[发明专利]考虑攻角约束的高超声速飞行器自适应容错控制方法

摘要

本发明公开了一种考虑攻角约束的高超声速飞行器自适应容错控制方法，用于解决现有高超声速飞行器控制方法实用性差的技术问题。技术方案是将飞行器攻角限制在给定范围内，保证超燃冲压发动机的正常工作；针对执行器故障情形，给出了鲁棒自适应调整控制策略，利用冗余控制机构有效补偿失效带来的影响以保证系统的安全性。针对模型不确定性。本发明结合限幅设计与Barrier型李雅普诺夫函数给出控制器，可确保攻角能够被约束在给定范围内，保证超燃冲压发动机正常工作。通过神经网络学习处理模型不确定性代替线性参数化处理，简化了模型分析，便于实际应用。针对执行器故障情形，利用冗余控制机构有效自适应补偿故障带来的影响，实用性好。

主权项

1.一种考虑攻角约束的高超声速飞行器自适应容错控制方法，其特征在于包括以下步骤：步骤一、建立高超声速飞行器纵向通道动力学模型：其中，表示动压，ρ表示空气密度，均为气动参数，表示平均气动弦长，S表示气动参考面积；V表示速度，γ表示航迹倾角，h表示高度，α表示攻角，q表示俯仰角速度；其中u＝[u₁,u₂,…,u_n]^T为待设计的n个舵面偏转角，为未知故障参数，δ＝diag{δ₁,δ₂,…,δ_n}，当第i个执行器出现故障时取δ_i＝1，否则取δ_i＝0，λ＝[λ₁,λ₂,…,λ_n]^T为未知参数；Φ为节流阀开度；T、D、L和M_yy分别代表推力、阻力、升力和俯仰转动力矩；m、I_yy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离；步骤二、定义高度跟踪误差e_h＝h‑h_d，设计航迹角指令γ_d：式中，h_d为高度指令，为高度指令的一阶微分，k_h>0，k_i>0；考虑巡航段航迹角变化小，航迹角指令的一阶微分取为零；取x₁＝γ，x₂＝α，x₃＝q；可将式(3)‑(5)写成如下严格反馈形式：其中，f_i,g_i,i＝1,2,3为根据高超声速飞行器模型得到的未知非线性函数；g₁＝ω_g1θ_g1，g₂＝1，g₃＝ω_g3θ_g3，其中为已知项，为未知气动参数项；步骤三、定义航迹角跟踪误差：e₁＝x₁‑γ_d                 (8)设计攻角虚拟控制量：式中，k₁＞0；为由RBF神经网络得到的f₁估计值，其中为神经网络最优权重向量的估计值，θ₁为RBF函数向量；其中为θ_g1的估计值；定义建模误差：其中由下式得到：其中η₁＞0由设计者给出；设计自适应律如下：其中γ₁＞0、γ_z1＞0、δ₁＞0；设计自适应律如下：其中为了使攻角满足给定的约束条件，令x_2c通过如下的饱和环节获得x_2cl：其中，x_2cm为x_2c上界；设计一阶滤波器如下：式中x_2d为x_2cl通过公式(15)所表达的滤波器后获得的信号，α₂＞0；定义攻角跟踪误差：e₂＝x₂‑x_2d               (16)构造Barrier李雅普诺夫函数其中k_b为误差e₂的上界；设计俯仰角速率虚拟控制量：式中，k₂＞0，为由RBF神经网络得到的f₂估计值，其中为神经网络最优权重向量的估计值，θ₂为RBF函数向量；定义建模误差：其中由下式得到：其中η₂＞0；设计自适应律如下：其中γ₂＞0、γ_z2＞0、δ₂＞0；设计一阶滤波器如下：式中x_3d为x_3c通过公式(21)所表达的滤波器后获得的信号，α₃＞0；定义俯仰角速率跟踪误差：e₃＝x₃‑x_3d              (22)设计辅助信号u^*如下：式中，k₃＞0；为由RBF神经网络得到的f₃估计值，其中为神经网络最优权重向量的估计值，θ₃为RBF函数向量；其中为θ_g3的估计值；设计各舵面偏转如下：其中自适应律如下：其中Γ_1i＞0与Γ_2i＞0，sgn(g₃)为g₃的符号函数，此处g₃符号已知；定义建模误差：其中由下式得到：其中η₃＞0；设计自适应律如下：其中γ₃＞0、γ_z3＞0、δ₃＞0；设计自适应律如下：其中步骤四、定义速度跟踪误差：式中，V_d为速度指令；设计节流阀开度如下：式中，k_pV＞0、k_iV＞0、k_dV＞0；步骤五、根据得到的各舵偏角u_i和节流阀开度β，返回到高超声速飞行器的动力学模型(1)‑(5)，对高度和速度进行跟踪控制。