[发明专利]面向油门约束的飞行器制导控制一体化方法

权利要求书

1.一种面向油门约束的飞行器制导控制一体化方法，其特征在于步骤如下：

步骤1：采用飞行器的纵向动力学模型为：

其中，V为速度，h为高度，γ为航迹角，α为攻角，q为俯仰角速度，g为重力加速度，m为飞行器质量，I_y为转动惯量，T为推力，D为阻力，L为升力和M_y为俯仰力矩；

定义俯仰角为θ＝α+γ；定义考虑力和力矩的函数表达式，飞行器动力学模型可转换为：

其中，Φ为油门，δ_e为升降舵偏角，和为未知光滑函数，g_v(α)、gγ(α)和g_q(α)为已知函数；

步骤2：超燃冲压发动机的热壅塞条件的曲线拟合函数的解析表达式为：

其中，M_a为马赫数，为动压；c₀＝1.02e-4，c₁＝9.10e-4，c₂＝6.70e-3，c₃＝-1.03e-3，c₄＝-4.96e-4，c₅＝-4.7e-3，c₆＝-5.67e-6，c₇＝2.5e-4，c₈＝-1.06e-7，c₉＝-1.58e-11，c₁₀＝6.9e-4；

采用神经网络逼近动力学不确定函数f_i(Z)

其中，为最优权重，为基函数，ε_fi为神经网络的逼近误差，l为神经网络节点数，且i＝v,γ,q；

函数Proj(b)表达式为：

其中，a和b为矩阵，c＞0为待设计的常数，和分别为矩阵范数||a||的上下界；

步骤3：设计速度子系统的制导律为：

其中，V_ref为速度参考信号，为期望速度，κ为滤波器增益函数；

选择对数障碍函数为b(Φ,Φ_M)为：

b(Φ,Φ_M)＝b₀-ln(Φ-Φ₀)-ln(Φ_M-Φ)         (7)

其中，b₀＞0为待设计的常数；

自适应制导律的二次规划问题为：

其中，κ^*为期望的速度滤波器增益；

设计滤波器增益κ和KKT乘数∈的自适应更新律为：

其中，

其中，为偏导数，和为待设计的常数；

步骤4：定义e_v＝V-V_ref；设计速度子系统的控制输入为：

其中，为神经网络最优权重σ_fv的估计值，k_v＞0为待设计的常数；

定义预测误差为建立串并行模型为：

其中，为待设计的参数；

采用KKT乘数定义制导系统与控制系统交互参数为设计的自适应律为：

其中，λ_fv＞0，δ_fv＞0为待设计的常数；

步骤5：设计高度子系统的制导律为：

其中，h_ref为高度参考信号，为高度参考信号的一阶导数，为高度参考信号的二阶导数，为高度参考信号的三阶导数，为期望的高度终值，k_a＞0，k_b＞0和k_c＞0为待设计的常数；

定义e_h＝h-h_ref，设计航迹角的制导律为：

其中，a_p＞0，a_i＞0和a_d＞0为待设计的常数；

步骤6：步骤6-1：定义e_γ＝γ-γ_ref；设计虚拟控制量为：

其中，为神经网络最优权重σ_fγ的估计值，为航迹角参考信号γ_ref的导数，k_γ＞0为待设计的常数；

定义预测误差为：建立串并行模型为：

其中，为待设计的常数；

采用KKT乘数定义制导系统与控制系统交互参数为设计的自适应律为：

其中，λ_fγ＞0，δ_fγ＞0为待设计的常数；

步骤6-2：定义e_θ＝θ-θ_ref；设计虚拟控制量为：

其中，虚拟控制量θ_d的导数，k_θ＞0为待设计的常数；

步骤6-3：定义e_q＝q-q_ref；设计控制输入量为：

其中，为神经网络最优权重σ_fq的估计，为俯仰角速率参考信号q_ref的导数，k_q为待设计的参数；

定义预测误差为建立串并行模型为：

其中，为待设计的常数；

设计的自适应律为：

其中，λ_fq＞0，δ_fq＞0为待设计的常数；

步骤7：根据得到的控制输入Φ和δ_e，返回到飞行器的动力学模型(1)，对速度和高度制导律生成的参考信号V_ref和h_ref进行跟踪控制。