[发明专利]基于切换机制的飞行器全局有限时间神经网络控制方法

说明书

本发明涉及一种基于切换机制的飞行器全局有限时间神经网络控制方法，属于飞行器控制领域，用于解决飞行器全局神经网络控制问题。该方法首先将飞行器纵向模型解耦为高度子系统和速度子系统，针对高度子系统采用反步法控制，针对速度子系统采用PID控制。对高度子系统，引入切换机制实现有效逼近域内神经网络控制和逼近域外鲁棒控制之间的切换，同时基于跟踪误差和建模误差对神经网络权重进行更新，提高神经网络的学习性能，在此基础上给出鲁棒设计方案，可实现系统跟踪误差的有限时间收敛。本发明保证飞行器神经网络控制始终在有效逼近域内工作，实现闭环系统全局稳定性，保证实际工程应用的性能要求。

技术领域

本发明涉及一种飞行器控制方法，特别是涉及一种基于切换机制的飞行器全局有限时间神经网络控制方法，属于飞行器控制领域。

背景技术

面对军用和民用领域对飞行器技术提出的新需求，现代飞行器飞行包络不断扩大，飞行器创新的构型设计及复杂的飞行环境，导致飞行器动力学具有复杂非线性和强不确定性等特点。神经网络可对未知动力学和模型不确定性进行逼近，被广泛应用于飞行器控制，但目前大多数方法假设神经网络在整个区域内一直可进行有效逼近为前提进行控制器设计，这就使得闭环系统只能保证半全局稳定性，在实际应用中难以保证该前提。《Global neural dynamic surface tracking control of strict-feedback systemswithapplication to hypersonic flight vehicle》(Bin Xu,Chenguang Yang,YongpingPan，《IEEETransactions on Neural Networks and Learning Systems》,2015,26(10):2563-2575)一文针对高超声速飞行器纵向通道模型设计动态面控制，基于切换机制实现神经网络控制和鲁棒控制的切换，可保证闭环系统全局稳定性，但该设计仅基于跟踪误差进行神经网络权重更新，并且不能实现跟踪误差的快速有限时间收敛。

发明内容

要解决的技术问题

针对目前飞行器神经网络控制方法较少考虑在控制过程中神经网络逼近是否一直有效的问题，本发明设计了一种基于切换机制的飞行器全局有限时间神经网络控制方法，该方法利用切换机制实现有效逼近域内神经网络控制和有效逼近域外鲁棒控制之间的切换，保证神经网络在有效逼近域内工作，实现闭环系统的全局稳定性，同时基于跟踪误差和建模误差对神经网络权重进行更新，提高神经网络的学习性能，在此基础上给出鲁棒设计方案，可实现系统跟踪误差的有限时间收敛。

技术方案

一种基于切换机制的飞行器全局有限时间神经网络控制方法，其特征在于步骤如下：

步骤1：考虑飞行器纵向通道动力学模型：

所述的动力学模型由五个状态量X＝[V,h,γ,α,q]^T和两个控制输入U＝[δ_e,Φ]^T组成；其中，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表示舵偏角，Φ表示节流阀开度；T、D、L和M_yy分别表示推力、阻力、升力和俯仰转动力矩；m、I_yy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度；

力、力矩以及各系数的表达式分别为：