[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

说明书

本说明书实施例提供了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，其中，方法包括：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；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；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；构建李雅普诺夫方程；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；通过Matlab平台进行仿真，分析仿真结果。本发明能够避免系统出现输入饱和的问题，提高系统的稳定性。

技术领域

本文件涉及直升机系统控制技术领域，尤其涉及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。

背景技术

随着科学技术的飞速发展，无人机技术也逐渐成熟并受到广泛关注。直升机作为一种典型的无人机，不仅成本低、体积小、生存能力强，而且结构简单、使用方便，已广泛应用于军用侦察机和无人驾驶飞机，以及在民航摄影、快递运输，救灾和其他领域。为了实现直升机系统的稳定控制，科研人员设计了许多控制策略来实现直升机系统的稳定控制，包括LQR控制，Q学习控制和滑膜控制等。然而，由于直升机系统是一个非线性系统，存在模型参数不确定性和轴间交叉耦合，上述方法忽略了系统的非线性和不确定性，这可能会使系统的在实际应用中造成不稳定的结果；同时，在实际工程应用中，经常会出现输入饱和约束问题，如果系统输入超过一定的限制，就可能引起不必要的振动，降低系统的稳定性。上述特性给控制器设计带来了巨大的挑战，因此，研究一种有效的控制方法来克服上述挑战，保证直升机系统的鲁棒性是十分必要的。

发明内容

本说明书一个或多个实施例提供了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，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。

本说明书一个或多个实施例提供了一种电子设备，包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述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的步骤。

本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述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的步骤。

本发明的有益效果如下：

本发明考虑了在实际工程应用中，经常会出现输入饱和约束问题，设计了一种具有输入饱和约束的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，利用神经网络对直升机的未知动态模型进行估计，利用一个光滑的非仿射函数来逼近和处理非线性约束函数，有效减少出现输入超过一定的限制时对系统的损坏的情况，最后通过对李雅普诺夫函数的建立和分析，证明了系统是最终一致有界的，实现了2-DOF直升机系统的更精确的跟踪和更稳定的控制。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明