[发明专利]基于切换机制的飞行器全局有限时间神经网络控制方法

摘要

本发明涉及一种基于切换机制的飞行器全局有限时间神经网络控制方法，属于飞行器控制领域，用于解决飞行器全局神经网络控制问题。该方法首先将飞行器纵向模型解耦为高度子系统和速度子系统，针对高度子系统采用反步法控制，针对速度子系统采用PID控制。对高度子系统，引入切换机制实现有效逼近域内神经网络控制和逼近域外鲁棒控制之间的切换，同时基于跟踪误差和建模误差对神经网络权重进行更新，提高神经网络的学习性能，在此基础上给出鲁棒设计方案，可实现系统跟踪误差的有限时间收敛。本发明保证飞行器神经网络控制始终在有效逼近域内工作，实现闭环系统全局稳定性，保证实际工程应用的性能要求。

主权项

1.一种基于切换机制的飞行器全局有限时间神经网络控制方法，其特征在于步骤如下：步骤1：考虑飞行器纵向通道动力学模型：所述的动力学模型由五个状态量X＝[V,h,γ,α,q]^T和两个控制输入U＝[δ_e,Φ]^T组成；其中，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，δ_e表示舵偏角，Φ表示节流阀开度；T、D、L和M_yy分别表示推力、阻力、升力和俯仰转动力矩；m、I_yy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度；力、力矩以及各系数的表达式分别为：T＝T_Φ(α)Φ+T₀(α)≈(β₁Φ+β₂)α³+(β₃Φ+β₄)α²+(β₅Φ+β₆)α+(β₇Φ+β₈)，其中，表示动压，ρ表示空气密度，表示平均气动弦长，z_T表示推力矩臂长，S表示气动参考面积，和β_(·)均表示气动参数；步骤2：定义高度跟踪误差为e_h＝h‑h_d，设计航迹角指令γ_d为：其中，h_d表示高度参考指令，表示高度参考指令的一阶微分，k_h>0和k_i>0为设计参数；根据时标分离，将速度看作慢动态，设计航迹角指令的一阶微分为：其中，表示高度参考指令的二阶微分；取x₁＝γ，x₂＝θ，x₃＝q，其中θ＝α+γ，因为Tsinα远远小于L，在控制器设计过程中忽略；姿态子系统(3)‑(5)写为以下严格反馈形式：其中，f_i，i＝1,3是根据飞行器模型得到的未知平滑非线性函数，满足其中是已知函数；g_i＝ω_giθ_gi，i＝1,3是根据飞行器模型得到的未知平滑非线性函数，ω_gi未知，θ_gi已知，满足其中和是已知常数；设计切换函数为：其中，其中，λ_i2>λ_i1>0，i＝1,2,3表示神经网络有效逼近未知非线性函数f_i的紧子集边界由设计者给定，b>0和τ_k>0为设计参数；步骤3：定义航迹角跟踪误差为：e₁＝x₁‑γ_d                               (11)设计俯仰角虚拟控制量为：式中，表示g₁的估计值，表示的估计值，表示根据(9)设计的切换函数，k₁>0，l₁>0和0<υ₁<1为设计参数；设计自适应神经网络控制和鲁棒控制为：式中，表示f₁的估计值，表示神经网络最优权重向量的估计值，表示神经网络基函数向量，为设计参数；设计一阶滤波器为：式中，表示通过滤波器(15)后获得的信号，为滤波后得到的信号的微分信号，α₂>0为设计参数；定义建模误差为：其中由下式得到：式中，B₁>0为设计参数；设计自适应律为：式中，γ₁>0，γ_z1>0和为设计参数；设计自适应律为：式中，Γ₁>0和为设计参数；定义俯仰角跟踪误差为：设计俯仰角速率虚拟控制量为：式中，k₂>0，l₂>0和0<υ₂<1为设计参数；设计一阶滤波器为：式中，表示通过滤波器(22)后获得的信号，为滤波后得到的信号的微分信号，α₃>0为设计参数；定义俯仰角速率跟踪误差为：设计舵偏角如下：式中，表示g₃的估计值，表示的估计值，表示根据(9)设计的切换函数，k₃>0，l₃>0和0<υ₃<1为设计参数；设计自适应神经网络控制和鲁棒控制为：式中，表示f₃的估计值，表示神经网络最优权重向量的估计值，表示神经网络基函数向量，为设计参数；定义建模误差为：其中由下式得到：式中，B₃>0为设计参数；设计自适应律为：式中，γ₃>0，γ_z3>0和为设计参数；设计自适应律为：式中，Γ₃>0和为设计参数；步骤4：定义速度跟踪误差为：式中，V_d为速度指令；设计节流阀开度Φ为：式中，k_pV>0，k_iV>0和k_dV>0为设计参数；步骤5：根据得到的舵偏角δ_e和节流阀开度Φ，返回到飞行器动力学模型(1)‑(5)，对高度和速度进行跟踪控制。