[发明专利]基于攻角幂函数的高超飞行器神经网络控制方法

摘要

本发明公开了基于攻角幂函数的高超飞行器神经网络控制方法，通过测量高超声速飞行器的攻角、俯仰角速度信号，并与期望攻角信号组成变结构控制的滑模面，设计变结构控制器，利用变结构控制器的良好快速性与鲁棒性来处理高超声速飞行器快时变特点；针对高超声速飞行器气动参数的强不确定性，采用了一类以幂函数为基函数的神经网络结构，设计神经网络权值的自适应调节规律，最终组成高超声速飞行器神经网络与变结构的复合控制器，实现对期望攻角信号的跟踪。由于变结构控制与神经网络自适应策略的采用，本发明提供方法得到的攻角响应具有较好的快速性特点，同时具有很强的鲁棒性，具有较大的理论价值和工程价值。

主权项

1.基于攻角幂函数的高超飞行器神经网络控制方法，其特征在于，按照以下步骤进行：/n步骤一，构造攻角测量、俯仰角速率的测量与滑模面信号；/n步骤二，构造高超声速飞行器滑模控制律；/n步骤三，构造自适应神经网络控制律；/n步骤四，构造复合控制律经过控制分配，分别输入给高超声速飞行器的鸭翼与升降翼，以控制高超声速飞行器实现俯仰通道的攻角跟踪控制；/n所述步骤一，具体按照以下步骤进行：/n首先采用攻角传感器，测量高超声速飞行器的攻角，记为α；采用速率陀螺测量高超声速飞行器的俯仰角速率，记为q；/n其次，假定期望的攻角信号为α^d，在飞行器控制计算机中生成攻角误差信号，记为e_α，其满足e_α＝α-α^d；/n再次，采用飞行器控制计算机生成攻角误差积分信号，记作S_e，其满足S_e＝∫(α-α^d)dt；/n最后，采用上述攻角误差信号与攻角误差积分信号组合生成滑模面信号，记作S_α，表达式为：S_α＝e_α+c₁S_e；其中c₁为正的控制参数，选取为c₁＝0.1；/n所述步骤二，具体按照以下步骤进行：/n构造高超声速飞行器滑模控制律u₁：/nu₁＝-a₁-c₁e_α-k₁S_α-k₂∫S_αdt-f_s(S_α)，/n其中，a₁用于抵消飞行器的角速度与重力加速度项影响，按照下式计算：q为高超声速飞行器的俯仰角速率，g为重力加速度，γ为飞行器的航迹角，V为飞行器的速度；k₁、k₂为待设计的正参数，选取为k₁＝5、k₂＝0.2，/nf_s(S_α)为滑模控制项，定义如下：/n /n其中k₃、k₄与k₅为待设计的正参数，选取为k₃＝0.5、k₄＝0.3、k₅＝0.02；/nε的含义是柔化因子，选取ε＝0.5；/nτ的含义是柔化时间因子，选取τ＝0.5；/n所述步骤三，具体按照以下步骤进行：/n根据测量的攻角信息，设计神经网络自适应控制律u₂：/n /n其中，φ为高超声速飞行器发动机的供油因子；为神经网络的权值因子，是通过自适应规律自动调节变化的；/n其中为神经网络的权值，为神经网络的权值，R^1×n的表示是一个n维向量空间；B₁(α)与B₂(α)为基函数，B₁(α)＝[1 α¹ α² … α^n-1]^T，B₂(α)＝[1 α¹ α² … α^n-1]^T，T的含义是矩阵的转置，表示是列向量；/n神经网络的权值调节规律如下：/n /n其中τ₁、τ₂为待调节的正参数，选取为τ₁＝0.1，τ₂＝0.2，的含义是的导数，也就是两者的自适应调节规律的依据；/n所述步骤四，具体按照以下步骤进行：/n根据上述高超声速飞行器滑模控制律u₁与神经网络自适应控制规律u₂组成如下复合控制律u：u＝u₁+u₂，然后按照均匀分配法进行控制律的分配，即定义：/n /n从而有/n /n /n其中m为飞行器的质量，S为飞行器的前向推力特征面积，为动压头数据，ρ为大气密度；δ_e为高超声速飞行器俯仰舵的舵偏值，δ_c为高超声速飞行器鸭翼舵的舵偏值。/n