[发明专利]一种基于最小参数学习法的飞行器航迹倾角控制方法

说明书

(一)技术领域

本发明涉及一种基于最小参数学习法的飞行器航迹倾角控制方法，它是针对飞行器纵向平面动态模型，而给出的一种基于最小参数学习法的神经网络动态面控制方法，用于控制飞行器航迹倾角，属于飞行控制技术领域。

(二)背景技术

飞行器的航迹倾角就是飞行速度方向与水平方向夹角，是重要的飞行器运动参数。通过稳定精确控制航迹倾角，不仅能保证飞行器按照预定轨迹运行，还能保证飞行器的运行高度。飞行器纵向模型属于非线性强耦合系统，对于它的控制具有一定难度。由于要求飞行器航迹倾角能快速精确跟踪预定轨迹，所以对控制方法的设计提出了较高要求。

近年来，许多先进的控制方法被用到飞行器航迹倾角的控制中，其中反馈线性化方法是最常用的一种。但是反馈线性化方法存在一些缺陷，比如要求不确定部分满足匹配条件，对建模误差敏感等。反推控制设计虽然能够很好地弥补这些缺陷，但又存在“微分爆炸”现象。动态面控制方法是一种新颖的控制方法，它设计步骤清晰，设计过程简单，对下三角形式的非线性系统有很好的控制效果。这种控制方法在每一步设计中引入一个一阶低通滤波器，使得每一步控制律设计与前一级的设计基本解耦，从而使控制律的复杂程度大大下降，根本上消除了“微分爆炸”现象。对于含有未知函数的不确定系统，动态面控制结合神经网络能够解决系统模型存在未知函数问题。但是构建神经网络需要在线估计许多权值，给计算带来压力，通过采用最小参数学习法能够大大减小待估计参数数量，很好地解决精度与计算量之间的矛盾。

这种技术背景下，本发明给出一种基于最小参数学习法的神经网络动态面控制方法，用于控制飞行器航迹倾角。采用这种控制不仅保证了闭环系统的半全局稳定性，还大大减小了待估计参数的数量，实现了飞行器航迹倾角对预定轨迹的快速且精确跟踪。

(三)发明内容

1、发明目的

本发明的目的是：为了克服现有控制技术的不足，提供一种基于最小参数学习法的飞行器航迹倾角控制方法，它通过神经网络动态面控制，用以控制飞行器航迹倾角，它在保证闭环半全局系统稳定的基础上，减小待估计参数数量，实现飞行器航迹倾角对预定轨迹的快速且精确跟踪。

本发明是一种基于最小参数学习法的飞行器航迹倾角控制方法，其设计思想是：针对飞行器纵向模型，构造神经网络逼近系统未知函数，利用最小参数学习法减小待估计参数数量，逐步设计虚拟控制，并在每步引入一阶低通滤波器，最终推导出神经网络动态面控制，克服反推控制的“微分爆炸”现象，能保证闭环控制系统的半全局稳定性，同时实现了飞行器航迹倾角对预定轨迹的快速且精确跟踪。

2、技术方案

下面结合流程框图3中的步骤，具体介绍该设计方法的技术方案。

本发明一种基于最小参数学习法的飞行器航迹倾角控制方法，该方法具体步骤如下：第一步飞行器纵向控制系统分析与建模

闭环控制系统采用负反馈的控制结构，输出量是飞行器航迹倾角。所设计的闭环控制系统主要包括控制器环节和系统模型这两个部分，其结构布局情况见图1所示。

飞行器纵向控制系统模型描述如下：