[发明专利]考虑输入饱和的飞行器鲁棒跟踪控制方法

权利要求书

1.一种考虑输入饱和的飞行器鲁棒跟踪控制方法，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，V、h、γ、α和q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；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；Φ，δ_e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；

步骤3：考虑输入饱和，Φ＝sat(u₁),δ_e＝sat(u₂)

其中，分别表示Φ和δ_e的上界和下界；

将饱和函数转换成连续的线性函数

sat(u_i)＝B_i(t)u_i(t)+K_i(0)+Δ_i(t) (12)

其中，i＝1,2，Δ_i(t)＝sat(u_i)-K_i(u_i)，

定义X_h＝[x₁ x₂ x₃]^T，其中由于γ很小，令方程(2)中的sinγ＝γ；同理，由于Tsinα＜＜L，方程(3)中的Tsinα省略；

定义高度跟踪误差其中，h_r表示期望高度，根据动力学(2)和PID控制方法得到航迹角指令为

其中，k_ph和k_ih由设计者给出的正常数；

根据动力学模型(2)-(5)和饱和函数(12)，姿态系统转换成以下严格反馈形式

其中，f_i＝f_i0+Δf_i,i＝1,3，Δf_i表示模型不确定，D₃(t)＝g₃(K₂(0)+Δ₂(t))，G₃(t)＝g₃B₂(t)，

基于严格反馈系统(14)，利用反步法设计控制器；定义误差e₁＝x₁-x_d，其中，x_d＝γ_d；根据严格反馈系统(14)，则其中，W₁^*表示最优估计权值，ε₁表示神经网络近似误差，且满足设计虚拟控制器

其中，表示神经网络最优权值估计；P₁表示基函数向量；表示的估计值；ω₀和k₁表示设计的正常数，由设计者给出；

设计一阶滤波器为

其中，表示滤波后的指令，参数a₂＞0由设计者给出；

定义神经网络估计误差鲁棒估计误差设计更新律

其中，τ₁，m₁，ρ₁和σ₁表示设计的正常数；

定义误差设计虚拟控制量

其中，k₂表示控制参数；

设计一阶滤波器为

其中，表示滤波后的指令，a₃＞0由设计者给出；

定义误差根据严格反馈系统(14)，则其中，表示最优估计权值，ε₃表示神经网络近似误差，ε_h＝ε₃+D₃(t)，且满足设计控制量u₂为

u₂＝N(ξ_h)v₂ (20)

其中，表示Nussbaum函数，表示的估计值，参数k₃＞0由设计者给出；

定义神经网络估计误差鲁棒估计误差设计更新律

其中，τ₃，m₃，ρ₃和σ₃是正常数；

根据动力学模型(1)和饱和函数(12)，速度子系统写成以下形式

其中，f_v(X)＝f_v0(X)+Δf_v，G_v(t)＝g_vB₁(t)，D_v(t)＝g_v(K₁(0)+Δ₁(t))，Δf_v表示模型不确定性；

定义误差其中，V_d表示期望速度；根据速度子系统方程(22)，则其中，表示最优估计权值，ε_v表示神经网络近似误差，ε_D＝ε_v+D_v(t)，且满足设计控制量u₁为

u₁＝N(ξ_v)v₁ (23)

其中，表示Nussbaum函数，表示的估计值，参数k₀＞0由设计者给出；

定义神经网络近似误差鲁棒估计误差设计更新律

其中，τ₀，m₀，ρ₀和σ₀是正常数；

步骤4：根据控制输入u₁和u₂，得到实际控制量Φ＝sat(u₁),δ_e＝sat(u₂)，并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。