[发明专利]高超声速飞行器再入段神经网络复合学习控制方法

权利要求书

1.一种高超声速飞行器再入段神经网络复合学习控制方法，其特征在于包括以下步骤：

(a)建立高超声速飞行器再入段动力学模型：

该动力学模型包含状态变量X＝[v，ω]^T和控制输入U＝M_c，其中v＝[α β σ]^T为姿态角向量，α、β、σ分别表示攻角、侧滑角和倾斜角；ω＝[p q r]^T为姿态角速率向量，p、q、r分别表示滚动、俯仰和偏航角速率；M_c＝[M_x M_y M_z]^T表示系统的控制力矩；I表示惯量矩阵；

(b)定义X＝[x₁ x₂]^T，x₁＝v，x₂＝ω；则姿态控制模型可表示为：

其中g₁(x₁)＝R(·)，f₂(x₂)＝-I^-1ΩIω，g₂(x₂)＝I^-1；

(c)定义姿态角跟踪误差e₁＝x₁-y_d；其中y_d＝[α_d β_d σ_d]^T为制导系统生成的制导指令；设计虚拟控制量为：

其中k₁∈R^3×3为控制增益矩阵，进一步可计算其中分别为制导指令的一阶导数和二阶导数；

定义姿态角速率误差设计控制信号M_c为：

其中为最优神经网络权重向量的估计值，θ₂(x₂)为径向基函数向量；k₂∈R^3×3为控制增益矩阵，

(d)定义其中τ_d>0为积分区间；

构造预测误差为神经网络复合学习自适应律设计为：

其中λ₂∈R^3×3为学习率矩阵，k_ω2∈R^3×3为权重因子矩阵，

(e)根据得到的控制输入M_c，返回到高超声速飞行器再入段的动力学模型(1)、(2)，对姿态角进行跟踪控制。