[发明专利]一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法

说明书

本发明公开了一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，包括以下步骤：步骤1、建立固定翼无人机纵向运动动力学模型；步骤2、设计动态补偿系统，估计系统不确定；步骤3、设计自适应飞行控制律，利用步骤2所得动态补偿系统信号对未知建模不确定与外干扰进行补偿；步骤4、构建闭环Lyapunov函数，设计、分析飞行控制律参数，确保无人机纵向运动的稳定性。本发明设计了一种自适应鲁棒飞行控制器，解决了强不确定、非严格反馈约束条件下的固定翼无人机纵向运动控制问题。

技术领域

本发明涉及固定翼无人机纵向运动控制方法，尤其涉及一种基于动态补偿系统的无人机纵向运动鲁棒自适应控制方法，属于飞行器安全控制技术领域。

背景技术

无人机是一种利用无线电遥控设备和自备的程序控制装置遥控的无人驾驶飞机。固定翼无人机具备在空中滞留时间长、对作战环境要求低、战场生存能力较强的优点，使其在农药喷洒、监视巡逻、通信中继、电子对抗、环境评估、环境监测、交通救援、战场攻击、对目标模拟和预警等诸多军事、民生领域具有广泛的应用潜力，已经成为近年来各国航空领域的研究热点。

对于固定翼无人机飞行控制系统来说，稳定安全地飞行很大程度上取决于其纵向运动飞行控制。近年来，为提升固定翼无人机机动能力，常通过无人机构型设计使其成为纵向静不稳定飞机。因而，固定翼无人机飞行稳定很大程度上取决于纵向飞行控制律。固定翼无人机纵向运动状态量包括高度、速度、航迹倾斜角、迎角以及俯仰角速率，并由其构成高阶非严格反馈非线性动力学系统。为解决固定翼无人机纵向动力学模型非严格反馈问题，学者广泛采用变量分离技术以及神经网络/模糊系统放缩手段。然而，变量分离技术虽然能够有效处理非严格反馈结构引起的代数环问题，但其对控制系统结构有着较为严格的约束，且闭环稳定性分析复杂，难以推广至更为复杂的飞行控制情形。基于神经网络/模糊系统的处理方法充分利用了神经网络与模糊系统的结构特性，简化了飞行控制律设计，然而针对未知函数的放缩处理极大增加了控制器的保守性，不利于提高飞行控制性能。

为解决上述问题，本发明首次提出一种基于动态补偿系统的固定翼无人机纵向运动飞行控制律设计方案。该方案不仅能够巧妙解决困扰已久的固定翼无人机纵向模型的非严格反馈问题，同时放宽了对无人机动力学系统建模精度要求，极大简化飞行控制律设计。

发明内容

本发明所解决的技术问题是：提供强不确定、非严格反馈条件下固定翼无人机纵向运动控制方法，通过引入动态补偿系统，解决强建模不确定以及未知外干扰条件下无人机的鲁棒飞行控制问题。

本发明为解决上述技术问题采用以下技术方案：一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法，包括如下步骤：

步骤1：建立固定翼无人机纵向快慢回路各子系统动力学模型，包括速度V、高度h、航迹角γ、仰角α、俯仰角速率q组成的快慢回路；

步骤2：设计动态补偿系统，估计固定翼无人机动力学模型建模不确定以及有界外干扰；

步骤3：设计飞行控制律，利用步骤2动态补偿系统的信号对未知建模不确定与外干扰进行补偿；

步骤4：构建闭环Lyapunov函数，设计、分析飞行控制律参数，确保无人机纵向运动的稳定性。

作为本发明的一种优选方案，所述步骤1固定翼无人机纵向姿态运动动力学模型为：

速度子模型：

高度子模型：