[发明专利]具有输入饱和约束的直升机系统自适应神经网络控制方法

权利要求书

1.一种具有输入饱和约束的直升机系统自适应神经网络控制方法，其特征在于，包括：

S1.根据拉格朗日力学模型，建立2-DOF直升机系统的非线性动力学模型；

S2.将输入饱和约束近似为一个光滑函数，采用径向基函数神经网络对系统进行近似，构建直升机系统方程；

S3.定义跟踪误差变量，根据所述跟踪误差变量设计控制器和自适应律；

S4.构建李雅普诺夫方程；

S5.根据所述李雅普诺夫方程、控制器和自适应律，证明2-DOF直升机系统的稳定性；

S6.通过Matlab平台进行仿真，分析仿真结果。

2.根据权利要求1所述的方法，其特征在于，步骤S1所述根据拉格朗日力学模型，建立2-DOF直升机系统的非线性动力学模型中，建立的2-DOF直升机系统的非线性动力学模型具体如下：

其中，J_pr和J_yr分别是俯仰运动和偏航运动的转动惯量，D_pr和D_yr是粘性摩擦系数，K_pp是俯仰螺旋桨中作用于俯仰轴上的扭矩推力增益，K_py是偏航螺旋桨中作用于俯仰轴上的扭矩推力增益，K_yp是俯仰螺旋桨中作用于偏航轴上的扭矩推力增益，K_yy是偏航螺旋桨中作用于偏航轴上的扭矩推力增益，θ代表是俯仰角，ψ代表的是偏航角，l_m表示距离机身固定框架远点的质心距离,M表示直升机的质量，g表示重力加速度，V_pr和V_yr分别表示控制俯仰和偏航运动的电机电压输入；

定义系统的输出向量为x＝[x₁,x₂]^T，其中x₁＝[θ,ψ]^T，为了简化控制器的设计，将2-DOF直升机系统模型简化为：

y＝x₁                                                      (5)

其中x₁、x₂为输出角度变量和角速度变量，ΔQ(x₁,x₂)和ΔP(x₁,x₂)是系统的不确定项，分别表示角度变量的导数和角速度变量的导数，Q(x₁,x₂)和P(x₁,x₂)是系统的增益矩阵，分别表示为：

同时，v是控制器的输入，U(v)＝[V_pr,V_yr]^T表示系统的饱和输入和饱和非线性输出，表示为：

其中u_max是U(v)的一个已知的边界。

3.根据权利要求2所述的方法，其特征在于，步骤S2所述将输入饱和约束近似为一个光滑函数具体为：所述光滑函数定义为：

显然，在U(v)和h(v)之间存在偏差d(v)，由于sat函数和tanh函数的有界性，可以知道偏差d(v)是一个有界函数，其界可以推导为：

调用中值定理，存在一个常数δ，0δ1，使得：

其中

选择v₀＝0，重新得到：

进而重新得到

其中由于ΔQ(x₁,x₂)和ΔP(x₁,x₂)是直升机系统的不确定项，所以L(x,v)是系统的一个未知方程。同时，Ξ＝P(x₁,x₂)d(c)，且P(x₁,x₂)是有界的，满足其中P和是未知的正常数；由(11)可知，d(v)是有界的，所以Ξ是有界的，满足其中是一个未知的正常数，定义为其中是补偿误差，是估计补偿量。