[發明專利]高超聲速飛行器再入段神經網絡復合學習控制方法

有效

• 申請號: 201710789276.6
• 申請日: 2017-09-05
• 公開（公告）號: CN107450323B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 許斌;壽瑩鑫
• 申請（專利權）人: 西北工業大學;西北工業大學深圳研究院
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

1.一種高超聲速飛行器再入段神經網絡復合學習控制方法，其特征在于包括以下步驟：

(a)建立高超聲速飛行器再入段動力學模型：

該動力學模型包含狀態變量X＝[v，ω]^T和控制輸入U＝M_c，其中v＝[α β σ]^T為姿態角向量，α、β、σ分別表示攻角、側滑角和傾斜角；ω＝[p q r]^T為姿態角速率向量，p、q、r分別表示滾動、俯仰和偏航角速率；M_c＝[M_x M_y M_z]^T表示系統的控制力矩；I表示慣量矩陣；

(b)定義X＝[x₁ x₂]^T，x₁＝v，x₂＝ω；則姿態控制模型可表示為：

其中g₁(x₁)＝R(·)，f₂(x₂)＝-I^-1ΩIω，g₂(x₂)＝I^-1；

(c)定義姿態角跟蹤誤差e₁＝x₁-y_d；其中y_d＝[α_d β_d σ_d]^T為制導系統生成的制導指令；設計虛擬控制量為：

其中k₁∈R^3×3為控制增益矩陣，進一步可計算其中分別為制導指令的一階導數和二階導數；

定義姿態角速率誤差設計控制信號M_c為：

其中為最優神經網絡權重向量的估計值，θ₂(x₂)為徑向基函數向量；k₂∈R^3×3為控制增益矩陣，

(d)定義其中τ_d>0為積分區間；

構造預測誤差為神經網絡復合學習自適應律設計為：

其中λ₂∈R^3×3為學習率矩陣，k_ω2∈R^3×3為權重因子矩陣，

(e)根據得到的控制輸入M_c，返回到高超聲速飛行器再入段的動力學模型(1)、(2)，對姿態角進行跟蹤控制。