[发明专利]基于固定时间自适应神经网络的直升机系统控制方法

权利要求书

1.一种基于固定时间自适应神经网络的直升机系统控制方法，其特征在于，包括：

S1、根据拉格朗日力学模型，建立在实际工程应用中直升机系统的动力学模型；

S2、定义跟踪误差变量，设计辅助控制变量；

S3、采用径向基函数神经网络估计直升机系统中的不确定项；

S4、设计直升机系统的控制器和自适应律；

S5、建立李雅普诺夫函数；

S6、通过分析李雅普诺夫函数，证明所述直升机系统的稳定性；

S7、通过Matlab平台进行仿真，分析仿真结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：

根据拉格朗日力学模型，建立在实际工程应用中直升机系统的动力学模型；

其中，J_f和J_d分别是俯仰运动和偏航运动的转动惯量，D_f和D_d是粘性摩擦系数，K_pp是俯仰螺旋桨中作用于俯仰轴上的扭矩推力增益，K_py是偏航螺旋桨中作用于俯仰轴上的扭矩推力增益，K_yp是俯仰螺旋桨中作用于偏航轴上的扭矩推力增益，K_yy是偏航螺旋桨中作用于偏航轴上的扭矩推力增益，α代表是俯仰角，β代表的是偏航角，l_v表示距离机身固定框架远点的质心距离，m_a表示直升机的质量，g表示重力加速度，V_f和V_d分别表示控制俯仰和偏航运动的电机电压输入；

定义直升机系统的输出向量为p＝[p₁,p₂]^T，其中p₁＝[α,β]^T，将所述升机系统的动力学模型简化为：

y＝p₁ 公式5；

其中，ΔG(p₁,p₂)和ΔH(p₁,p₂)是系统的不确定项，U＝[V_f,V_d]^T是控制器的输入，y是系统的输出，Q(p₁,p₂)和P(p₁,p₂)表示为：

3.根据权利要求2所述的方法，其特征在于，所述步骤S2具体包括：

定义所述直升机系统的跟踪误差e₁和e₂：

e₁＝p₁-p_d 公式8；

e₂＝p₂-γ 公式9；

其中p_d是直升机系统的俯仰角和偏航角的期望轨迹，γ是辅助控制变量，定义为：

其中k₁₁和k₁₂是一个正的设计参数，是期望轨迹对时间的导数。

4.根据权利要求3所述的方法，其特征在于，所述步骤S3具体包括：

ΔG(p₁,p₂)和ΔH(p₁,p₂)是所述直升机系统的不确定项，再次化简为：

其中，R使用径向基函数神经网络来估计其中的不确定项；

R(p,U)＝Φ^*TΞ(Z)+ξ(Z) 公式12；

其中，Φ^*表示神经网络的理想权重，Ξ(Z)表示径向基向量的高斯函数，Z表示神经网络的输入向量，ξ(Z)是神经网络的近似误差，满足其中是一个未知的正常数；定义其中是神经网络的权重误差，是神经网络估计的权重。