[发明专利]一种基于神经网络估计的刚性飞行器非奇异固定时间姿态镇定方法

摘要

一种基于神经网络估计的刚性飞行器非奇异固定时间姿态镇定方法，针对具有集中不确定性的刚性飞行器姿态镇定问题，设计了非奇异固定时间滑模面，不仅保证了状态的固定时间收敛，而且解决了奇异值问题；引入神经网络逼近总不确定的函数，设计了非奇异神经网络固定时间控制器。本发明在外界干扰和转动惯量不确定的因素下，实现飞行器系统状态的固定时间一致最终有界的控制。

主权项

1.一种基于神经网络估计的刚性飞行器非奇异固定时间姿态镇定方法，其特征在于：所述方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：其中q_v＝[q₁,q₂,q₃]^T和q₄分别为单位四元数的矢量部分和标量部分且满足分别为映射在空间直角坐标系x,y,z轴上的值；分别是q_v和q₄的导数；为q_v的转置；Ω∈R³是刚性飞行器的角速度；I₃是R^3×3单位矩阵；表示为：1.2刚性飞行器系统的动力学方程为：其中J∈R^3×3是飞行器的转动惯性矩阵；是飞行器的角加速度；u∈R³和d∈R³是控制力矩和外部扰动；Ω^×表示为：1.3转动惯性矩阵J满足J＝J0+ΔJ，其中J0和ΔJ分别表示J的标称部分和不确定部分，则式(4)重新写成：进一步得到：1.4对式(1)进行微分，得到：其中为总不确定的集合；Ω^T为Ω的转置；为q_v的二阶导数；为J₀的逆；表示为：分别为q₁,q₂,q₃的导数；步骤2，针对外部扰动和转动惯量不确定的刚性飞行器系统，设计所需的滑模面，过程如下：选择非奇异固定时间滑模面为：其中，和sgn(q_i)均为符号函数，λ₁＞0,λ₂＞0,a₂＞1，为q_i的导数，i＝1,2,3；定义S＝[S1,S2,S3]T，对S求导，得：将式(8)代入(11)，得：步骤3，设计非奇异神经网络固定时间控制器，过程如下：3.1定义神经网络为：Gi(Xi)＝Wi*TΦ(Xi)+εi    (13)其中为输入矢量，Φ_i(X_i)∈R⁴为神经网络基函数，Wi*∈R4为理想的权值矢量，定义为：其中Wi∈R4为权值矢量，εi为近似误差，满足|εi|≤εN,i＝1,2,3，εN为很小的正常数；arg min{·}为Wi*取其最小值所有的集合；3.2考虑固定时间控制器被设计为：其中为3×3对称的对角矩阵，为W_i的估计值Φ(X)＝[Φ(X₁),Φ(X₂),Φ(X₃)]^T，L＝[L₁,L₂,L₃]^T，Γ＝diag(Γ₁,Γ₂,Γ₃)∈R^3×3为3×3对称的对角矩阵，0＜r₁＜1，r₂＞1，K₁＝diag(k₁₁,k₁₂,k₁₃)∈R^3×3为3×3对称的对角矩阵；K₂＝diag(k₂₁,k₂₂,k₂₃)∈R^3×3为3×3对称的对角矩阵；K₃＝diag(k₃₁,k₃₂,k₃₃)∈R^3×3为3×3对称的对角矩阵；为W_i的估计；3.2设计更新律为：其中γ_i＞0,p_i＞0，为的导数，i＝1,2,3；Φ(X_i)选择为以下的sigmoid函数：其中l₁,l₂,l₃和l₄为近似参数，Φ(X_i)满足0＜Φ(X_i)＜Φ₀，并且步骤4，固定时间稳定性证明，过程如下：4.1证明刚性飞行器系统所有信号都是一致最终有界，设计李雅普诺夫函数为如下形式：其中S^T是S的转置；是的转置；对式(18)进行求导，得到：其中min{·}表示最小值；||·||表示值的二范数；则判定刚性飞行器系统所有信号都是一致最终有界的；4.2证明固定时间收敛，设计李雅普诺夫函数为如下形式：对式(20)进行求导，得到：其中υ₂为一个大于零的上界值；基于以上分析，刚性飞行器系统状态在固定时间一致最终有界。