[发明专利]一种飞艇神经网络终端滑模航迹控制方法

说明书

技术领域

本发明涉及一种航空领域的飞行控制方法，它为飞艇提供一种神经网络终端滑模控制方法，属于自动控制技术领域。

背景技术

飞艇是一种依靠内充浮升气体(如氦气、氢气等)提供静升力，依靠推进系统和飞行控制系统实现操纵飞行的浮空类飞行器，具有留空时间长、能耗低、可重复使用等优点，特别适合作为承载平台，通过搭载多种有效载荷发展为新型电子信息装备，可以广泛应用于国土测绘、灾害监测、区域预警、侦察监视等领域，具有重要应用价值和广阔的应用前景，当前已成为航空领域的研究热点。

航迹控制是指对飞艇质心运动的控制，通常要求飞艇按照预定航线飞行，以完成特定的飞行任务。飞艇的空间运动具有非线性、通道耦合、不确定等特点，因此，航迹控制成为飞艇飞行控制的难点问题。已有文献对飞艇航迹控制的研究大都基于线性化模型，未考虑非线性因素以及纵向和横侧向运动之间的耦合作用，仅在平衡态附近有效。滑模控制方法对参数摄动和外界干扰具有鲁棒性，为飞艇航迹控制提供了一种有效手段。但是，滑模控制通常采用线性滑模，系统到达滑模面后，状态跟踪误差渐近收敛至零，无法在有限时间内收敛。针对此问题，发明专利“一种飞艇非奇异终端滑模航迹控制方法”(专利号：ZL201410623630.4)，提出了一种非奇异终端滑模航迹控制方法，通过选取终端滑模函数使得航迹控制误差在有限时间内收敛至零，提高了航迹控制的响应速度和控制精度。但是，该方法未考虑飞艇模型不确定问题，因此其适应性和鲁棒性有待进一步提高。

发明内容

为解决上述问题，本发明提供一种飞艇神经网络终端滑模航迹控制方法。神经网络具有逼近任意复杂非线性函数的能力，可以应用于不确定系统的建模问题，能够显著提高系统的控制性能。本发明在非奇异终端滑模航迹控制方法的基础上，针对飞艇模型不确定问题，采用神经网络逼近飞艇的不确定模型。

本发明所提出的航迹控制系统结构框图如图1所示。如图1所示，首先根据指令航迹η_d和实际航迹η计算误差量e；然后根据误差量e选取终端滑模面，采用终端滑模控制方法设计航迹控制律；为解决模型不确定问题，根据构造神经网络逼近器，在线估计飞艇的不确定模型，从而得到神经网络终端滑模航迹控制律。由该方法控制的系统能够在模型不确定条件下高精度跟踪指令航迹，相比于发明专利“一种飞艇非奇异终端滑模航迹控制方法”，具有更广的适应性和强鲁棒性，为飞艇航迹控制的工程实现提供了有效方案。

本发明一种飞艇神经网络终端滑模航迹控制方法，首先由给定的指令航迹和实际航迹计算误差量，然后通过选取终端滑模函数，采用终端滑模控制方法设计航迹控制律，并采用神经网络逼近飞艇的不确定模型。实际应用中，飞艇航迹由组合导航系统测量得到，将由该方法计算得到的控制量传输至执行机构即可实现航迹控制功能。

一种飞艇神经网络终端滑模航迹控制方法，其具体步骤如下，如图2所示：

步骤一：给定以广义坐标表示的指令航迹：η_d＝[x_d,y_d,z_d,θ_d,ψ_d,φ_d]^T；

所述的指令航迹为广义坐标η_d＝[x_d,y_d,z_d,θ_d,ψ_d,φ_d]^T，其中：x_d、y_d、z_d、θ_d、ψ_d和φ_d分别为指令x坐标、指令y坐标、指令z坐标、指令俯仰角、指令偏航角和指令滚转角，上标T表示向量或矩阵的转置。

步骤二：误差量计算：计算指令航迹与实际航迹之间的误差量；

指令航迹与实际航迹之间的误差量，其计算方法为：

e＝η-η_d＝[x-x_d,y-y_d,z-z_d,θ-θ_d,ψ-ψ_d,φ-φ_d]^T(1)

η＝[x,y,z,θ,ψ,φ]^T为实际航迹，x、y、z、θ、ψ、φ分别为实际航迹的x坐标、y坐标、z坐标、俯仰角、偏航角和滚转角。