[发明专利]一种刚性飞行器的非奇异固定时间神经网络控制方法

说明书

一种刚性飞行器的非奇异固定时间神经网络控制方法，针对具有集中不确定性的刚性飞行器姿态跟踪问题，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，实现飞行器系统的姿态跟踪误差和角速度误差固定时间一致最终有界的控制。

技术领域

本发明涉及一种刚性飞行器的非奇异固定时间神经网络控制方法，特别是存在外部干扰和转动惯量矩阵不确定的刚性飞行器姿态跟踪控制方法。

背景技术

刚性飞行器姿态控制系统在刚性飞行器的健康，可靠的运动中扮演着重要的角色。在复杂的航天环境中，刚性飞行器姿态控制系统会受到各种外部干扰以及转动惯量矩阵不确定的影响。为了有效维持系统的性能，需要使其对外部干扰以及转动惯量矩阵不确定具有较强的鲁棒性。滑模变结构控制作为一种典型的非线性控制方法能够有效改善刚性飞行器的稳定性和操纵性，并且具有较强的鲁棒性，从而提高执行任务的能力。因此，研究刚性飞行器姿态控制系统的滑模变结构控制方法具有十分重要的意义。

滑模控制在解决系统不确定性和外部扰动方面被认为是一个有效的鲁棒控制方法。滑模控制方法具有算法简单、响应速度快、对外界噪声干扰和参数摄动鲁棒性强等优点。终端滑模控制是一种可以实现有限时间稳定性的传统滑模控制的改进方案。然而，现存的有限时间技术估计收敛时间需要知道系统的初始信息，这对于设计者是很难知道的。近年来，固定时间技术得到了广泛的应用，固定时间控制方法与现存的有限时间控制方法相比，具有无需知道系统的初始信息，也能保守估计系统的收敛时间的优越性。

神经网络是线性参数化近似方法的中一种，可以被任意的其他近似方法取代，比如RBF神经网络，模糊逻辑系统等等。利用神经网络逼近不确定的性质，有效的结合固定时间滑模控制技术，减少外部干扰及系统参数不确定性对系统控制性能的影响，实现刚性飞行器姿态的固定时间控制。

发明内容

为了克服现有的刚性飞行器姿态控制系统存在的未知非线性问题，本发明提供一种刚性飞行器的非奇异固定时间神经网络控制方法，并且在系统存在外部干扰和转动惯量不确定的情况下，实现系统姿态跟踪误差和角速度误差的固定时间一致最终有界的控制方法。

为了解决上述技术问题提出的技术方案如下：

一种刚性飞行器的非奇异固定时间神经网络控制方法，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；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刚性飞行器系统期望的运动学方程为：