[发明专利]一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法

摘要

一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，针对具有集中不确定性的刚性飞行器姿态跟踪问题，设计了非奇异固定时间滑模面，不仅保证了状态的固定时间收敛，而且解决了奇异值问题；引入神经网络逼近总不确定的函数，设计了非奇异神经网络固定时间控制器。本发明在外界干扰和转动惯量不确定的因素下，实现飞行器系统的姿态跟踪误差和角速度误差固定时间一致最终有界的控制。

主权项

1.一种基于神经网络估计的刚性飞行器非奇异固定时间姿态跟踪控制方法，其特征在于：所述方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：1.1刚性飞行器系统的运动学方程为：其中q_v＝[q₁,q₂,q₃]^T和q₄分别为单位四元数的矢量部分和标量部分且满足q₁,q₂,q₃分别为映射在空间直角坐标系x,y,z轴上的值；分别是q_v和q₄的导数；Ω∈R³是刚性飞行器的角速度；I₃是R^3×3单位矩阵；表示为：1.2刚性飞行器系统的动力学方程为：其中J∈R^3×3是飞行器的转动惯性矩阵；是飞行器的角加速度；u∈R³和d∈R³是控制力矩和外部扰动；Ω^×表示为：1.3刚性飞行器系统期望的运动学方程为：其中q_dv＝[q_d1,q_d2,q_d3]^T和q_d4分别为期望的单位四元数的矢量部分和标量部分且满足Ω_d∈R³为期望的角速度；分别为q_dv,q_d4的导数，为q_dv的转置；表示为：1.4由四元数描述的刚性飞行器相对姿态运动：Ωe＝Ω‑CΩd                 (11)其中e_v＝[e₁,e₂,e₃]^T和e₄分别为姿态跟踪误差的矢量部分和标量部分；Ω_e＝[Ω_e1,Ω_e2,Ω_e3]^T∈R³为角速度误差；为相应的方向余弦矩阵并且满足||C||＝1和为C的导数；根据式(1)‑(11)，刚性飞行器姿态跟踪误差动力学和运动学方程为：其中和分别为e_v和e₄的导数；为e_v的转置；和分别为Ω_d和Ω_e的导数；(Ω_e+CΩ_d)^×与Ω^×等价；和分别表示为：1.5转动惯性矩阵J满足J＝J0+ΔJ，其中J0和ΔJ分别表示J的标称部分和不确定部分，则式(14)重新写成：进一步得到：1.6对式(12)进行微分，得到：其中为总不确定的集合；为e_v的二阶导数；步骤2，针对外部扰动和转动惯量不确定的刚性飞行器系统，设计所需的滑模面，过程如下：选择非奇异固定时间滑模面为：其中，sgn(e_i)，和sgn(e_i)均为符号函数，λ₁＞0,λ₂＞0,a₂＞1，为e_i的导数，i＝1,2,3；步骤3，设计神经网络固定时间控制器，其过程如下：3.1定义神经网络为：Gi(Xi)＝Wi*TΦ(Xi)+εi         (21)其中为输入矢量，Φ_i(X_i)∈R⁴为神经网络基函数，W_i^*∈R⁴为理想的权值矢量，定义为：其中Wi∈R4为权值矢量，εi为近似误差，满足|εi|≤εN,i＝1,2,3，εN为很小的正常数；arg min{·}为Wi*取其最小值所有的集合；3.2考虑固定时间控制器被设计为：其中为3×3对称对角矩阵；为W_i的估计值；Φ(X)＝[Φ(X₁),Φ(X₂),Φ(X₃)]^T，L＝[L₁,L₂,L₃]^T，Γ＝diag(Γ₁,Γ₂,Γ₃)∈R^3×3为3×3对称对角矩阵0＜r₁＜1，r₂＞1，i＝1,2,3；K₁＝diag(k₁₁,k₁₂,k₁₃)∈R^3×3为3×3对称对角矩阵；K₂＝diag(k₂₁,k₂₂,k₂₃)∈R^3×3为3×3对称对角矩阵；K₃＝diag(k₃₁,k₃₂,k₃₃)∈R^3×3为3×3对称对角矩阵；3.2设计更新律为：其中γi＞0,pi＞0,i＝1,2,3，Φ(Xi)选择为以下的sigmoid函数：其中l1,l2,l3和l4为近似参数，Φ(Xi)满足0＜Φ(Xi)＜Φ0，并且步骤4，固定时间稳定性证明，其过程如下：4.1证明刚性飞行器系统所有信号都是一致最终有界，设计李雅普诺夫函数为如下形式：其中i＝1,2,3；S^T是S的转置；为的转置；对式(26)进行求导，得到：其中i＝1,2,3；||·||表示值的二范数；min{·}表示最小值；则判定刚性飞行器系统所有信号都是一致最终有界的；4.2证明固定时间收敛，设计李雅普诺夫函数为如下形式：对式(28)进行求导，得到：其中i＝1,2,3；υ₂为一个大于零的上界值；基于以上分析，刚性飞行器系统的姿态跟踪误差和角速度误差在固定时间一致最终有界。