一种高超声速飞行器神经网络自适应容错控制方法与流程

本发明属于飞行器控制技术领域，特别涉及了一种高超声速飞行器神经网络自适应容错控制方法。

背景技术：

高超声速飞行器是一种飞行马赫数大于5的有翼或无翼飞机。由于高超音速飞机的飞行高度极高且飞行环境复杂，其执行器，传感器和结构容易发生故障。为了确保飞机的正常飞行，容错控制(ftc)的研究至关重要。目前，大多数关于高超声速飞行器容错控制的研究都集中在对其姿态模型的研究上，对纵向运动模型的研究较少。基于姿态系统的控制方法难以应用于纵向模型，因此，有必要进一步研究高超声速飞行器纵向模型的ftc。

实际上，高超声速飞行器是一种高度耦合，高度非线性的复杂物体，不能完全反映系统的动态特性。因此，为了提高弹性高超声速飞行器系统的安全性和可靠性，有必要对高超声速飞行器非线性模型的容错控制进行研究。天津大学的王杰提出了一种基于高超声速飞行器非线性模型的自适应滑模ftc方法，自适应地处理故障的影响。东南大学李世华考虑自适应积分滑模ftc，实现了飞行输出参考命令的渐近稳定跟踪。但是上述控制方法都需要系统参数，因此需要设计出更加简单有效的高超声速飞行器方法。

技术实现要素：

为了解决上述背景技术提出的技术问题，本发明旨在提供一种高超声速飞行器神经网络自适应容错控制方法，不需要系统参数，且控制算法简单。

为了实现上述技术目的，本发明的技术方案为：

一种高超声速飞行器神经网络自适应容错控制方法，包括以下步骤：

(1)选择系统状态，建立带故障的高超声速飞行器模型；

(2)根据系统结构，定义积分滑模面，对积分滑模面求导并将步骤(1)建立的带故障的高超声速飞行器模型代入，得到基础控制器；

(3)在步骤(2)得到的基础控制器中加入神经网络自适应率算法，得到自适应容错控制器。

进一步地，在步骤(1)中，选择作为系统状态，并建立如下带故障的高超声速飞行器模型：

其中，v为飞行器的速度，依次表示v的一阶微分、二阶微分和三阶微分；h为飞行器的高度，h⁽⁴⁾依次表示h的一阶微分、二阶微分、三阶微分和四阶微分；上标t表示转置；表示v对光滑向量场f微分3次，表示h对光滑向量场f微分4次；ηc为发动机节流阀调定值，δe为升降舵偏转角；f1为飞行器中控制ηc的执行器的故障状态值，f2为飞行器中控制δe的执行器的故障状态值，0≤fi≤1，fi＝0表示对应的执行器发生故障，完全不能工作，fi＝1表示对应的执行器未发生故障，i＝1,2；矩阵为非奇异系数矩阵。

进一步地，在步骤(2)中，首先定义指令跟踪误差：

上式中，ev表示实际速度与指令信号速度的差值，eh与实际高度与指令信号高度的差值，vref和href分别为指令信号速度和指令信号高度；

然后根据系统结构，定义积分滑模面：

上式中，sv和sh分别为关于速度和高度的积分滑模面，其初值均为0；λv和λh为决定滑模运动性能的参数，其值均为正数；cv和ch为常数参数；τ为时间积分变量，t为积分时长；

对积分滑模面求导并将步骤(1)建立的带故障的高超声速飞行器模型代入其中，得到不考虑故障情况下的基于快速双幂次趋近律的基础控制器：

上式中，kv1,kv2,kv3,kh1,kh2,kh3为需要设计的控制器参数，其值均大于0；αv,αh＞1；βv＞0,βh＜1，αv,αh，βv,βh均为需要设计的控制器参数；sign(*)为符号函数。

进一步地，在步骤(3)中，在步骤(2)得到的基础控制器中加入如下神经网络函数：

ξ(t)＝f^*tφ(z)+g^*z+h

上式中，z为神经网络的输入，φ(z)为径向基函数，f^*为神经网络隐含层与输出层之间的理想权重，g^*为输入层与输出层之间的理想权重，h是逼近误差的上界；

从而得到如下自适应容错控制器：

上式中，ψ(·)＝||φ(z)||+|z|+1，ε为抑制抖振的参数，s＝[sv,sh]^t；分别是f^*,g^*,h的估计值；

神经网络的自适应更新率如下：

上式中，γf,σf,γg,σg,γh,σh均为大于零的常值参数。

进一步地，所述神经网络的径向基函数：

φ(z)＝[φ1(z),φ2(z),...,φc(z)]^t

其中，神经网络的输入

ui是第i个神经节点的中心，βi是第i个高斯函数的宽度，c为神经节点数目。

采用上述技术方案带来的有益效果：

(1)本发明在不需要精确系统参数且不需要估算执行器故障阈值的情况下，能够针对发动机和油门的不同故障情况完成飞行输出参考命令的渐近稳定跟踪；

(2)本发明控制算法结构简单，不需要大量的在线计算，可以快速处理故障的发生。

附图说明

图1为本发明的飞行控制系统基本框图；

图2为本发明自适应神经网络部分的结构图；

图3为飞行器状态量变化曲线图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

如图1所示，由计算机发出飞行指令给高超声速飞行器，依次通过控制系统中的滑模自适应控制模块(nasmftc)和精确反馈线性化模块，将发动机节流阀调定值ηc和升降舵偏转角δe发送给执行器中的发动机和舵面，但是在执行器中存在效益损失故障，所以经过执行器之后，原来的输入变为f1ηc和f2δe，并将此输入到高超声速飞行器模型，经过测量系统反馈到飞行器指令处进行调节。

步骤一：建立高超声速飞行器模型。

选择作为的系统状态，高超声速飞行器精确反馈线性化模型如下：

其中，v为飞行器的速度；h为飞行器的高度；表示v对光滑向量场f微分3次，表示h对光滑向量场f微分4次；ηc为发动机节流阀调定值，δe为升降舵偏转角；

其中，x0为系统的初始状态；x1＝[v,γ，α,β,h]^t，v,γ,α,q,h分别为速度，航迹倾斜角，迎角，俯仰角速度和高度；g,iy分别为重力加速度和绕y轴的转动惯量，m为飞行器的质量；为平均气动弦长；ce为常数系数，等于0.0292；sw为机翼参考面积；ρ＝ρ0e^-h/7315.2表示空气密度随高度变化因子，ρ0为地表大气密度；表示推力，表示迎角阻力，表示迎角升力，cβ表示侧滑角系数；ωn表示固有频率。

考虑高超声速飞行器的控制效益损失故障，即飞行器的执行器故障，如果控制效益不是完全损失，那么飞行器的执行器仍旧能够工作，但是控制的效率会降低，由以上的精确反馈线性化模型可知，在本发明中，执行器为高超声速飞行器的油门开度和升降舵偏转角。

设vi(t)为第i个执行器的输入，ui(t)为第i个执行器的实际输出值。当发生部分失效故障时，建立如下的模型：

ui(t)＝fivi(t)

其中，fi为第i个执行器的部分失效因子。

则带有故障的高超声速飞行器模型如下：

其中，矩阵f＝diag{f1,f2}中f1表示高超声速飞行器的控制输入油门开度ηc中发生的未知的控制效益损失故障，f2表示升降舵偏转角δe中发生的未知的控制效益损失故障，并且满足0≤fi≤1，fi＝0表示该执行器发生故障，完全不能工作，fi＝1表示该执行器没有发生故障，假设矩阵非奇异，通过验证可知对于所建立的高超声速飞行器模型，在正常飞行包线内矩阵b是可逆的。

步骤二：设计基础控制器。

速度和高度的指令信号分别记为vc和href，定义指令跟踪误差：

根据系统的结构，定义积分滑模面如下：

其中，λv和λh为正数，决定滑模运动的性能；cv和ch为常数，其应取适当的数值，可使得滑模面的初值sv(0)＝0，sh(0)＝0，以使系统在一开始就处于滑模运动，避免初始阶段控制输入量变化过大。

对滑模面求导并将高超声速飞行器模型代入其中，可得：

针对滑模控制中传统趋近律存在抖振、收敛速度慢的问题,在不考虑故障的情况下设计基于快速双幂次趋近律的基础控制器：

其中，kv1,kv2,kv3,kh1,kh2,kh3为需要设计的控制器参数，其值均大于0；αv,αh＞1；βv＞0,βh＜1，αv,αh，βv,βh均为需要设计的控制器参数；sign(*)为符号函数。

步骤三：在基础控制器的基础上添加神经网络自适应算法。

为了提高神经网络的收敛速度以及存在干扰时容错控制方法的执行性能，在传统rbf神经网络的基础上用一种改进的神经网络结构，即在网络的输入层和输出层之间引入线性连接，在线调整神经网络的权重。对于逼近有一定线性特点的函数具有明显的优势，而且，由于输入直接对输出影响，网络的收敛速度和逼近能力会得到提高。图2为神经网络自适应部分的结构图。

设计如下的神经网络来逼近ξ(t)：

ξ(t)＝f^*tφ(z)+g^*z+h

式中，z为神经网络的输入，φ(z)为径向基函数，f^*为神经网络隐含层与输出层之间的理想权重，g^*为输入层与输出层之间的理想权重，h是逼近误差的上界。

则自适应容错控制器的设计如下：

其中，ψ(·)＝||φ(z)||+|z|+1，ε为抑制抖振的设计，s＝[sv,sh]^t，分别是f^*,g^*,h的估计值。

神经网络的自适应更新律如下：

其中，γf,σf,γg,σg,γh,σh均为大于零的常值，由设计者进行设计。

神经网络的径向基函数的定义如下：

φ(z)＝[φ1(z),φ2(z),...,φc(z)]^t

其中，定义神经网络的输入

ui是第i个神经节点的中心，βi是第i个高斯函数的宽度，c为神经节点数目。

图3为在故障的情况下，飞行器状态量变化曲线图。其中，(a)为飞行器速度(v)变化曲线图；(b)为飞行器高度(h)变化曲线图；(c)为飞行器俯仰角速率(q)变化曲线图；(d)为飞行器迎角(α)变化曲线图；(e)为飞行器航迹角(γ)变化曲线图。由(a)和(b)的仿真结果可以看出，当飞机在20s出现故障时，具有自适应神经网络的控制器基本上可以保持稳定而不受故障影响，而没有ftc的控制器无法跟踪故障发生后的原始指令。从(c)到(e)可以看出，具有自适应神经网络的控制器可以具有更好的稳定性并且受故障影响较小。它还具有快速的收敛速度，这使得飞机在大约10秒内保持稳定。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。