基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法
【专利摘要】本发明公开了一种基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，首先给出近空间飞行器X-33的姿态动态方程，建立了操纵面故障模型，根据姿态角速率回路的操纵面故障模型设计了自适应神经网络观测器，并联立姿态角回路和所设计的观测器动态方程，采用指令滤波反演方法设计角度环控制器和角速度环控制器。本发明不需要精确的故障信息和干扰信息，将均隐含在所设计的自适应神经网络观测器中，并实时的将隐含信息反馈给控制器，实现了鲁棒容错控制；绕开了FDI需要鲁棒性和敏感性这一难题，实现鲁棒容错控制，最后应用于操纵面故障情况的近空间飞行器姿态稳定控制和跟踪控制中，实现了飞行姿态鲁棒容错控制，并达到了良好的控制性能和效果。
【专利说明】基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法
【技术领域】
[0001]本发明属于近空间飞行器【技术领域】，尤其涉及一种基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法。
【背景技术】
[0002]近空间(Near Space)是指距离海平面20km?IOOkm的空间区域，当前人类的探索活动很少涉及到这一高度范围。它拥有着大气平流层区域(高度20km?55km)、大气中间层区域(高度55km?85km)和小部分增温层区域(高度85km以上)，其中60km以下区域为非电离层，60km以上区域为电离层，其绝大部分空间中的大气成分为均质大气(约高度90km以下的区域)。正是由于其所具有的独特空间位置使得近空间具有特有的飞行环境与性质，因而有着重大的战略意义及战略价值。近年来，随着认识的逐步发展和科学技术的不断进步，已经成为世界各国所争夺的热点之一。
[0003]近空间飞行器(NSV)是指能够在近空间范围内持续工作的飞行器，它既不同于传统的航空飞行器，也不属于航天飞行器的范畴，而是集飞机、空天飞行器、轨道战斗机，甚至卫星、空间站等多方面的优点于一体，是21世纪争夺制空、制天权，进行空天作战的杀手锏武器。它与传统的飞行器相比，具有明显的优势，主要表现在以下几个方面:(I)发射成本低；(2)准备周期短；(3)覆盖范围广；(4)生存突防能力强；(5)任务模式多样性。NSV具有很大的飞行包络，所涉及的飞行范围很广，飞行环境极其复杂，而且还有可能出现气动结构的变化，这些会使得飞行系统呈现出强耦合、快时变、不确定以及强非线性等特点，从而给NSV的飞行控制系统设计带来严峻的挑战。
[0004]作为一种新的航空航天飞行器，NSV的故障同样也是主要由执行器，传感器和结构故障引起。为了提闻NSV安全性和可罪性，在NSV姿态控制系统控制器的设计中，各错控制(FTC:Fault tolerant control)系统必须加以考虑。主动容错控制由于有小的保守性，且能很好的处理未知的故障等优点，已经在飞行容错控制系统设计中成为一种主流的设计方法。一般来讲，主动容错控制包含两个单元，故障诊断和隔离(FDI)单元和可重构控制器。传统的主动容错方法针对模型不确定和外部干扰问题需要在设计FDI单元时考虑误报和漏报两个指标，这本身就是一个悖论，所以工程师在实际中常常采用折衷的办法。由于对象存在不确定和干扰，即使所诊断的信息是准确的，在设计控制器的时候仍然要考虑控制器的鲁棒性和抗干扰问题。传统鲁棒容错控制在设计过程中，要设计鲁棒FDI单元和鲁棒可重构控制器，可知，传统的方法FDI和可重构控制器都是基于被控对象的动态模型设计。
[0005]另一方面，跟踪控制在工业生产，航空，航天等领域中起着重要的作用。因此，它一直是科学家和工程师的热门研究课题。目前，针对不同的复杂系统，许多跟踪控制方法被提出，如预测控制，智能控制，自适应控制，滑模控制，反演控制等等。在处理约束问题方面，预控制和反演控制控制得到很好的研究。然而非线性预测控制在系统稳定性分析方面目前还不成熟。而反演控制是一种基于Lyapunov稳定性理论的控制器设计方法，自上世纪90年代提出之后一直受到研究者们的广泛关注，然而它也存在三个主要的缺陷，(I)微分膨胀问题；(2)需要严格反馈形式，(3)控制约束问题。在飞控系统中，缺陷⑴和(3)是造成其不能实际应用的主要障碍，特别是缺陷(3)，如果在实际中不加以考虑，会造成误差的累积而使得参数估计不正确，造成系统的不稳定甚至发散。所以为了解决传统的反演控制所存在的问题。研究者们基于反演控制的基础上相继提出了动态面控制和指令滤波反演控制等方法。具作者所知，目前还没有相关文献将指令滤波反演控制推广至容错控制领域。
[0006]传统的近地飞行器的鲁棒容错控制方法存在的设置漏报和误报都很低FDI单元繁琐，目前没有将指令滤波反演控制推广至容错控制领域。
【发明内容】
[0007]本发明实施例的目的在于提供一种基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，旨在解决传统的近地飞行器的鲁棒容错控制方法存在的设置漏报和误报都很低FDI单元繁琐，目前没有将指令滤波反演控制推广至容错控制领域的问题。
[0008]本发明实施例是这样实现的，一种基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，该基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法包括:首先给出近空间飞行器X-33的姿态动态方程，建立了操纵面故障模型；根据姿态角速率回路的操纵面故障模型设计了自适应神经网络观测器，并联立姿态角回路和所设计的观测器动态方程；采用指令滤波反演方法设计角度环控制器和角速度环控制器。
[0009]进一步，近空间飞行器X-33的姿态动态方程，建立了操纵面故障模型的方法如下:
[0010]步骤一，根据近空间飞行器x-33气动构型，考虑具体的飞行环境，选择合适的坐标轴系，得到简化的可用于控制系统设计的姿态模型，然后将计算得到的容错控制律在原始模型上进行仿真，检验容错控制系统的合理性和有效性；
[0011]针对近空间飞行器的飞行运动作如下的假设:
[0012]近空间飞行器为理想刚体，不考虑在飞行过程中的机体包括操纵舵面在内的弹性形变、强度以及气动热因素；
[0013]近空间飞行器在飞行的同一高度空域中，大气是干洁且均匀的并且不考虑大气的运动；
[0014]地球是标准的圆球形状，NSV的自转速度远远大于地球的自转，即忽略地球的自转;
[0015]不考虑燃料的晃动，飞行器质心位置始终保持在机体的结构纵轴上；
[0016]近空间飞行器的外形是左右对称的，并且质量分布也是左右对称的，则惯性积Ixy=Iyz = O,并且由于其近似轴对称，因而惯性积Izx ^ O ;
[0017]忽略近空间飞行器的气动操纵舵面以及发动机所形成的转动惯量影响；
[0018]步骤二，X-33再入模态的姿态角回路运动方程整理得:
【权利要求】
1.一种基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，该基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法包括:首先给出近空间飞行器X-33的姿态动态方程，建立了操纵面故障模型；根据姿态角速率回路的操纵面故障模型获取自适应神经网络观测器，并联立姿态角回路和所设计的观测器动态方程；采用指令滤波反演方法获取角度环控制器和角速度环控制器。
2.如权利要求1所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，近空间飞行器X-33的姿态动态方程，建立了操纵面故障模型的方法如下: 步骤一，根据近空间飞行器X-33气动构型，考虑具体的飞行环境，选择合适的坐标轴系，得到简化的可用于控制系统设计的姿态模型，然后将计算得到的容错控制律在原始模型上进行仿真，检验容错控制系统的合理性和有效性； 针对近空间飞行器的飞行运动作如下的假设: 近空间飞行器为理想刚体，不考虑在飞行过程中的机体包括操纵舵面在内的弹性形变、强度以及气动热因素； 近空间飞行器在飞行的同一高度空域中，大气是干洁且均匀的并且不考虑大气的运动； 地球是标准的圆球形状，NSV的自转速度远远大于地球的自转，即忽略地球的自转； 不考虑燃料的晃动，飞行器质心位置始终保持在机体的结构纵轴上； 近空间飞行器的外形是左右对称的，并且质量分布也是左右对称的，则惯性积Ixy = Iyz=O,并且由于其近似轴对称，因而惯性积Izx ^ O ; 忽略近空间飞行器的气动操纵舵面以及发动机所形成的转动惯量影响； 步骤二，x-33再入模态的姿态角回路运动方程整理得:
3.如权利要求2所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，近空间飞行器X-33的的姿态动态方程写成如下严格反馈形式:
4.如权利要求1所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，该飞行器姿态鲁棒反演容错控制的主动容错控制采用径向基神经网络来逼近复合干扰项d (X1, X2, t),由于复合干扰项表示为一个未知的非线性函数,给出(Kx1, X2, t)的逼近过程，若具有足够多的隐含层个数，则存在一个最优的权值矩阵W'使得d (X1, X2, t)表示为:
d(x) = Ι*τΦ*(χ)+ ο (2.23) 其中ο为一个任意小量，则RBFNN的输出为:
5.如权利要求1、2或4所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，根据姿态角速率回路的操纵面故障模型设计了自适应神经网络观测器，并联立姿态角回路和所设计的观测器动态方程的方法如下: 自适应律#用于理想权值估计和失效因子的估计，定义e = Z2-X2，于是针对姿态角速度回路环设计一个自适应NN观测器如下:
6.如权利要求1或2所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，利用观测器动态方程和姿态角度回路方程获得指令滤波反演控制步骤如下；
观测器方程
7.如权利要求6所述的基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法，其特征在于，的逆通常用丨表示，然而，当泣的维数不等于状态向量的维数时，它便不存在严格意义上的逆矩阵，使用广义逆，采用最小二范数广义逆概念，利用广义逆
【文档编号】H03F1/26GK104022742SQ201410277859
【公开日】2014年9月3日 申请日期:2014年6月19日 优先权日:2014年6月19日
【发明者】周洪成, 胡艳, 陈存宝 申请人:金陵科技学院