[发明专利]一种基于模型修正的固定翼无人机姿态自适应控制方法

权利要求书

1.一种基于模型修正的固定翼无人机姿态自适应控制方法，其特征在于：包括以下步骤：

步骤1：同时考虑模型不确定性与未知外部干扰，构建固定翼无人机姿态非线性模型，利用参考模型与无人机姿态非线性模型的输出信息，设计一个修正项，对参考模型进行修正；

步骤2：将无人机期望姿态角信息、参考模型与无人机姿态非线性模型的输出信息，作为径向基函数神经网络输入，得到模型不确定性逼近值；

步骤3：基于步骤2得到的模型不确定性逼近值，利用无人机姿态非线性模型的输出信息与控制输入信息，设计扩张状态观测器，并得到干扰估计值；

步骤4：基于步骤2与步骤3得到的模型不确定性逼近值和干扰估计值，设计无人机姿态控制器和神经网络自适应律。

2.根据权利要求1所述的基于模型修正的固定翼无人机姿态自适应控制方法，其特征在于：在步骤1中，考虑模型不确定性和未知外部干扰，固定翼无人机姿态非线性模型如公式(1)所示：

式中，X＝[γ θ ψ]^T为姿态角向量，其中γ、θ、ψ分别为无人机的滚转角、俯仰角和偏航角，f_X为模型中已知部分，Δf_X为模型不确定性，u为控制输入，d为未知外部干扰，g_X为控制输入增益矩阵，其表达式为：

式中，Q为自由流的动压，S为无人机机翼面积，L为机翼翼展，b_A为机翼平均气动弦长，I_x、I_y、I_z为转动惯量，I_xy为惯性积，为副翼舵面效率，为方向舵舵面效率，为升降舵舵面效率；

考虑式(1)中无人机姿态非线性模型，定义跟踪误差：

式中，为姿态角向量与参考模型输出向量之间的误差，为期望姿态角向量与参考模型输出向量之间的误差；X_d为期望姿态角向量，X为姿态角向量，X_r为参考模型的输出向量；

设计如下参考模型：

式中，λ＞0，λ为设计参数；

由式(3)和式(4)中的跟踪误差及其导数，得到误差函数：

式中，分别为跟踪误差的导数；ξ、ξ_rd分别为跟踪误差的误差函数；据误差函数ξ设计一个修正项aξ，对式(5)所示的参考模型进行修正，修正后的参考模型为：

式中，a＞0，a为设计参数；当控制输入饱和发生时，无法满足实际的控制输入需求，导致跟踪误差变大，此时，修正项aξ也随之增大，对参考模型进行调节，使参考模型输出X_r发生变化，减小与姿态角向量X之间的误差，所需控制输入也随之减小，能满足实际控制输入需求，使无人机退出饱和区；从式(8)中可看出，当跟踪误差消失时，则误差函数ξ也随之消失，修正的参考模型(8)将变为最初形式(5)，因此，无人机不仅渐进跟踪修改后的参考模型，而且渐进跟踪原参考模型。

3.根据权利要求2所述的基于模型修正的固定翼无人机姿态自适应控制方法，其特征在于：在步骤2中，针对无人机姿态非线性模型中的不确定性Δf_X，设计使用RBF神经网络进行逼近，RBF神经网络算法为：

Δf_X＝W^*Th(Γ)+ε (10)；

式中，h_j为隐含层j^th个神经元的输出，exp表示以e为底数括号内为指数的对数，Γ＝[Γ₁,…,Γ_n]^T为网络的输入向量，c_j＝[c_j1,…,c_jn]为网络j^th个神经元高斯基函数的中心矢量，b_j为j^th个神经元高斯基函数的宽度；W^*为神经网络理想权值，h＝[h₁(Γ),…,h_m(Γ)]^T为神经网络隐含层输出，ε为逼近误差；

选取输入为神经网络输出为：

式中，为神经网络估计权值；即为不确定性Δf_X的逼近值。