[发明专利]一种飞机防滑刹车控制方法

摘要

本发明涉及一种飞机防滑刹车控制方法，该飞机防滑刹车控制方法，借助跟踪微分器或者二阶滑模微分器的鲁棒抗干扰特性，构造出飞机减速率信号，用于滑移力计算，避免了对纵向动力学过程进行学习辨识；该方法无需假设刹车纵向力是均匀分布，可用于多轮刹车系统；此外，考虑到刹车系统的安全工作范围，对刹车压力进行约束，兼顾了防滑刹车效率和防抱死安全性，具有一定的先进性。

主权项

1.一种基于滑模微分器的神经网络极值搜索的、适用于多轮刹车系统的飞机防滑刹车控制方法，其特征在于，采用数值微分器在线重构机体减速信号，避免进行机体动力学计算和参数估计；为了保证数值微分器的抗干扰能力，采取对速度信号进行数值微分的方式；采用的是基于非线性跟踪微分器或者是二阶滑模微分器用于加速度信号获取；当采用二阶滑模微分器时：滑模观测器设计为x^·(t)=u(t),x^(0)=0---(1)]]>如果u(t)-(ρ+L)σ(t)||σ(t)||,σ(t)=y(t)-x^(t),ρ>0---(2)]]>则在有限时间内，同时，u(t)的存在非连续的高频颤振特性，通过低通滤波器进行平滑滤波，可得到u^eq=LPF(u(t))---(3)]]>其估计误差，和低通滤波器的时间常数τ成正比由于一阶滑模微分器的精度是由于二阶滑模控制不仅保证了有限时间内滑模变量σ(t)收敛，同时保证了其一阶导数收敛；采用二阶滑模微分器，具体为Super-twisting滑模微分器：滑模观测器σ(t)=y(t)-x^(t)---(5)]]>u_i=α_i|σi|^1/2signσ_i(t)+β_i∫signσ_i(t)dτ   (6)这里在有限时间αi=1.5Liβi=1.1Li|F·i(x,t)|≤Liu(t)={ui(t)}F(t)={Fi(x,t)},i=1,...,n]]>保证了有限时间内，同时这里x·^i(t)=x·i(t)=ui(t)=αi|σi|1/2signσi(t)+βi∫signσi(t)dτ]]>或者x·^i(t)=βi∫signσi(t)dτ]]>这里由于对高频微分项进行了积分，u(t)是连续的，不需要对u(t)进行低通滤波得到u_eq；当采用非线性跟踪微分器时：对于二阶积分系统x·1=x2x·2=u---(8)]]>这里|u|≤r，v是x₁的参考值，则u的时间最优解是u=-rsign(x1-v+x2|x2|2r)---(9)]]>则可得到如下的动态过程：v·1=v2v·2=-rsign(v1-v+v2|v2|2r)---(10)]]>这里v₁是参考轨迹，v₂是其微分；根据具体运用的物理限制，可通过选择r的大小来加速或者减缓动态过程；由于函数的Bang-Bang特性，当系统进入稳态时有颤振现象，为了避免这种颤振现象，适应数值计算的需求，针对离散系统的v1(k+1)=v1(k)+hv2(k)v2(k+1)=v2(k)-ru(k),|u(k)|≤r---(11)]]>有u=fd(v₁，v₂，r₀，h)   (12)这里h是采样周期，r₀和h₀是控制器参数，f_d可表示为fd=-r0(ad-sign(a))sa-r0sign(a)]]>这里d=h0r02,a0=h0v2,y=v1+a0a1=d(d+8|y|)a2=a0+sign(y)(a1-d)/2sy=(sign(y+d)-sign(y-d))/2a=(a0+y-a2)sg+a2sa=(sign(y+d)-sign(g-d))/2]]>利用函数f_d(v₁，v₂，r₀，h)建立最速反馈系统，得到了良好的跟踪和微分效果；自适应神经网络前馈补偿：用如下RBF神经网络逼近连续函数非线性摩擦力函数神经网络构造为μ^=WTΦ(λ)]]>这里滑移率作为NN输入，权重矢量NN节点数目l＞1；且Φ(λ)＝[φ₁(λ)，φ₂(λ)，...，φ_l(λ)]^T，其中φi=exp[-(λ-ci)T(λ-ci)ηi2],i=1,2,...,l]]>其中c_i=[c₁，c₂，...，c_l]^T是容纳域的中心，η_i是高斯函数的宽度；神经网络被证明是可在紧集内可以任意精度跟踪任意光滑函数；μ(λ)=W*Φ(λ)+∈,∀λ∈Ωλ]]>这里W^*是理想常量权重矢量，∈是逼近误差；在神经网络控制中，所得到稳定性结论一般是半全局的，即输入变量λ在某一个预设定的紧集中，这里紧集Ω_λ可以根据要求选择任意大小，只要神经网络控制器的节点足够多，总能保证闭环系统有界；定义最优权重W^*为定义为Ω_λ，W^*，|∈|＜∈^*，∈^*＞0λ∈Ω_λ神经网络估计误差定义为摩擦力极值搜索通过神经网络逼近所得非线性摩擦力函数，求得最优滑移率函数λr=argmaxλ∈[0,1]WTφ(λ)---(14)]]>为了消除数值计算带来的不连续性，使用二阶滤波器得到一个光滑的参考信号λ_d，用于闭环系统跟踪λdλr=ωn2s2+2ζnωn+ωn2---(15)]]>自适应防滑刹车控制律设计：先定义最优滑移率为λ_d，定义车轮速度误差为e_w=v_w-Vλ_d   (16)进一步，定义PI型误差sw=ew+ki∫0tewdt---(17)]]>则相对速度参考信号可表示为vwd=Vλd-ki∫0tewdt]]>驱动滑移率至最有设定点λ_d，以使摩擦力F_w最大化；为了得到光滑的参考信号，车轮速度误差可以定义为e_w=v_w-v_xλ_d；进一步，一个PI型误差可以表示为sw=ew+α∫0tewdt---(18)]]>为了便于分析，定义v_wd为vwd=vxλD+α∫0tewdt---(19)]]>提出的鲁棒非线性自适应神经网络控制可表示为T_b=T_bn+T_ba+T_br   (20)该控制律包括3部分：机体加速度补偿T_ba，神经网络前馈补偿T_bf和鲁棒项，其中T_bn和T_ba分别表示为Tba=Jrw(-kPI(vw-vwd)-v·^+Fzμ^r2J)---(21)]]>Tbf=rwJ(θ^xφ(vw)m+θ^zTφz(vw)μ(λ)rw2J)---(22)]]>考虑输入约束后，设计参数更新律θ^·x=Γxφx(sw-χ)χ·=-γχ+s(vw)rwTbJ---(23)]]>通过定义一个修改后的跟踪误差鲁棒项设计为Tbr=-krq(s‾)---(24)]]>这里k_r＞0是一个正常量，q是一个关于的奇函数。