[发明专利]基于改进EKF状态观测器的飞行器自适应跟踪控制方法

权利要求书

1.一种基于改进EKF状态观测器的飞行器自适应跟踪控制方法，其特征在于步骤如下：

步骤1：考虑飞行器纵向动力学模型为

其中，状态变量[V,h,γ,α,q]^T分别表示速度、高度、航迹角、迎角和俯仰角速度；D、L和M_A分别表示阻力、升力和俯仰力矩；m、I_y和g分别表示飞行器质量、y轴的转动惯量和重力加速度；T表示发动机推力；(1)-(5)中相关气动力和力矩的定义如下

其中，ρ_h表示空气密度；S表示机翼面积；c表示平均气动弦长；表示动压；C_L，C_D和C_M分别表示总的气动升力系数、阻力系数和俯仰力矩系数；表示气动导数；l_i,i＝1,…,8表示推力系数；z_T表示推力力臂；输入变量[Φ,δ_e]^T分别表示燃料当量比和升降舵偏角；

考虑测量噪声，系统测量信号为

其中，n_i,i＝1,…,5表示测量噪声，h_m,γ_m,α_m,q_m,V_m表示测量信号；

步骤2：选择X＝[V h γ α q]^T为状态量，根据动力学模型(1)-(5)建立系统状态方程：

其中，w(t)＝[d_V(t) d_h(t) d_γ(t) d_α(t) d_q(t)]^T表示过程噪声；f₀(X,u,t)∈R⁵表示(1)-(5)的标称模型；u＝[Φ,δ_e]^T表示输入；

选择y_m＝[V_m h_m γ_m α_m q_m]^T为量测量，根据(6)建立量测方程

y_m＝CX+v(t) (8)

其中，C＝I₅表示量测阵；v(t)＝[n₁ n₂ n₃ n₄ n₅]^T∈R^5×1表示量测噪声；

信号w(t)和v(t)被建模为高斯白噪声，并满足

其中，Q_f∈R^5×5≥0表示噪声协方差矩阵，R_f∈R^5×1＞0表示量测噪声协方差矩阵，

根据方程(7)-(9)构建连续扩展卡尔曼滤波器

其中，表示状态估计值；K_f＝P_fC^TR^-1∈R^5×5表示滤波增益矩阵；表示黎卡蒂方程，κ≥0表示待设计参数；为f₀在处的一阶偏导数；

步骤3：根据动力学模型(1)，速度子系统转换成以下形式

其中，

定义x₁＝h，x₂＝γ，x₃＝θ_p，x₄＝q，飞行器高度子系统(2)-(5)转换成以下形式

其中，i＝1,2,3，

定义速度跟踪误差其中，V_d表示速度指令；设计控制器为

其中，k_V＞0是控制增益参数，λ_V＞0是待设计的参数；是Nussbaum函数；是θ_V的估计值，θ_V在下一步设计中给出；W_V表示神经网络权值，P_V表示基函数向量，ε_V表示神经网络近似误差；

定义估计误差设计自适应律为

其中，σ_V＞0，μ_V＞0，a_V＞0是待设计参数；

基于高度子系统(12)，利用反步法设计控制器；定义高度跟踪误差其中，x_d＝h_d，h_d表示高度指令；设计虚拟控制量

其中，k₁＞0是控制增益参数，λ₁＞0是待设计参数；是Nussbaum函数；是θ_h的估计值；θ_h和κ_h在后面设计中给出；W₁表示神经网络权值，P₁表示基函数向量，ε₁表示神经网络近似误差；

对于i＝2,3，定义设计虚拟控制器为

其中，k_i＞0是控制增益参数；λ_i＞0是待设计参数；

F_i＝W_i^TP_i+ε_i，W_i表示神经网络权值，P_i表示基函数向量，ε_i表示神经网络近似误差；

定义设计实际控制输入为

其中，k₄0是控制增益参数；λ₄＞0是待设计参数；W₄表示神经网络权值，P₄表示基函数向量，ε₄表示神经网络近似误差；

定义θ_h＝||W_i||²，i＝1,2,3,4，设计自适应律为

其中，σ_h＞0，μ_h＞0，a_h＞0是待设计参数；

步骤4：根据得到的控制输入[Φ,δ_e]返回到飞行动力学模型(1)-(5)中，实现高度和速度的稳定跟踪控制。