[发明专利]一种基于预见控制的舰载机自动着舰控制方法

摘要

本发明公开了一种基于预见控制的舰载机自动着舰控制方法，属于自动着舰技术、引导技术、飞行控制技术领域。本发明利用舰载机自动着舰过程中已知的下滑道信息以及可预测的纵向甲板运动信息，公开一种基于预见控制的舰载机自动着舰方法。其中，下滑道信息是根据舰载机与舰船的相对位置与相对运动关系提前计算得到，甲板运动信息是通过基于粒子滤波的甲板运动预估器预估得到。同时，控制器的设计过程中考虑了舰尾流的干扰。本发明可保证舰载机着舰过程中，受到甲板运动和舰尾流干扰下的着舰精度与鲁棒性。

主权项

1.一种基于预见控制的舰载机自动着舰控制方法，其特征在于，包括如下步骤：(1)甲板运动预测值计算有甲板运动的离散模型：式中x_k为t_k时刻的甲板运动状态量，x_k‑1为t_k‑1时刻的甲板运动状态量，v_k为观测噪声，Φ_k,k‑1为状态向量x从t_k‑1时刻转移到t_k时刻的转移矩阵，A为甲板运动的系统矩阵，T_s为采样时间，Γ_k,k‑1为t_k‑1时刻的噪声向量w_k‑1对t_k时刻的状态向量x_k影响的噪声系数矩阵，其方差阵为Q_k‑1，B为甲板运动的输入矩阵，w_k‑1为系统动态噪声，z_k为t_k时刻的甲板运动观测量，H_k为观测系数矩阵，其方差阵为R_k；根据甲板运动的离散模型，基于粒子滤波设计甲板运动预估方法流程如下：1)由先验概率P(x₀)产生粒子群粒子群的所有粒子权值为1/N；2)预测：由k‑1时刻的粒子利用系统状态方程，得到k时刻的预测粒子3)权值更新：根据k时刻的观测向量机预测粒子，利用更新每个粒子的权值；进而对权值进行归一化处理：其中：为k时刻第j个粒子的权值，为k‑1时刻第j个粒子的权值，为先验概率，为归一化处理后k时刻第j个粒子的权值；4)重采样：根据的权值重新采样得到粒子并重置权值均为1/N；5)k时刻状态估计：同时令k＝k+1，若k小于设定阈值，返回到第2)步，否则到第6)步；6)甲板运动信息x_k在未来τ时刻的最优估计值的表达式为其中m＝τ/T_s，τ为未来时刻，为k时刻状态估计值，状态转移阵(2)计算修正后的舰载机下滑基准轨迹第一步，舰载机捕获下滑道，已知初始下滑高度‑ZEA0、下滑角γc、下滑速度Vc，计算着舰时间td和下滑道长度RA第二步，计算以理想着舰点为原点的地面坐标系下的三维下滑基准轨迹其中：t为时间，XEATDc(t)为舰载机的前向坐标位置，YEATDc(t)为舰载机的侧向坐标位置，ZEATDc(t)为舰载机的高度坐标位置，HEATDc(t)为舰载机的高度值，因为坐标系的高度坐标向下为正，所以ZEATDc(t)＝‑HEATDc(t)，(ψS+λac)为舰船跑道或下滑道的方位角，其中ψS为舰船方位角，λac为斜角甲板夹角；第三步，叠加甲板预估器输出的预估的甲板运动的沉浮高度与横荡距离，得到修正后的舰载机下滑基准轨迹；(3)计算纵向飞行控制律和横侧向飞行控制律第一步计算纵向飞行控制律，已知飞机的纵向离散化模型：Δxlon(k+1)＝AlonΔxlon(k)+BwlonΔw(k)+BlonΔulon(k)其中，Alon为飞机的纵向状态方程的系统矩阵，Bwlon为干扰矩阵，Blon为输入矩阵，Δxlon(k)为[ΔV(k) Δα(k) Δq(k) Δθ(k) ΔH(k)]T，ΔV(k)为k时刻的速度变化量，Δα(k)为k时刻的迎角变化量，Δq(k)为k时刻的俯仰角速率变化量，Δθ(k)为k时刻的俯仰角变化量，ΔH(k)为k时刻的高度变化量；Δulon(k)为[ΔδT(k) Δδe(k)]T，ΔδT为k时刻的油门变化量，Δδe为k时刻的升降舵变化量，Δw(k)为舰尾流干扰；加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：其中X_lon(k)＝[H_er(k) x_lon(k) H_R(k) v_lon(k)]^T,H_er(k)是k时刻加入甲板运动预测修正后的高度误差,x_lon(k)为飞机纵向状态量，是高度差向量，其中为k时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，H_r(k)是k时刻的加入甲板运动预测修正后的下滑道高度预见值，M_rlon是纵向的预见步长；为k+1时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，为k+M_rlon时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，是误差积分，v_lon(0)为可调初始误差值，u_lon(k)为飞机的纵向控制量，H_er(j)为是j时刻加入甲板运动预测修正后的高度误差，W_1lon,W_2lon,W_3lon是调节参数,Z_1lon(k),Z_2lon(k),Z_3lon(k)为三个广义输出，G_lon为扩展方程的输出矩阵，F_lon为扩展方程的状态矩阵，H_wlon为扩展方程的干扰矩阵；寻找控制信号Δublon，使得控制性能指标Jlon最小化，所得控制律为：其中：u_blon(k)为k时刻的控制输入量，k_elon，k_xlon，k_vlon，k_wlon，为控制律增益，x_lon^*为平衡点处的状态量，u_lon^*为平衡点处的控制量，H_er(s)为是s时刻加入甲板运动预测修正后的高度误差，为k+i时刻与k+M_rlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，w(k)为舰尾流干扰；kwlon＝‑Rlon‑1(GlonPlonHwlon),Rlon＝W2lonTW2lon+GlonTPlonGlon其中：Rlon为中间计算变量；Plon是下面的离散代数Riccati方程的稳态解：其中为控制律增益矩阵；第二步计算横侧向飞行控制律，已知飞机的横侧向离散化模型：Δxlat(k+1)＝AlatΔxlat(k)+BwlatΔw(k)+BlatΔulat(k)其中，Alat为飞机的横侧向状态方程的系统矩阵，Bwlat为干扰矩阵，Blat为输入矩阵，Δxlat(k)为[Δβ(k) Δp(k) Δr(k) Δφ(k) Δψ(k) Δy(k)]T，Δβ(k)为k时刻的侧滑角变化量、Δp(k)为k时刻的滚转角速率变化量、Δr(k)为k时刻的偏航角速率变化量、Δφ(k)为k时刻的滚转角变化量、Δψ(k)为k时刻的偏航角变化量，Δy(k)为k时刻的侧偏量，Δulon(k)为[Δδa(k) Δδr(k)]T，Δδa(k)为k时刻的副翼偏转变化量，Δδr(k)为k时刻的方向舵偏转变化量，Δw(k)为舰尾流干扰；加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：其中X_lat(k)＝[y_er(k) x_lat(k) y_R(k) v_lat(k)]^T,y_er(k)是k时刻加入甲板运动预测修正后的横向偏差,x_lat(k)是飞机横侧向状态量，是侧偏差向量，其中为k时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，y_r(k)是k时刻的加入甲板运动预测修正后的参考横向偏差信息，M_rlat是横侧向的预见步长，为k+1时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，为k+M_rlon时刻与k+M_rlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，是侧偏积分，v_lat(0)是初始侧偏，u_lat(k)是横侧向控制输入量；W_1lat,W_2lat,W_3lat是调节参数；Z_1lat(k)，Z_2lat(k)，Z_3lat(k)为三个广义输出，G_lat为扩展方程的输出矩阵，F_lat为扩展方程的状态矩阵，H_wlat为扩展方程的干扰矩阵；寻找控制信号Δublat，使得控制性能指标Jlat最小化所得控制律为：其中：u_blat(k)为k时刻的控制输入量，k_elat，k_xlat，k_vlat，k_wlat，为控制律增益，x_lat^*为平衡点处的状态量，u_lat^*为平衡点处的控制量，y_er(s)为s时刻加入甲板运动预测修正后的侧偏误差，为k+i时刻与k+M_rlon时刻的加入甲板运动预测修正后的侧偏之差，w(k)为舰尾流干扰，kwlat＝‑Rlat‑1(GlatPlatHwlat),Rlat＝W2latTW2lat+GlatTPlatGlat，其中：Rlat为中间计算变量；Plat是下面的离散代数Riccati方程的稳态解：其中为控制律增益矩阵。