[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

说明书

本发明涉及一种基于改进EKF状态观测器的飞行器自适应跟踪控制方法，属于飞行控制方法领域，用于解决飞行器存在随机测量噪声以及模型不确定性下的飞行器跟踪控制问题。考虑系统状态含有随机测量噪声，基于飞行器动力学模型和测量信号构建系统状态方程和量测方程，利用改进的EKF滤波器实现系统估计值的快速收敛；基于状态估计值，针对系统模型不确定设计自适应律，并通过最小参数估计方法估计神经网络权值向量的最大范数，基于Nussbaum函数设计实际控制输入，最终实现速度和高度的跟踪。本发明在考虑系统含有测量噪声的情况下实现了状态估计的快速收敛，并同时保证了飞行器在模型不确定下实现速度和高度的跟踪控制，具有工程应用参考价值。

技术领域

本发明涉及一种飞行控制方法，特别是涉及基于改进EKF状态观测器的飞行器自适应跟踪控制方法，属于飞行控制方法领域。

背景技术

飞行控制系统设计是保证飞机安全飞行的重要基础。反步法常用于高阶飞行控制系统的设计，它通过设计中间虚拟控制量以递推的方式得到实际控制量，结构简单，但存在“复杂度爆炸”问题。为解决这个问题，动态面以及指令滤波被提出。此外，考虑实际系统存在模型不确定性，神经网络和模糊逻辑可以对任意非线性函数进行有效近似，因此常用于控制系统的设计。目前，大部分飞行控制方法都是基于系统状态可获得的假设条件，在实际工程中，由于传感器对环境变化敏感以及其固件自身磨损和老化，系统状态存在测量噪声。扩展卡尔曼滤波器(Extended Kalman Filter，EKF)可以基于已有测量信息实现系统真实状态估计，但收敛速度受到模型舍入误差和噪声大小的影响，较慢的收敛速度会降低系统控制性能。

《Unscented Kalman filter state estimation for manipulating unmannedaerial vehicles》(H.Bonyan Khamseh,S.Ghorbani,F.Janabi-Sharifi，《AerospaceScience and Technology》，2019年)分别设计了EKF和UKF实现系统状态估计，并基于状态估计值设计性能指标最优控制器实现稳定跟踪，仿真结果表明采用UKF和EKF都可以实现状态有效估计，并保证系统稳定跟踪。但是，EKF和UKF状态观测器的收敛速度受到初值和模型误差的影响，当考虑模型不确定时，系统的鲁棒性降低，达不到期望的控制效果。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于改进EKF状态观测器的飞行器自适应跟踪控制方法，以解决飞行器状态存在随机噪声以及模型不确定性时的跟踪控制问题。

技术方案

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