[发明专利]基于模糊聚类的飞翼无人机的包线划分以及增益调度方法

说明书

本发明公开了一种基于模糊聚类的飞翼无人机包线划分及增益调度方法，解决常规线性插值增益调度机制无法应对无人机大包线非线性特性的难题。该方法采用模糊聚类算法，获取无人机典型飞行状态和隶属度矩阵，确定最优的飞行包线划分机制；选择速度和动压作为调度变量，设计基于Sigmoid型隶属度函数的T‑S模糊增益调度策略。该方法实现了无人机控制增益的连续输出和平稳过渡，保证无人机在全包线范围内的稳定飞行控制。

技术领域

本发明涉及一种新的飞翼无人机包线划分及控制增益调度方法，属于航空器飞行控制技术领域。

背景技术

飞翼无人机飞行包线大，气动力和力矩随高度和动压的变化范围大，非线性和未建模动态特性严重影响飞行控制的品质和稳定性，传统固定控制结构和控制参数的方法已经不能满足飞翼无人机的控制需求。飞翼无人机全包线内飞行过程中的非线性问题迫切需要解决。

线性增益调度解决了固定控制律适应性差的问题，但仍存在以下亟待解决的问题：如何选择典型工作点，传统方法是通过试凑来选择工作点，这种做法既耗费时间又极其依赖设计者的经验；如何调度控制器参数，通过线性插值得到控制器参数的方法，由于无人机存在未建模动态特性，在某些飞行状态下控制品质较差甚至出现不稳定情况。因此，迫切需要提出一种能针对飞翼无人机进行自动包线划分和平滑增益调度的控制策略。

发明内容

发明目的：针对上述现有技术，提出一种基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，实现无人机包线的自动划分和飞行控制增益的平滑和连续输出，以保证无人机在全包线范围内的稳定飞行控制。

技术方案：基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，包括如下步骤：

步骤1：将无人机飞行包线根据速度、高度进行等梯度取样，选择每个样本点对应的系统矩阵作为飞行包线的飞行状态样本集；

步骤2：根据划分有效性指标确定最优的模糊聚类算法参数：聚类中心数和模糊指数；

步骤3：利用模糊聚类算法对飞行包线样本集划分得到典型的飞行状态和隶属度矩阵；

步骤4：基于步骤3的包线划分结果，选取速度和动压作为飞行控制律的调度变量；

步骤5：选取Sigmoid型隶属度函数修正由模糊聚类得到的速度和动压的隶属度曲线；

步骤6：根据T-S模糊增益调度算法计算最优控制增益。

进一步的，所述步骤1中，无人机的状态空间表示为

其中，x表示状态变量，u表示控制变量，y表示输出量，A表示系统矩阵，B表示控制矩阵，C表示输出矩阵，D表示前馈矩阵；

选择每个样本点对应的A阵作为飞行包线划分样本。

进一步的，所述步骤2中，划分有效性指标包括划分系数PC、划分指数SC、划分熵CE和Xie-Beni指数，其数学表达式为：

其中，c表示聚类中心数，N表示样本数据集大小，μ_ik表示第k个样本相对第i个聚类中心的隶属度值，m表示模糊度指数，X_k表示第k个数据样本，V_i表示第i个聚类中心，V_j表示第j个聚类中心；

通过对比不同聚类中心数和模糊度指数下划分有效性指标的大小，选择最优的包线划分聚类中心数和模糊度指数。