【技术实现步骤摘要】
本专利技术涉及飞行控制，尤其涉及一种非线性自适应控制系统性能优化方法及电子设备。
技术介绍
1、随着社会和科技的不断进步以及人们对无人机性能和需求的提升，飞行器的发展在不断地推进。与此同时，飞行控制系统将面临更加剧烈的状态变化、复杂的不确定性、多样的飞行任务以及多变的飞行环境。面对日益复杂的飞行环境和任务需求，传统的无人机控制系统显现出一定的局限性。基于系统先验知识的控制系统设计方法通常依赖于高精度的系统建模和环境仿真，在面对复杂多变的不确定性时，系统难以表现出预期的性能。在这样的背景下，自适应控制逐渐发展成为飞行控制领域的研究热点之一，它能够自动补偿模型参数的非预知变化，大大提高无人机的控制精度和稳定性。
2、在现有技术中，模型参考自适应控制系统是理论研究和实际应用都较为成熟的方法之一。模型参考自适应系统中过高学习速率会引起系统的非预期震荡，学习速率的选取实际是对控制性能和鲁棒性能的权衡。针对这一问题，以美国航空航天局为代表的学者进行了广泛的研究，提出一系列鲁棒自适应控制方法。由hovakimyan和cao提出l1滤波器的设计方法，解决了由学习速率过大引起的震荡问题，使自适应控制系统在airstar飞行验证平台中得以成功实现。然而，l1滤波器在提高控制系统稳定性的同时，对闭环系统的稳定裕度造成了损失，受控制系统结构的约束，非线性系统表现出与线性时不变系统相近的性能。从自适应系统的本质出发，系统的非线性直接影响它对动态性能的调节能力，较差的非线性和自适应性将导致较差的鲁棒性能，进而对飞行控制系统的安全性和可靠性产生极
3、在无人机系统中，由于模型不准确以及安装重心和负载的变化，可能出现稳定裕度不足的情况，甚至导致系统的严重振荡和发散。因此，迫切需要一种具有强自适应性的飞行控制系统来满足飞行控制的要求，确保飞行安全。
技术实现思路
1、针对现有技术中的技术问题，本专利技术提供一种非线性自适应控制系统性能优化方法及电子设备。
2、本专利技术包括一种非线性自适应控制系统性能优化方法，包括步骤：
3、基于无人机运动特征以及小扰动理论，构建无人机姿态的非线性数学模型；
4、根据期望的性能指标确定标称系统下的基础反馈控制律，得到标称状态下的闭环系统；
5、在所述闭环系统中引入未知的不确定函数，在控制输入端添加自适应控制信号，构建考虑不确定性的闭环自适应控制系统；
6、基于所述闭环自适应控制系统设计状态观测器，构建误差动态方程，得到lyapunov稳定意义下的自适应律；
7、基于所述自适应律实时更新不确定函数中的参数估计值，对估计值进行低通滤波处理，得到滤波后的参数估计值；
8、设计自适应控制律，并根据所述自适应控制律和所述基础反馈控制律计算自适应控制系统的总控制律。
9、进一步的，基于无人机运动特征以及小扰动理论，构建无人机姿态的非线性数学模型，包括：
10、将无人机姿态的非线性数学模型采用微分方程形式表述为：其中，x为姿态状态量，u为控制量；f为非线性微分方程，表示x的导数；
11、根据所述小扰动理论，将微分方程的小扰动表述为：其中，a和b分别为常数状态矩阵和常数输出矩阵；x(t)和u(t)定义分别为和即分别为基于配平状态点的状态增量以及控制增量。
12、进一步的，根据期望的性能指标确定标称系统下的基础反馈控制律，得到标称状态下的闭环系统，包括：
13、考虑所述小扰动方程，将基础反馈控制律uf(t)设计为：uf(t)＝-kmx(t)；
14、对于标称状态下的被控对象而言，遵循基础反馈控制律的闭环系统描述为：
15、其中，km为基础反馈增益，kr为基础控制器的前馈增益，r(t)为参考输入；
16、若期望的性能指标表示为：则基础控制器增益应满足：bkr＝bm以及a-bkm＝am；am和bm分别为期望系统的状态矩阵和输入矩阵，xm为期望系统的状态量，为xm的导数。
17、进一步的，在所述闭环系统中引入未知的不确定函数，在控制输入端添加自适应控制信号，构建考虑不确定性的闭环自适应控制系统，包括：
18、将所述不确定函数表示为：υ(x)＝γtφ(x)；γ为不确定参数矩阵，φ(x)为有界回归函数，且δ为常值矩阵；
19、构建闭环自适应控制系统为：其中，ua为自适应控制分量；
20、以及，在不确定参数矩阵γ中，含有与x相乘的参数γ1和与δ相乘的参数γ2，则有其中γ1和γ2分别为非线性不确定参数和线性不确定参数。
21、进一步的，基于所述闭环自适应控制系统设计状态观测器，构建误差动态方程，包括：
22、设计状态观测器为：其中，为观测状态量，为不确定函数的估计；
23、将所述状态观测器和所述闭环自适应控制系统的表达式进行作差计算，得到所述误差动态方程，为其中，为状态观测误差，为不确定参数估计与其真值γ的差。
24、进一步的，得到lyapunov稳定意义下的自适应律，包括：
25、由所述误差动态方程在满足lyapunov稳定性条件下得到积分形式的自适应律为：
26、根据所述自适应律求得不确定函数的估计为：
27、其中，μ为设定的学习速率矩阵，p＝pt>0为lyapunov方程的唯一对称正定解，q为单位矩阵。
28、进一步的，基于所述自适应律实时更新不确定函数中的参数估计值，对估计值进行低通滤波处理，得到滤波后的参数估计值，包括：
29、定义η(t)为不确定参数估计经过低通滤波处理后的参数估计值，则
30、其中，η(s)为η(t)的laplace变换，c(s)为低通滤波器的传递函数。
31、进一步的，所述设计自适应控制律，并根据所述自适应控制律和所述基础反馈控制律计算自适应控制系统的总控制律，包括：
32、将自适应控制律设计为：ua(t)＝-η(t)φ(x)+krr(t)；
33、将所述自适应控制律表达式展开后得到ua(t)＝-(η1(t)x(t)+η2(t)δ)+krr(t)；其中，η1(t)和η2(t)分别对应参数γ1和γ2的估计经过滤波后的部分，定义为ηi(t)的laplace变换为
34、根据自适应控制律和基础反馈控制律计算自适应控制系统的总控制律u(t)，u(t)为：u(t)＝ua(t)+uf(t)＝-(km+η1(t))x(t)-η2(t)δt+krr(t)。
35、本专利技术还包括一种电子设备，包括存储器和处理器，其特征在于，存储器上存储有计算器程序，处理器被设置为通过计算机程序实现上述方法。
36、本专利技术的非线性自适应控制系统性能优化方法及电子设备，首先构建无人机姿态的非线性数学模型，并建立标称状态下的闭环系统，其次引入未知的不确定函数构建闭环自适应控制系统，并以此设计状态观测器，构建误差本文档来自技高网...
【技术保护点】
1.一种非线性自适应控制系统性能优化方法，其特征在于，包括步骤：
2.如权利要求1所述的一种非线性自适应控制系统性能优化方法，其特征在于，基于无人机运动特征以及小扰动理论，构建无人机姿态的非线性数学模型，包括：
3.如权利要求2所述的一种非线性自适应控制系统性能优化方法，其特征在于，根据期望的性能指标确定标称系统下的基础反馈控制律，得到标称状态下的闭环系统，包括：
4.如权利要求3所述的一种非线性自适应控制系统性能优化方法，其特征在于，在所述闭环系统中引入未知的不确定函数，在控制输入端添加自适应控制信号，构建考虑不确定性的闭环自适应控制系统，包括：
5.如权利要求4所述的一种非线性自适应控制系统性能优化方法，其特征在于，基于所述闭环自适应控制系统设计状态观测器，构建误差动态方程，包括：
6.如权利要求5所述的一种非线性自适应控制系统性能优化方法，其特征在于，得到Lyapunov稳定意义下的自适应律，包括：
7.如权利要求6所述的一种非线性自适应控制系统性能优化方法，其特征在于，基于所述自适应律实时更新不确定函
8.如权利要求7所述的一种非线性自适应控制系统性能优化方法，其特征在于，所述设计自适应控制律，并根据所述自适应控制律和所述基础反馈控制律计算自适应控制系统的总控制律，包括：
9.一种电子设备，包括存储器和处理器，其特征在于，存储器上存储有计算器程序，处理器被设置为通过计算机程序实现所述权利要求1至8任一项方法。
...【技术特征摘要】
1.一种非线性自适应控制系统性能优化方法，其特征在于，包括步骤：
2.如权利要求1所述的一种非线性自适应控制系统性能优化方法，其特征在于，基于无人机运动特征以及小扰动理论，构建无人机姿态的非线性数学模型，包括：
3.如权利要求2所述的一种非线性自适应控制系统性能优化方法，其特征在于，根据期望的性能指标确定标称系统下的基础反馈控制律，得到标称状态下的闭环系统，包括：
4.如权利要求3所述的一种非线性自适应控制系统性能优化方法，其特征在于，在所述闭环系统中引入未知的不确定函数，在控制输入端添加自适应控制信号，构建考虑不确定性的闭环自适应控制系统，包括：
5.如权利要求4所述的一种非线性自适应控制系统性能优化方法，其特征在于，基于所述闭环自适应控制系统设...
【专利技术属性】
技术研发人员：冯玥，王财政，吴了泥，郭秋泉，张海涛，杨军，
申请(专利权)人：电子科技大学深圳高等研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。