼近误差；
[0024]对高度子系统的系统函数进行逼近：
[0025]式中的ω
ξ,h
为神经网络的第二权值向量，为神经网络的第二基函数向量，ι
ξ,h
为神经网络的第二逼近误差。
[0026]如上所述的方法，可选的，所述步骤S3中，速度跟踪误差s
V
(t)为：s
V
(t)＝V
‑
V
s
，V
s
为速度子系统的参考指令；
[0027]第一性能函数为：式中的sign(
·
)为符号函数，s
V
(0)为s
V
(t)在t＝0时的值，
[0028]d
V,L
、d
V,R
满足0＜d
V,L
＜1，0＜d
V,R
＜1，p
V,0
为速度跟踪误差的约束包络的初始值，p
V,T
为速度跟踪误差的约束包络的最终值，T
V
为速度跟踪误差收敛时间，σ
V
为收敛平滑系数，为第一柔性调整项；
[0029]将作为s
V
(t)的下包络，将作为s
V
(t)的上包络，则有：
[0030]如上所述的方法，可选的，所述步骤S4中，修正以后的约束变换e
s,V
＝ε
s,V
‑
x
V
，x
V
为速度补偿系统，ε
s,V
为约束变换,
[0031]如上所述的方法，可选的，所述步骤S5中，速度子系统运动模型的控制输入的期望值其中，
k
e,V,1
为约束变换的响应速度系数，k
e,V,2
为约束变换的响应积分系数，为V
s
对时间t的一阶导数，为神经网络的第一权值向量的范数的估计，Δ
x,V
和a
x,V,1
为第一柔性调整项的设计参数；
[0032]所述步骤S6中，速度子系统运动模型的控制输入式中的与分别为u
V
允许的下界与上界。
[0033]如上所述的方法，可选的，所述步骤S7中，高度跟踪误差s
h
(t)为：s
h
(t)＝h
‑
h
s
，h
s
为高度子系统的参考指令；
[0034]第二性能函数为：式中的s
h
(0)为s
h
(t)在t＝0时的值，
[0035]d
h,L
、d
h,R
满足0＜d
h,L
＜1，0＜d
h,R
＜1，p
h,0
为高度跟踪误差约束包络的初始值，p
h,T
为高度跟踪误差约束包络的最终值，T
h
为高度跟踪误差收敛时间，σ
h
为高度跟踪误差收敛平滑系数，为第二柔性调整项；
[0036]将作为s
h
(t)的下包络，将作为s
h
(t)的上包络，则有：
[0037]如上所述的方法，可选的，所述步骤S8中，
[0038]高度跟踪误差的转换误差为：
[0039]航迹角的参考指令为：式中的k
h,γ
为航迹角的参考指令的设计参数，为高度子系统的参考指令关于时间t的一阶导数，
[0040]如上所述的方法，可选的，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乘波体飞行器的柔性预设性能控制方法，其特征在于，包括以下步骤：S1、构建乘波体飞行器的运动模型，乘波体飞行器的运动模型包括速度子系统运动模型和高度子系统运动模型；S2、采用神经网络对速度子系统的系统函数及高度子系统的系统函数进行逼近；S3、对速度跟踪误差构建第一柔性性能函数，并基于第一柔性性能函数对速度跟踪误差进行柔性约束包络；S4、基于速度补偿系统对约束变换进行修正，得到修正以后的约束变换；S5、基于修正以后的约束变换构建速度子系统运动模型的控制输入的期望值；S6、根据速度子系统运动模型的控制输入的期望值确定速度子系统运动模型的控制输入；S7、对高度跟踪误差构建第二柔性性能函数，并基于第二柔性性能函数对高度跟踪误差进行柔性约束包络；S8、定义高度跟踪误差的转换误差以及航迹角的参考指令；S9、构建高度子系统运动模型的控制输入的期望值；S10、根据高度子系统运动模型的控制输入的期望值确定高度子系统运动模型的控制输入；S11、根据速度子系统运动模型和高度子系统运动模型对乘波体飞行器进行跟踪控制。2.根据权利要求1所述的乘波体飞行器的柔性预设性能控制方法，其特征在于：所述步骤S1中，所述速度子系统运动模型为：式中的为V关于时间t的一阶导数，V为乘波体飞行器的飞行速度，u
V
为速度子系统运动模型的控制输入，ξ
V
为速度子系统的系统函数；所述高度子系统运动模型为：式中的为高度子系统的状态，为高度子系统的系统函数，u
h
为高度子系统的控制输入。3.根据权利要求1所述的乘波体飞行器的柔性预设性能控制方法，其特征在于：所述步骤S2中，对速度子系统的系统函数进行逼近：式中的ω
ξ,V
为神经网络的第一权值向量，β
ξ,V
(V)为神经网络的第一基函数向量，ι
ξ,V
为神经网络的第一逼近误差；对高度子系统的系统函数进行逼近：式中的ω
ξ,h
为神经网络的第二权值向量，为神经网络的第二基函数向量，ι
ξ,h
为神经网络的第二逼近误差。4.根据权利要求1所述的乘波体飞行器的柔性预设性能控制方法，其特征在于：所述步骤S3中，速度跟踪误差s
V
(t)为：s
V
(t)＝V
‑
V
s
，V
s
为速度子系统的参考指令；
第一性能函数为：式中的sign(
·
)为符号函数，s
V
(0)为s
V
(t)在t＝0时的值，d
V,L
、d
V,R
满足0＜d
V,L
＜1，0＜d
V,R
＜1，p
V,0
为速度跟踪误差的约束包络的初始值，p
V,T
为速度跟踪误差的约束包络的最终值，T
V
为速度跟踪误差收敛时间，σ
V
为收敛平滑系数，为第一柔性调整项；将作为s
V
(t)的下包络，将作...

【专利技术属性】
技术研发人员：卜祥伟，吕茂隆，姜宝续，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：