专利名称：一种基于最小参数学习法的飞行器航迹倾角控制方法
技术领域：
本发明涉及一种基于最小参数学习法的飞行器航迹倾角控制方法，它是针对飞行器纵向平面动态模型，而给出的一种基于最小参数学习法的神经网络动态面控制方法，用于控制飞行器航迹倾角，属于飞行控制技术领域。
背景技术：
飞行器的航迹倾角就是飞行速度方向与水平方向夹角，是重要的飞行器运动参数。通过稳定精确控制航迹倾角，不仅能保证飞行器按照预定轨迹运行，还能保证飞行器的运行高度。飞行器纵向模型属于非线性强耦合系统，对于它的控制具有一定难度。由于要求飞行器航迹倾角能快速精确跟踪预定轨迹，所以对控制方法的设计提出了较高要求。近年来，许多先进的控制方法被用到飞行器航迹倾角的控制中，其中反馈线性化方法是最常用的一种。但是反馈线性化方法存在一些缺陷，比如要求不确定部分满足匹配条件，对建模误差敏感等。反推控制设计虽然能够很好地弥补这些缺陷，但又存在“微分爆炸”现象。动态面控制方法是一种新颖的控制方法，它设计步骤清晰，设计过程简单，对下三角形式的非线性系统有很好的控制效果。这种控制方法在每一步设计中引入一个一阶低通滤波器，使得每一步控制律设计与前一级的设计基本解耦，从而使控制律的复杂程度大大下降，根本上消除了 “微分爆炸”现象。对于含有未知函数的不确定系统，动态面控制结合神经网络能够解决系统模型存在未知函数问题。但是构建神经网络需要在线估计许多权值，给计算带来压力，通过采用最小参数学习法能够大大减小待估计参数数量，很好地解决精度与计算量之间的矛盾。这种技术背景下，本发明给出一种基于最小参数学习法的神经网络动态面控制方法，用于控制飞行器航迹倾角。采用这种控制不仅保证了闭环系统的半全局稳定性，还大大减小了待估计参数的数量，实现了飞行器航迹倾角对预定轨迹的快速且精确跟踪。
发明内容
1、发明目的本发明的目的是为了克服现有控制技术的不足，提供一种基于最小参数学习法的飞行器航迹倾角控制方法，它通过神经网络动态面控制，用以控制飞行器航迹倾角，它在保证闭环半全局系统稳定的基础上，减小待估计参数数量，实现飞行器航迹倾角对预定轨迹的快速且精确跟踪。本发明是一种基于最小参数学习法的飞行器航迹倾角控制方法，其设计思想是 针对飞行器纵向模型，构造神经网络逼近系统未知函数，利用最小参数学习法减小待估计参数数量，逐步设计虚拟控制，并在每步引入一阶低通滤波器，最终推导出神经网络动态面控制，克服反推控制的“微分爆炸”现象，能保证闭环控制系统的半全局稳定性，同时实现了飞行器航迹倾角对预定轨迹的快速且精确跟踪。2、技术方案
下面结合流程框图3中的步骤，具体介绍该设计方法的技术方案。本发明一种基于最小参数学习法的飞行器航迹倾角控制方法，该方法具体步骤如下第一步飞行器纵向控制系统分析与建模闭环控制系统采用负反馈的控制结构，输出量是飞行器航迹倾角。所设计的闭环控制系统主要包括控制器环节和系统模型这两个部分，其结构布局情况见
图1所示。飞行器纵向控制系统模型描述如下
权利要求
1. 一种基于最小参数学习法的飞行器航迹倾角控制方法，其特征在于该方法具体步骤如下第一步飞行器纵向控制系统分析与建模闭环控制系统采用负反馈的控制结构，输出量是飞行器航迹倾角，所设计的闭环控制系统包括控制器环节和系统模型这两个部分； 飞行器纵向控制系统模型描述如下r = L0+LaCX-^-Cosr'T< ψ = q(1)q =Mo +Mqq+Ms5并且有Lo=^,La=^ mVT mVT其中Y表示飞行器航迹倾角；α表示飞行器迎角；Ψ表示飞行器俯仰角； q表示飞行器俯仰率；m表示飞行器质量；g表示重力加速度；VT表示飞行器航速； La表示升力曲线斜率；L。表示其他升力影响因素；MS表示控制俯仰力矩； Mtl表示与俯仰率相关的力矩系数；M。表示其他力矩；δ表示控制舵偏角； 为了便于设计，分别定义三个状态变量Xl、x2> X3如下X1 = YX2 = V X3 = q根据飞行器实际物理特性，有关系Y = ψ-α成立；式(1)就写成、=^1X2+/(X1)Ix2 =X3(2)X3 = a3u + Z3(X3)其中。_厂 a3 = M5, Μχ) = ^o-LaXl-fcosx:, ^ (^) = Mo+Mqx3 ；aI _ 厶a，vT如此处理的目的是将系统化为清晰明了的下三角形式系统，便于控制设计；第二步基于最小参数学习法的神经网络动态面控制设计设计过程是逐步递进的过程，一共分三个小步； 第一小步假设预定轨迹为Xld，定义第一个误差表面S1为 S1 — Xi-Xid (3) 对式C3)求导，得■ 11 ,、 =^1X2+/(X1)-X1^ =^^2+-/( ) — 一X1J(4)Q1Q1令Fl(Xl^ld) = —fl(Xl)-—^ld (5) Q1Q12构造一个神经网络用于逼近巧
全文摘要
本发明一种基于最小参数学习法的飞行器航迹倾角控制方法，它有四大步骤步骤一、飞行器纵向控制系统分析与建模；步骤二、基于最小参数学习法的神经网络动态面控制设计；步骤三、跟踪性能检验与参数调节；步骤四、设计结束。本控制方法针对飞行器纵向模型，构造神经网络逼近系统未知函数，利用最小参数学习法减小待估计参数数量，逐步设计虚拟控制，并在每步引入一阶低通滤波器，最终推导出神经网络动态面控制，克服反推控制的“微分爆炸”现象，它能保证闭环控制系统的半全局稳定性，同时实现了飞行器航迹倾角对预定轨迹的快速且精确跟踪。
文档编号G05B13/00GK102540882SQ201210052100
公开日2012年7月4日 申请日期2012年3月1日 优先权日2012年3月1日
发明者刘金琨, 郭一 申请人:北京航空航天大学