[發明專利]一種高超聲速飛行器神經網絡自適應容錯控制方法

有效

• 申請號: 201811285406.3
• 申請日: 2018-10-31
• 公開（公告）號: CN109164708B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 朱平;余朝軍;文成馀
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05B13/02
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 施昊

1.一種高超聲速飛行器神經網絡自適應容錯控制方法，其特征在于，包括以下步驟：

(1)選擇系統狀態，建立帶故障的高超聲速飛行器模型；

選擇作為系統狀態，并建立如下帶故障的高超聲速飛行器模型：

其中，V為飛行器的速度，依次表示V的一階微分、二階微分和三階微分；h為飛行器的高度，h⁽⁴⁾依次表示h的一階微分、二階微分、三階微分和四階微分；上標T表示轉置；表示V對光滑向量場f微分3次，表示h對光滑向量場f微分4次；η_c為發動機節流閥調定值，δ_e為升降舵偏轉角；f₁為飛行器中控制η_c的執行器的故障狀態值，f₂為飛行器中控制δ_e的執行器的故障狀態值，0≤f_i≤1，f_i＝0表示對應的執行器發生故障，完全不能工作，f_i＝1表示對應的執行器未發生故障，i＝1,2；矩陣為非奇異系數矩陣；

(2)根據系統結構，定義積分滑模面，對積分滑模面求導并將步驟(1)建立的帶故障的高超聲速飛行器模型代入，得到基礎控制器；

首先定義指令跟蹤誤差：

上式中，e_V表示實際速度與指令信號速度的差值，e_h為實際高度與指令信號高度的差值，V_ref和h_ref分別為指令信號速度和指令信號高度；

然后根據系統結構，定義積分滑模面：

上式中，S_V和S_h分別為關于速度和高度的積分滑模面，其初值均為0；λ_V和λ_h為決定滑模運動性能的參數，其值均為正數；C_V和C_h為常數參數；τ為時間積分變量，t為積分時長；

對積分滑模面求導并將步驟(1)建立的帶故障的高超聲速飛行器模型代入其中，得到不考慮故障情況下的基于快速雙冪次趨近律的基礎控制器：

上式中，k_V1,k_V2,k_V3,k_h1,k_h2,k_h3為需要設計的控制器參數，其值均大于0；α_V,α_h＞1；β_V＞0,β_h＜1，α_V,α_h，β_V,β_h均為需要設計的控制器參數；sign(*)為符號函數；

(3)在步驟(2)得到的基礎控制器中加入神經網絡自適應率算法，得到自適應容錯控制器；

在步驟(2)得到的基礎控制器中加入如下神經網絡函數：

ξ(t)＝F^*Tφ(z)+G^*z+H

上式中，z為神經網絡的輸入，φ(z)為徑向基函數，F^*為神經網絡隱含層與輸出層之間的理想權重，G^*為輸入層與輸出層之間的理想權重，H是逼近誤差的上界；

從而得到如下自適應容錯控制器：

上式中，ψ(·)＝||φ(z)||+|z|+1，ε為抑制抖振的參數，S＝[S_V,S_h]^T；分別是F^*,G^*,H的估計值；

神經網絡的自適應更新率如下：

上式中，γ_F,σ_F,γ_G,σ_G,γ_H,σ_H均為大于零的常值參數。

2.根據權利要求1所述高超聲速飛行器神經網絡自適應容錯控制方法，其特征在于，所述神經網絡的徑向基函數：

φ(z)＝[φ₁(z),φ₂(z),...,φ_c(z)]^T

其中，神經網絡的輸入

u_i是第i個神經節點的中心，β_i是第i個高斯函數的寬度，c為神經節點數目。