[发明专利]考虑攻角约束的高超声速飞行器自适应容错控制方法

权利要求书

1.一种考虑攻角约束的高超声速飞行器自适应容错控制方法，其特征在于包括以下步骤：

步骤一、建立高超声速飞行器纵向通道动力学模型：

其中，表示动压，ρ表示空气密度，均为气动参数，表示平均气动弦长，S表示气动参考面积；V表示速度，γ表示航迹倾角，h表示高度，α表示攻角，q表示俯仰角速度；其中u＝[u₁,u₂,…,u_n]^T为待设计的n个舵面偏转角，为未知故障参数，δ＝diag{δ₁,δ₂,…,δ_n}，当第i个执行器出现故障时取δ_i＝1，否则取δ_i＝0，λ＝[λ₁,λ₂,…,λ_n]^T为未知参数；Φ为节流阀开度；T、D、L和M_yy分别代表推力、阻力、升力和俯仰转动力矩；m、I_yy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离；

步骤二、定义高度跟踪误差e_h＝h-h_d，设计航迹角指令γ_d：

式中，h_d为高度指令，为高度指令的一阶微分，k_h>0，k_i>0；考虑巡航段航迹角变化小，航迹角指令的一阶微分取为零；

取x₁＝γ，x₂＝α，x₃＝q；可将式(3)-(5)写成如下严格反馈形式：

其中，f_i,g_i,i＝1,2,3为根据高超声速飞行器模型得到的未知非线性函数；g₁＝ω_g1θ_g1，g₂＝1，g₃＝ω_g3θ_g3，其中为已知项，为未知气动参数项；

步骤三、定义航迹角跟踪误差：

e₁＝x₁-γ_d (8)

设计攻角虚拟控制量：

式中，k₁＞0；为由RBF神经网络得到的f₁估计值，其中为神经网络最优权重向量的估计值，θ₁为RBF函数向量；其中为θ_g1的估计值；

定义建模误差：

其中由下式得到：

其中η₁＞0由设计者给出；设计自适应律如下：

其中γ₁＞0、γ_z1＞0、δ₁＞0；设计自适应律如下：

其中

为了使攻角满足给定的约束条件，令x_2c通过如下的饱和环节获得x_2cl：

其中，x_2cm为x_2c上界；

设计一阶滤波器如下：

式中x_2d为x_2cl通过公式(15)所表达的滤波器后获得的信号，α₂＞0；

定义攻角跟踪误差：

e₂＝x₂-x_2d (16)

构造Barrier李雅普诺夫函数其中k_b为误差e₂的上界；设计俯仰角速率虚拟控制量：

式中，k₂＞0，为由RBF神经网络得到的f₂估计值，其中为神经网络最优权重向量的估计值，θ₂为RBF函数向量；

定义建模误差：

其中由下式得到：

其中η₂＞0；设计自适应律如下：

其中γ₂＞0、γ_z2＞0、δ₂＞0；

设计一阶滤波器如下：

式中x_3d为x_3c通过公式(21)所表达的滤波器后获得的信号，α₃＞0；

定义俯仰角速率跟踪误差：

e₃＝x₃-x_3d (22)

设计辅助信号u^*如下：

式中，k₃＞0；为由RBF神经网络得到的f₃估计值，其中为神经网络最优权重向量的估计值，θ₃为RBF函数向量；其中为θ_g3的估计值；

设计各舵面偏转如下：

其中自适应律如下：

其中Γ_1i＞0与Γ_2i＞0，sgn(g₃)为g₃的符号函数，此处g₃符号已知；

定义建模误差：

其中由下式得到：

其中η₃＞0；设计自适应律如下：

其中γ₃＞0、γ_z3＞0、δ₃＞0；设计自适应律如下：

其中

步骤四、定义速度跟踪误差：

式中，V_d为速度指令；设计节流阀开度如下：

式中，k_pV＞0、k_iV＞0、k_dV＞0；

步骤五、根据得到的各舵偏角u_i和节流阀开度β，返回到高超声速飞行器的动力学模型(1)-(5)，对高度和速度进行跟踪控制。