[发明专利]基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法

摘要

本申请基于神经网络(神经网络:NeuralNetwork)技术和指令滤波反演方法，提出一种基于指令滤波反演的鲁棒容错控制系统设计架构。首先给出NSV姿态控制系统的数学模型，并在此基础上考虑建模误差引起的不确定和外部干扰，及操纵面故障下NSV姿态控制系统的状态方程。其主要的设计涉及两个单元：一个是辅助系统的设计，一个是基于辅助系统的控制器的设计。辅助系统引入神经网络确保辅助系统的鲁棒性，并且通过Lyapunov定理严格证明闭环系统的稳定性。并在相应飞行器的姿态控制系统上进行仿真，结果显示本申请所提的方法可以使得具有外部干扰的不确定飞控系统在操纵面损伤下具有理想的容错跟踪性能。

主权项

基于神经网络观测器的无人飞行器姿态鲁棒容错控制方法，具体步骤如下，其特征在于：1）将变量信号输入给控制层的K₁控制器，经过控制层的K₁控制器处理后再经过控制层的x₁系统控制器，x₁系统控制器将从飞行器运动得到的参数x₁和从K₁控制器得到的变量信号进行相应的处理得到变量信号；2）控制层的x₁系统控制器经过控制层的指令滤波器处理得到变量信号，所述变量信号分两路，所述K₁控制器处理得到的变量信号和一路变量信号进行信号叠加处理后经过控制层的滤波误差补偿得到变量信号传送给控制层的x₂系统控制器，所述另一路变量信号经过控制层的K₂控制器处理后再经过控制层的x₂系统控制器；3）所述x₂系统控制器将滤波误差补偿后得到变量信号以及飞行器运动得到的参数x₂以及监督层的自适应神经网络观测器所得到的变量信号、、进行处理得到变量信号u；4) 所述x₂系统控制器将处理后的变量信号u传送给飞行器和监督层的自适应神经网络观测器，监督层的自适应神经网络观测器根据所得变量信号u得到对应的变量信号、、并将其反馈给x₂系统控制器。