可变翼高超声速飞行器智能非线性控制系统技术方案

本发明专利技术公开了一种可变翼高超声速飞行器智能非线性控制系统，属于航空航宇推进控制技术领域。本发明专利技术针对可变翼高超声速飞行器的外环稳定跟踪控制问题，并考虑可变翼结构对建模的影响、模型参数不确定和外界未知干扰对跟踪控制性能的影响，根据飞行器的状态变量特性将控制系统划分为三个子系统，利用Backstepping方法依次求取控制信号，并采用RBF神经网络对未知干扰进行逼近，保证控制器的鲁棒性能。进一步地，本发明专利技术还针对虚拟控制信号求导困难和微分膨胀的问题，加入动态面控制思想进行改进。本发明专利技术可以保证闭环系统的全局稳定，并且使系统拥有良好的跟踪性能和鲁棒性能。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种可变翼高超声速飞行器智能非线性控制系统，属于航空航宇推进控制
本专利技术针对可变翼高超声速飞行器的外环稳定跟踪控制问题，并考虑可变翼结构对建模的影响、模型参数不确定和外界未知干扰对跟踪控制性能的影响，根据飞行器的状态变量特性将控制系统划分为三个子系统，利用Backstepping方法依次求取控制信号，并采用RBF神经网络对未知干扰进行逼近，保证控制器的鲁棒性能。进一步地，本专利技术还针对虚拟控制信号求导困难和微分膨胀的问题，加入动态面控制思想进行改进。本专利技术可以保证闭环系统的全局稳定，并且使系统拥有良好的跟踪性能和鲁棒性能。【专利说明】可变翼高超声速飞行器智能非线性控制系统
本专利技术涉及飞行器控制系统，尤其涉及一种可变翼高超声速飞行器智能非线性控 制系统，属于航空航宇推进控制

技术介绍
高超声速飞行器所采用的推进动力是无需自带氧化剂的超声速燃烧冲压式发动 机，气动布局为机体/发动机一体化设计。高超声速飞行器的弹性机体与飞行推进系统之间 存在很强的耦合性，飞行器模型的非线性特性十分严重，飞行过程具有快速时变性，高超声 速飞行器的气动特性变化剧烈，各种不确定性严重，传统的经典控制方法无法很好地满足 飞行控制系统稳定性和强鲁棒性的性能要求。因此要保证飞行控制系统的实时性，鲁棒性 和稳定性，对响应速度和控制精度提出了更高的要求，这极大地推动了先进的控制方法和 控制理论关键技术的发展。 可变翼高超声速飞行器是具有可伸缩小翼的高超声速飞行器，是为了解决起飞爬 升段升力不足、升阻比过小，满足飞行速度和飞行高度包络范围大的特点而设计的一种可 变翼飞行器。可变翼高超声速飞行器兼具高超声速飞行器与可变翼飞行器的特点，可以用 于高空高速飞行，可变翼的特点可以使飞行器根据不同的飞行环境和飞行状态选择伸出或 是收回小翼，一般在低速飞行时伸出小翼，提高升力，在高速飞行时，收回小翼以减小阻力， 减小燃油消耗。 可变翼高超声速飞行器所处的飞行环境、自身复杂多变的气动特性对飞行控制系 统的设计带来了很多技术上的难点。第一，飞行控制系统必须满足稳定性要求。大跨度飞行 包络，严重的外界干扰，弹性形变、高温和低密度流效应等因素会严重影响系统的稳定性。 第二，飞行控制系统必须满足鲁棒性要求。在高动压、高速环境下，各种外界干扰和内部参 数变化要求飞行控制系统必须具有较强的鲁棒性。飞行器的所处大气环境复杂，使得飞行 器异常敏感，时变性强，很容易产生基础结构失真和参数不确定性;第三，强耦合和非线性 特点要求系统的协调控制。可变翼高超声速飞行器多采用乘波体或升力体气动布局以保证 机动飞行的大迎角姿态，采用机体/发动机一体化设计可以保证高速飞行时不解体。第四， 实时性要求。在高速飞行时，飞行参数具有激烈快时变的特征，而气动舵面的控制效果反而 锐减，系统反应时间加长，会出现控制延时问题。在控制器设计时要充分考虑机翼变形的实 时性，控制算法的复杂度，要避免控制参数过多，提高算法的运行速度。第五，要满足约束条 件。飞行控制系统在保证控制精度的同时，还要满足一些约束条件，例如执行机构的饱和约 束、迎角和侧滑角约束，在爬升和再入返回段的热流约束、为保证机体结构强度而设置的动 压约束和过载约束等。 增益预置控制方法在控制系统设计中的应用比较成熟并取得了一定的成果，当非 线性系统变化范围较大时，采用这种方法需要设计多个平衡点，整个控制器的稳定性难以 得到保证。在高超声速飞行器大迎角和高机动状态下，飞行状态呈现强非线性和高耦合性， 增益预置方法无法满足性能指标的要求。 动态逆控制方法通过被控对象非线性耦合特性的准确建模，在线构成非线性耦合 时变控制器，以抵消对象的非线性耦合时变特性，使系统成为伪线性系统。但是动态逆方法 对建模误差敏感，且通常情况下，非线性系统精确建模非常困难，一旦建模与实际系统有差 另IJ，非线性耦合特性的对消就会有影响，导致控制性能的恶化，不能保证鲁棒性。 滑模控制方法通过设计不连续的控制器，迫使系统产生滑动运动模态，一旦系统 进行滑动模态，系统将对不确定性和干扰具有完全不变性。然而，实际系统由于切换装置不 可避免地存在惯性，变结构系统在不同的控制逻辑中来回切换将导致实际滑动模态不是准 确地发生在切换面上，容易引起系统的剧烈抖动，不能保证系统的鲁棒性。 综上可知，对于可变翼高超声速飞行器而言，由于其自身所存在的强非线性以及 飞行环境下的不确定外部扰动，上述现有控制技术均难以达到较好的控制效果。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术不足，提供一种可变翼高超声速飞 行器智能非线性控制系统，可有效解决可变翼高超声速飞行器在强非线性特性和不确定外 部扰动下的飞行控制问题。 本专利技术具体采用以下技术方案解决上述技术问题： -种可变翼高超声速飞行器智能非线性控制系统，用于生成可变翼高超声速飞行 器 的控制输入量U，以保证可变翼高超声速飞行器飞行速度V、飞行高度H能快速跟踪 到输入的飞行速度参考值Vr、飞行高度参考值H r;所述控制系统利用 Backstepping方法设计而成，具体包括依次串联的第一~第三控制子系统以及与 第一~第三控制子系统一一对应的第一~第三神经网络;其中， 第一控制子系统控制律具体如下： I·1! = -^1Z1 - θ^ζχ (.T1, , σ,) + V1.式中，V1为第一控制子系统的输出；Zi为第一控制子系统的跟踪误差;ki为预设系 数;九为参考指令.V,. =R (/)/),.⑴]7'的一阶导数;Wxi，W1)表示第一神经网络在输入 = 17柯下的输出；θυι、σι分别为第一神经网络的权重、中心和宽度； 第二控制子系统控制律具体如下： V2 = -!<-θ,' ζ. {-V,. )-Z1+ fj式中，V2为第二控制子系统的输出；Z2、Z1分别为第二、第一控制子系统的跟踪误 差;k2为预设系数;么为第一控制子系统的输出V1的一阶导数;θ2Τζ 2(Χ2，μ2,〇2)表示第二神经 网络在输入·％ 右T下的输出；θ2、μ2、〇2分别为第二神经网络的权重、中心和宽度；第三控制子系统控制律具体如下： u = Gr'-/-Θ/ /?.,σ-,)- Z2 + \·%)式中，u为第三控制子系统所输出的可变翼高超声速飞行器的控制输入量;G为所 述可变翼高超声速飞行器的控制增益矩阵;Ζ3、Ζ2分别为第三、第二控制子系统的跟踪误差； k3为预设系数；A为第二控制子系统的输出V2的一阶导数；/ = [κΓ" ，κΓ为可变翼 高超声速飞行器初始速度Vo的三阶导数，i/f为可变翼高超声速飞行器初始高度Ho的四阶 导数而以~队^表示第三神经网络在输入力^^^卞下的输出而⑷^分别为第 三神经网络的权重、中心和宽度。 优选地，所述第一~第三神经网络均为RBF神经网络。进一步地，在第二控制子系统、第三控制子系统中分别设置有一个一阶动态滤波 器:第一滤波器、第二滤波器;第二控制子系统利用下式近似计算A i 式中A为第一控制子系统的输出V1经过第一滤波器后的输出，^为第一滤波器的 时间常数； 第三控制子系统利用下式近似计算4 :式中，％为第二控制子系统的输出V2经过第二滤波器后的输出，12本文档来自技高网...

【技术保护点】
一种可变翼高超声速飞行器智能非线性控制系统，用于生成可变翼高超声速飞行器的控制输入量u，以保证可变翼高超声速飞行器飞行速度V、飞行高度H能快速跟踪到输入的飞行速度参考值Vr、飞行高度参考值Hr；其特征在于，所述控制系统利用Backstepping方法设计而成，具体包括依次串联的第一～第三控制子系统以及与第一～第三控制子系统一一对应的第一～第三神经网络；其中，第一控制子系统控制律具体如下：v1=-k1z1-θ1Tζ1(x1,μ1,σ1)+y·r]]>式中，v1为第一控制子系统的输出；z1为第一控制子系统的跟踪误差；k1为预设系数；为参考指令的一阶导数；θ1Tζ1(x1,μ1,σ1)表示第一神经网络在输入下的输出；θ1、μ1、σ1分别为第一神经网络的权重、中心和宽度；第二控制子系统控制律具体如下：v2=-k2z2-θ2Tζ2(x2,μ2,σ2)-z1+v·1]]>式中，v2为第二控制子系统的输出；z2、z1分别为第二、第一控制子系统的跟踪误差；k2为预设系数；为第一控制子系统的输出v1的一阶导数；θ2Tζ2(x2,μ2,σ2)表示第二神经网络在输入下的输出；θ2、μ2、σ2分别为第二神经网络的权重、中心和宽度；第三控制子系统控制律具体如下：u=G-1(-k3z3-f-θ3Tζ(x3,μ3,σ3)-z2+v·2)]]>式中，u为第三控制子系统所输出的可变翼高超声速飞行器的控制输入量；G为所述可变翼高超声速飞行器的控制增益矩阵；z3、z2分别为第三、第二控制子系统的跟踪误差；k3为预设系数；为第二控制子系统的输出v2的一阶导数；为可变翼高超声速飞行器初始速度V0的三阶导数，为可变翼高超声速飞行器初始高度H0的四阶导数；θ3Tζ(x3,μ3,σ3)表示第三神经网络在输入下的输出；θ3、μ3、σ3分别为第三神经网络的权重、中心和宽度。...

【技术特征摘要】

【专利技术属性】
技术研发人员：甄子洋，江驹，吴雨珊，杨政，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32