[发明专利]基于多模态划分的宽域飞行鲁棒自适应切换控制方法

权利要求书

1.一种基于多模态划分的宽域飞行鲁棒自适应切换控制方法，其特征在于步骤如下：

步骤1：考虑一类宽域爬升飞行器，将姿态子系统写为如下多输入多输出切换系统

其中，三通道姿态角X₁＝[θ ψ φ]^T和姿态角速度X₂＝[ω_x ω_y ω_z]^T是状态变量，θ，ψ，φ，ω_x，ω_y和ω_z分别是俯仰角、偏航角、滚转角、滚转角速度、偏航角速度和俯仰角速度；f_i,σ(t),i＝1,2是未知平滑函数，g_i,σ(t),i＝1,2是已知非零平滑函数；u_σ(t)＝[δ_x,σ(t) δ_y,σ(t)δ_z,σ(t)]^T是控制输入，δ_i,σ(t),i＝x,y,z分别是滚转舵偏、偏航舵偏和俯仰舵偏，y是系统输出；函数σ(t):[0,∞)→M＝{1,2,...,m}是切换信号，m等于划分的稳定模态个数，且σ(t)＝k时表示第k个子系统是激活的；

把(1)中第一个方程进行以下转化

其中，h_1,σ(t)＝f_1,σ(t)+(g_1,σ(t)-I)X₂，I是单位矩阵；

进一步把(2)求导，并把(1)中第二个方程带入可得

其中，

因此可将系统(1)转化为如下二阶非线性切换系统

其中，F_2,σ(t)＝[F_φ,σ(t) F_ψ,σ(t) F_θ,σ(t)]^T是未知函数，g_2,σ(t)＝[g_φ,σ(t) g_ψ,σ(t) g_θ,σ(t)]^T是已知非零函数，u_σ(t)＝[δ_x,σ(t) δ_y,σ(t) δ_z,σ(t)]^T＝[δ_φ,σ(t) δ_ψ,σ(t) δ_θ,σ(t)]^T；

步骤2：定义i＝φ,ψ,θ；

对于未知函数F_i,k，用神经网络来逼近

其中，是神经网络最优权重向量，θ_i,k是神经网络基函数向量，ε_i,k是神经网络残差；

则F_i,k的估计值可写为

其中，是神经网络最优权重向量估计值；

则系统动力学可写为

其中，

定义跟踪误差其导数为其中是三通道姿态参考指令；设计非奇异终端滑模面为

其中，p_i,k是正的设计参数；

则s_i的导数为

其中，q_i,k是正的设计参数；

稳定模态控制器设计为

其中，是标准反馈项，是自适应项，是滑模项；

最终控制器的具体形式为

其中，k_i1,k，k_i2,k和r_i,k是正的设计参数，且0＜r_i,k＜1；

设计神经网络权重更新律为

其中，γ_i,k和δ_i,k是正的设计参数；

步骤3：通过步骤2可以得到飞行器宽域爬升过程中各稳定模态对应的控制器，为了实现模态之间的平滑过渡，在过渡模态设计基于惯性环节的软切换控制，则总切换策略如下：

其中，u_i,A(t)和u_i,B(t)是稳定模态控制器u_i,k中任意两个相邻模态对应的控制器，t₀和t₁分别是过渡模态的起始时刻和结束时刻，e是自然常数，a是正的惯性淡化系数；

步骤4：根据步骤3中得到的控制量U_i(t)，返回到系统模型(1)，对系统输出y进行跟踪控制。