[发明专利]一种基于神经网络的时标分离飞行器弹性体智能控制方法

权利要求书

1.一种基于神经网络的时标分离飞行器弹性体智能控制方法，其特征在于，包括：

步骤一、构建所述飞行器弹性体动力学模型：

其中，

在上式中，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，δ_e是舵偏角，且δ_e＝δ_es+δ_ef，δ_es为慢变时标控制输入，δ_ef为快变时标控制输入，Φ为节流阀开度，η为弹性模态；表示动压，C_T均为气动参数，表示平均气动弦长，S表示气动参考面积，z_T为推力力矩；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分别代表质量、俯仰轴的转动惯量，N^(·)为模态参数，N为广义力，ζ为阻尼比率，ω为自然频率；

步骤二、获取飞行器高度指令，根据奇异摄动理论，将所述飞行器舵偏输入分成慢变子系统舵偏控制输入及快变子系统舵偏控制输入，同时针对所述快变子系统舵偏控制输入，设定滑模控制函数，并由此确定其输入；对所述慢变子系统舵偏控制输入，设计基于神经网络的智能控制策略，具体包括：

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为获取的飞行器高度指令，为高度指令的一阶微分，k_h>0，k_i>0为待优化的输入值；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＝θ，x₃＝q，θ＝α+γ代表俯仰角；将式(3)～(5)写成如下形式：

其中，

定义：ρσ＝η，ρB₆＝β₁，则公式(12)、(14)、(6)进一步变形为：

令ρ＝0，则式(15)、(16)、(17)变为如下形式：

其中，‘s’代表慢变子系统；

由式(20)知

将式(21)代入式(19)，则式(18)、(13)、(19)变为如下形式：

推力项与攻角的正弦值乘积相对于升力项非常小，在此忽略，将式(22)、(24)展开得

其中，

其中，X_s＝[x_1s,x_2s,x_3s]^T；

定义：ψ₁＝σ-σ_s，则式(6)转化为：

将式(21)代入(28)式得：

式(29)，(30)写为：

其中，ψ＝[ψ₁,ψ₂]^T，

定义e₁＝x_1s-x_1d，x_1d＝γ_d，误差微分形式为

设计虚拟控制量为：

式中，k₁为待优化的设计输入，为正常数，令θ₁(·)为基函数向量，为神经网络权重更新律，具体形式为

式中，Γ₁为待优化的设计输入，为正常数，设计一阶滤波器

式中，ε₁为待优化的设计输入，为正常数，定义俯仰角跟踪误差为

e₂＝x_2s-x_2c (38)

其微分为

设计虚拟控制量为：

式中，k₂为待优化的设计输入，为正常数，设计一阶滤波器

式中，ε₃为待优化的设计输入，为正常数，定义俯仰角速度跟踪误差

e₃＝x_3s-x_3c (42)

误差微分形式为

其中，θ₃(·)为基函数向量，为神经网络权重更新律，具体形式为：

式中，Γ₃为待优化的设计输入，为正常数，设计慢变子系统舵偏控制律

式中，k₃为待优化的设计输入，为正常数；

根据滑模控制函数，确定快变子系统舵偏控制输入包括：

选择滑模切换函数如下：

c＝Gψ (46)

式中，G为待设计正定矩阵1，结合式(31)得到式(44)的微分形式

设计快变子系统舵偏控制输入

δ_ef＝-(GQ_f)⁺(GP_fψ+z_nsgn(c)) (48)

其中，x⁺表示x的摩尔彭罗斯逆，Z_n为待设计正定矩阵2；

步骤三、确定系统舵偏控制输入为慢变子系统舵偏控制输入及快变子系统舵偏控制输入之和；

步骤四、获取飞行器速度指令，并由此定义速度跟踪误差，确定节流阀开度；

步骤五、根据得到的舵偏角δ_e和节流阀开度Φ，返回到高超声速飞行器的动力学模型公式(1)～(6)，对高度、弹性模态、速度进行控制，所述控制包括调整待优化的输入值，使所述高度接近所述获取的飞行器高度指令、速度接近所述获取的飞行器速度指令以及弹性模态趋于稳定。