[发明专利]基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法有效
申请号: | 201410293073.4 | 申请日: | 2014-06-27 |
公开(公告)号: | CN104049640A | 公开(公告)日: | 2014-09-17 |
发明(设计)人: | 周洪成;胡艳 | 申请(专利权)人: | 金陵科技学院 |
主分类号: | G05D1/08 | 分类号: | G05D1/08;G05B13/04 |
代理公司: | 南京众联专利代理有限公司 32206 | 代理人: | 蒋昱 |
地址: | 210000 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 神经网络 观测器 无人 飞行器 姿态 容错 控制 方法 | ||
1.基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法,具体步骤如下,其特征在于:
1)将变量信号 输入给控制层的K1控制器,经过控制层的K1控制器处理后再经过控制层的x1系统控制器,x1系统控制器将从飞行器运动得到的参数x1和从K1控制器得到的变量信号进行相应的处理得到变量信号;
2)控制层的x1系统控制器经过控制层的指令滤波器处理得到变量信号,所述变量信号分两路,所述K1控制器处理得到的变量信号和一路变量信号进行信号叠加处理后经过控制层的滤波误差补偿得到变量信号传送给控制层的x2系统控制器,所述另一路变量信号经过控制层的K2控制器处理后再经过控制层的x2系统控制器;
3)所述x2系统控制器将滤波误差补偿后得到变量信号以及飞行器运动得到的参数x2以及监督层的自适应神经网络观测器所得到的变量信号、、进行处理得到变量信号u;
4) 所述x2系统控制器将处理后的变量信号u传送给飞行器和监督层的自适应神经网络观测器,监督层的自适应神经网络观测器根据所得变量信号u得到对应的变量信号、、并将其反馈给x2系统控制器。
2.根据权利要求1所述的基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法,其特征在于:所述步骤3中自适应神经网络观测器模型如下:
设计自适应律,用于理想权值估计和失效因子的估计,定义,于是针对姿态角速度回路环设计一个自适应神经网络观测器如下,
(2.25)
其中表示损伤因子的估计值,并由如下的自适应律得出:
(2.26)
其中,且是的解,其中,即为一个Hurwitz矩阵。为投影算子[137],其可以确保估计值处于最小值和最大值之间。神经网络权值更新算法如下,
(2.27)
其中为正定矩阵。定义损伤因子估计误差为,神经网络权值估计误差,由观测器方程(2.25)和姿态角速率回路方程(2.22),可以得到观测误差动态方程为:
(2.28)。
3.根据权利要求1所述的基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法,其特征在于:所述步骤2指令滤波器模型如下:
为了方便容错控制器的设计,观测器方程表示为:
(2.31)
其中,定义两个跟踪误差向量为:
(2.32)
(2.33)
,为滤波器的输出。由(2.21)、 (2.31) 、(2.32)和(2.33),可得:
(2.34)
(2.35)
第一步:将作为姿态角度环的理想控制输入,同时选择Lyapunov函数,并得到对时间的导数:
(2.36)
姿态角度环的控制器可以选择为:
(2.37)
其中为待设计的正定常矩阵。将(2.37)代入(2.36)可得:
(2.38)
约束指令滤波器的状态方程表示如下:
(2.39)
其中:,分别表示滤波器的阻尼和带宽,且,;
如果虚拟控制量的幅值和速率大于实际系统所能承受的最大值时,其经过滤波器后的信号必然和滤波器输入的信号之间存在一个误差,在动态面控制方法,由滤波器造成的残差信号并没有加以补偿,导致跟踪信号不能实现全局渐近跟踪,如果引入自适应后,当实际系统不能实现给定的信号跟踪,会造成误差累积而导致系统不稳定甚至发散。为此重新定义跟踪误差,并设计如下:
(2.40)
第二步:考虑观测器(2.31)方程,同时选择如下Lyapunov函数:
(2.41)
对时间的导数为:
(2.42)
设计角速度回路控制器:
(2.43)
其中为待设计的正定常矩阵。将(2.43)代入(2.42)可得:
(2.44)
由定理2.1,可知,利用利用Barbalat引理,可得,于是进一步得到,和。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于金陵科技学院,未经金陵科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410293073.4/1.html,转载请声明来源钻瓜专利网。