[发明专利]一种基于区间II型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法

说明书

一种基于区间II型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法，涉及领域。本发明是为了设计高超音速飞行器的高度和速度的跟踪控制律、使高超音速飞行器的飞行速度和高度的跟踪误差满足指定性能要求的目的。本发明利用高超音速飞行器动态系统当前时刻的状态变量和参考输入变量构造当前时刻的跟踪误差变量，利用区间II型模糊神经网络估计高超音速飞行器动态系统的复杂不确定项的估计值，设计未知参数的估计值，分别设计燃料当量比的控制律、鸭翼偏转角的控制律和升降舵偏转角的控制律，根据设计后的燃料当量比的控制律、鸭翼偏转角的控制律和升降舵偏转角的控制律完成对高超音速飞行器的跟踪控制。

技术领域

本发明属于飞行器控制技术领域，尤其涉及高超音速飞行器的指定性能量化跟踪控制方法。

背景技术

由于高超音速飞行器代表了一种重要的具有成本效益的全球可达能力和空间探索方式，因此出现了大量的关于高超音速飞行器的建模和控制技术的研究。高超音速飞行器采用机身与超燃冲压发动机相组合的设计方法，其飞行器结构的长度、细长几何形状和柔性的变化对气动力有着重要的影响。由于高超音速飞行器动力学的复杂性，飞行器控制系统的建模一直是一个很高的挑战。高超音速飞行器的动力学计算方法通常是基于其面向控制的纵向动力学系统，常见的建模方法有基于反馈线性化的方法、预测模型、线性参数变化模型、模糊逻辑系统、Takagi-Sugeno模糊模型和人工神经网络等。

模糊神经网络作为一种表示不确定性非线性系统的通用近似方法，近年来在工程应用、交通预测系统、能量转换、分类、辨识、动态系统的控制与滤波等方面得到了广泛的应用。一个完整的模糊神经网络集成了一种模糊逻辑系统、I类模糊逻辑系统、或II类模糊逻辑系统，用以表示非线性和不确定性。特别是基于II型模糊集描述的模糊逻辑系统，从I型模糊逻辑系统扩展到了II型模糊逻辑系统，具有综合表示模糊规则库中的不确定性的优点。一般来说，模糊集的隶属函数在II型模糊集合中是“模糊的”(具有不确定性)，而在I型模糊集合中是完全确定的。因此，II型隶属函数的不确定性空间是由无限个I型隶属函数组成，用于表示区间不确定性。因此，II型模糊神经网络能够比I型模糊神经网络更好地描述复杂的不确定性。因此，能够使用区间II型模糊神经网络来表示系统中复杂的不确定性，包括建模误差、高超音速飞行器动态系统存在参数不确定性和外部扰动。

在对高超音速飞行器进行飞行控制设计时会面临各种干扰因素和复杂的不确定性，同时也会受到飞行稳定性和高速响应的约束，这些环境条件与约束使得控制设计变得非常困难。总的来讲，高超音速飞行器的合理控制设计应提供对不确定性和干扰的鲁棒性。

目前，在现有技术中，值得注意的是，结合反推控制方法在处理系统非线性和不确定性方面的优势，一些自适应反推控制技术已成功地应用于高超音速飞行器的跟踪控制，其中包括针对柔性动力学产生的扰动的鲁棒控制、对执行器故障的容错控制以及具有限制飞行状态或输入的受限控制等。这些基于自适应反推控制技术的跟踪控制方法不仅可以实现高超音速飞行器的渐近跟踪，而且可以在l₂/l_∞范数意义下改善飞行器的瞬态性能。

作为一种跟踪控制的控制方法，指定性能控制技术为具有指定跟踪误差性能的跟踪控制提供了一种控制设计策略，该策略可以改进跟踪误差的约束瞬态行为和有界稳态。利用指定性能控制技术，一些自定义的性能函数可以直观地实现一些期望的跟踪误差。为了进一步提高快速收敛和最小跟踪误差下的暂态跟踪性能，近年来，该技术在高超音速飞行器的输入饱和控制和容错控制方面逐渐受到关注。

发明内容

本发明是为了设计高超音速飞行器的高度和速度的跟踪控制律、使高超音速飞行器的飞行速度和高度的跟踪误差满足指定性能要求的目的，现提供一种基于区间II型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法。

一种基于区间II型模糊神经网络的高超音速飞行器指定性能量化跟踪控制方法，包括以下步骤：