[发明专利]一种基于预见控制的舰载机自动着舰控制方法

权利要求书

1.一种基于预见控制的舰载机自动着舰控制方法，其特征在于，包括如下步骤：

(1)甲板运动预测值计算

有甲板运动的离散模型：

式中x_k为t_k时刻的甲板运动状态量，x_k-1为t_k-1时刻的甲板运动状态量，v_k为观测噪声，Φ_k,k-1为状态向量x从t_k-1时刻转移到t_k时刻的转移矩阵，A为甲板运动的系统矩阵，T_s为采样时间，Γ_k,k-1为t_k-1时刻的噪声向量w_k-1对t_k时刻的状态向量x_k影响的噪声系数矩阵，其方差阵为Q_k-1，B为甲板运动的输入矩阵，w_k-1为系统动态噪声，z_k为t_k时刻的甲板运动观测量，H_k为观测系数矩阵，其方差阵为R_k；

根据离散模型(1)，基于粒子滤波设计甲板运动预估方法流程如下：

1)由先验概率P(x₀)产生粒子群粒子群的所有粒子权值为1/N；

2)预测：由k-1时刻的粒子利用系统状态方程，得到k时刻的预测粒子

3)权值更新：根据k时刻的观测向量机预测粒子，利用更新每个粒子的权值；进而对权值进行归一化处理：其中：为k时刻第j个粒子的权值，为k-1时刻第j个粒子的权值，为先验概率，为归一化处理后k时刻第j个粒子的权值；

4)重采样：根据的权值重新采样得到粒子并重置权值均为1/N；

5)k时刻状态估计：同时令k＝k+1，若k小于设定阈值，返回到第2)步，否则到第6)步；

6)甲板运动信息x_k在未来τ时刻的最优估计值的表达式为其中m＝τ/T_s，τ为未来时刻，为k时刻状态估计值，状态转移阵

(2)计算修正后的舰载机下滑基准轨迹

第一步，舰载机捕获下滑道，已知初始下滑高度-Z_EA0、下滑角γ_c、下滑速度V_c，计算着舰时间t_d

和下滑道长度R_A

第二步，计算以理想着舰点为原点的地面坐标系下的三维下滑基准轨迹

其中：t为时间，t_d为着舰时间，X_EATDc(t)为舰载机的前向坐标位置，Y_EATDc(t)为舰载机的侧向坐标位置，Z_EATDc(t)为舰载机的高度坐标位置，H_EATDc(t)为舰载机的高度值，因为坐标系的高度坐标向下为正，所以Z_EATDc(t)＝-H_EATDc(t)，(ψ_S+λ_ac)为舰船跑道或下滑道的方位角，其中ψ_S为舰船方位角，λ_ac为斜角甲板夹角；

第三步，叠加甲板预估器输出的预估的甲板运动的沉浮高度与横荡距离，得到修正后的舰载机下滑基准轨迹；

(3)计算纵向飞行控制律和横侧向飞行控制律

第一步计算纵向飞行控制律，已知飞机的纵向离散化模型：

Δx_lon(k+1)＝A_lonΔx_lon(k)+B_wlonΔw_lon(k)+B_lonΔu_lon(k)

其中，A_lon为飞机的纵向状态方程的系统矩阵，B_wlon为干扰矩阵，B_lon为输入矩阵，Δx_lon(k)为[ΔV(k) Δα(k) Δq(k) Δθ(k) ΔH(k)]^T，ΔV(k)为k时刻的速度变化量，Δα(k)为k时刻的迎角变化量，Δq(k)为k时刻的俯仰角速率变化量，Δθ(k)为k时刻的俯仰角变化量，ΔH(k)为k时刻的高度变化量；Δu_lon(k)为[Δδ_T(k) Δδ_e(k)]^T，Δδ_T为k时刻的油门变化量，Δδ_e为k时刻的升降舵变化量，Δw_lon(k)为纵向舰尾流干扰变化量；

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中X_lon(k)＝[H_er(k) x_lon(k) H_R(k) v_lon(k)]^T,H_er(k)是k时刻加入甲板运动预测修正后的高度误差,x_lon(k)为飞机纵向状态量，是高度差向量，其中为k时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，H_r(k)是k时刻的加入甲板运动预测修正后的下滑道高度预见值，M_rlon是纵向的预见步长；为k+1时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，为k+M_rlon时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，是误差积分，v_lon(0)为可调初始误差值，w_lon(k)是k时刻飞机受到的纵向舰尾流干扰，u_lon(k)为飞机的纵向控制量，H_er(j)为是j时刻加入甲板运动预测修正后的高度误差，W_1lon,W_2lon,W_3lon是调节参数,Z_1lon(k),Z_2lon(k),Z_3lon(k)为三个广义输出，G_lon为扩展方程的输出矩阵，F_lon为扩展方程的状态矩阵，H_wlon为扩展方程的干扰矩阵，A_lon为飞机的纵向状态方程的系统矩阵，B_wlon为干扰矩阵，B_lon为输入矩阵；

寻找控制信号Δu_blon，使得控制性能指标J_lon最小化，

所得控制律为：

其中：u_blon(k)为k时刻的控制输入量，k_elon，k_xlon，k_vlon，k_wlon，为控制律增益，M_rlon是纵向的预见步长，x_lon^*为平衡点处的状态量，u_lon^*为平衡点处的控制量，H_er(s)为是s时刻加入甲板运动预测修正后的高度误差，为k+i时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，w_lon(k)为k时刻的纵向舰尾流干扰；

k_wlon＝-R_lon^-1(G_lonP_lonH_wlon),

R_lon＝W_2lon^TW_2lon+G_lon^TP_lonG_lon

其中：R_lon为中间计算变量；

P_lon是下面的离散代数Riccati方程的稳态解：

其中为控制律增益矩阵；

第二步计算横侧向飞行控制律，已知飞机的横侧向离散化模型：

Δx_lat(k+1)＝A_latΔx_lat(k)+B_wlatΔw_lat(k)+B_latΔu_lat(k)

其中，A_lat为飞机的横侧向状态方程的系统矩阵，B_wlat为干扰矩阵，B_lat为输入矩阵，Δx_lat(k)为[Δβ(k) Δp(k) Δr(k) Δφ(k) Δψ(k) Δy(k)]^T，Δβ(k)为k时刻的侧滑角变化量、Δp(k)为k时刻的滚转角速率变化量、Δr(k)为k时刻的偏航角速率变化量、Δφ(k)为k时刻的滚转角变化量、Δψ(k)为k时刻的偏航角变化量，Δy(k)为k时刻的侧偏量，Δu_lat(k)为[Δδ_a(k) Δδ_r(k)]^T，Δδ_a(k)为k时刻的副翼偏转变化量，Δδ_r(k)为k时刻的方向舵偏转变化量，Δw_lat(k)为k时刻的横侧向舰尾流干扰变化量；

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中X_lat(k)＝[y_er(k) x_lat(k) y_R(k) v_lat(k)]^T,y_er(k)是k时刻加入甲板运动预测修正后的横向偏差,x_lat(k)是飞机横侧向状态量，是侧偏差向量，其中为k时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，y_r(k)是k时刻的加入甲板运动预测修正后的参考横向偏差信息，M_rlat是横侧向的预见步长，为k+1时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，为k+M_rlon时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，是侧偏积分，v_lat(0)是初始侧偏，w_lat(k)为k时刻的横侧向舰尾流干扰，u_lat(k)是k时刻横侧向控制输入量；

W_1lat,W_2lat,W_3lat是调节参数；Z_1lat(k)，Z_2lat(k)，Z_3lat(k)为三个广义输出，G_lat为扩展方程的输出矩阵，F_lat为扩展方程的状态矩阵，H_wlat为扩展方程的干扰矩阵，A_lat为飞机的横侧向状态方程的系统矩阵，B_wlat为干扰矩阵，B_lat为输入矩阵；

寻找控制信号Δu_blat，使得控制性能指标J_lat最小化

所得控制律为：

其中：u_blat(k)为k时刻的控制输入量，k_elat，k_xlat，k_vlat，k_wlat，为控制律增益，M_rlat是横侧向的预见步长，x_lat^*为平衡点处的状态量，u_lat^*为平衡点处的控制量，y_er(s)为s时刻加入甲板运动预测修正后的侧偏误差，为k+i时刻与k+M_rlon时刻的加入甲板运动预测修正后的侧偏之差，w(k)为舰尾流干扰，

k_wlat＝-R_lat^-1(G_latP_latH_wlat),

R_lat＝W_2lat^TW_2lat+G_lat^TP_latG_lat，

其中：R_lat为中间计算变量；

P_lat是下面的离散代数Riccati方程的稳态解：

其中为控制律增益矩阵。