一种基于预见控制的舰载机自动着舰控制方法与流程

本发明涉及一种基于预见控制的舰载机自动着舰控制方法，属于自动着舰技术、引导技术、飞行控制技术领域。

背景技术：

舰载机自动着舰控制系统的基本原理为航空母舰上的跟踪雷达测出舰载机的实际位置，同时由甲板运动传感器测量航空母舰飞行甲板的运动情况，将数据传送给补偿计算机对甲板运动进行补偿，然后计算舰载机所处的理想位置，将舰载机的理想位置和实际位置输入指令计算机，进行比较得到误差信号，根据误差信号经由引导控制律计算得到舰载机的控制指令，再由无线电数据链发送给舰载机，舰载机上的自动驾驶仪根据接收装置收到的误差信号，操纵舰载机消除误差，在预定位置安全着舰。

舰载机着舰一般采用下滑道跟踪着舰。所谓下滑道跟踪着舰(舰载机等角下滑)，是在进舰着舰的最后阶段，舰载机截获合适的下滑道后，一直保持相同的下滑轨迹角、俯仰角、速度和下沉率，直至舰载机与航母飞行甲板碰撞，实现撞击式着舰。由于甲板运动的影响，舰载机下滑道跟踪着舰全过程可以分为两个阶段，一是下滑道跟踪阶段，二是甲板运动补偿阶段。舰载机一般在着舰前12.5s将甲板运动加入自动着舰控制系统中，让舰载机在跟踪下滑着舰的过程中同时跟踪甲板运动。实际下滑跟踪阶段，传统的pid(比例-积分-微分控制器)控制器很难使舰载机快速地跟踪下滑道轨迹；实际甲板补偿阶段，传统的pid控制器很难使舰载机在最后的着舰阶段完全跟踪甲板运动，从而降低着舰成功率。因此，舰载机自动着舰控制方法设计对于舰载机在航母上安全着舰尤为重要，直接关系到舰载机自动着舰的成功率和安全性。

目前，针对舰载机自动着舰的研究，国内外学者研究的重点都是在仅考虑下滑道和甲板运动的当前信息来设计控制律。而舰载机在下滑过程中下滑道轨迹信息以及甲板运动信息均为可预见信息，但国内外学者没有利用这些可预见的未来信息对舰载机进行控制。

技术实现要素：

本发明提出了一种基于预见控制的舰载机自动着舰控制方法，利用下滑道轨迹以及甲板运动(沉浮与横荡)的未来信息和现在的信息对舰载机进行预见控制，从而实现对下滑道的跟踪及甲板运动的补偿，有效抑制和消除侧向偏移，使舰载机保持稳定。

本发明为解决其技术问题采用如下技术方案：

一种基于预见控制的舰载机自动着舰控制方法，包括如下步骤：

(1)甲板运动预测值计算

有甲板运动的离散模型：

式中xk为tk时刻的甲板运动状态量，xk-1为tk-1时刻的甲板运动状态量，vk为观测噪声，φk,k-1为状态向量x从tk-1时刻转移到tk时刻的转移矩阵，a为甲板运动的系统矩阵，ts为采样时间，γk,k-1为tk-1时刻的噪声向量wk-1对tk时刻的状态向量xk影响的噪声系数矩阵，其方差阵为qk-1，b为甲板运动的输入矩阵，wk-1为系统动态噪声，zk为tk时刻的甲板运动观测量，hk为观测系数矩阵，其方差阵为rk；

根据离散模型(1)，基于粒子滤波设计甲板运动预估方法流程如下：

1)由先验概率p(x0)产生粒子群粒子群的所有粒子权值为1/n；

2)预测：由k-1时刻的粒子利用系统状态方程，得到k时刻的预测粒子

3)权值更新：根据k时刻的观测向量机预测粒子，利用更新每个粒子的权值；进而对权值进行归一化处理：其中：为k时刻第j个粒子的权值，为为k-1时刻第j个粒子的权值，为先验概率，为归一化处理后k时刻第j个粒子的权值；

4)重采样：根据的权值重新采样得到粒子并重置权值均为1/n；

5)k时刻状态估计：同时令k＝k+1，若k小于设定阈值，返回到第2)步，否则到第6)步；

6)甲板运动信息xk在未来τ时刻的最优估计值的表达式为其中m＝τ/ts，τ为未来时刻，为k时刻状态估计值，状态转移阵

(2)计算修正后的舰载机下滑基准轨迹

第一步，舰载机捕获下滑道，已知初始下滑高度-zea0、下滑角γc、下滑速度vc，计算着舰时间td

和下滑道长度ra

第二步，计算以理想着舰点为原点的地面坐标系下的三维下滑基准轨迹

其中：t为时间，xeatdc(t)为舰载机的前向坐标位置，yeatdc(t)为舰载机的侧向坐标位置，zeatdc(t)为舰载机的高度坐标位置，heatdc(t)为舰载机的高度值，因为坐标系的高度坐标向下为正，所以zeatdc(t)＝-heatdc(t)，(ψs+λac)为舰船跑道或下滑道的方位角，其中ψs为舰船方位角，λac为斜角甲板夹角；

第三步，叠加甲板预估器输出的预估的甲板运动的沉浮高度与横荡距离，得到修正后的舰载机下滑基准轨迹；

(3)计算纵向飞行控制律和横侧向飞行控制律

第一步计算纵向飞行控制律，已知飞机的纵向离散化模型：

δxlon(k+1)＝alonδxlon(k)+bwlonδw(k)+blonδulon(k)

其中，alon为飞机的纵向状态方程的系统矩阵，bwlon为干扰矩阵，blon为输入矩阵，δxlon(k)为[δv(k)δα(k)δq(k)δθ(k)δh(k)]^t，δv(k)为k时刻的速度变化量，δα(k)为k时刻的迎角变化量，δq(k)为k时刻的俯仰角速率变化量，δθ(k)为k时刻的俯仰角变化量，δh(k)为k时刻的高度变化量；δulon(k)为[δδt(k)δδe(k)]^t，δδt为k时刻的油门变化量，δδe为k时刻的升降舵变化量，δw(k)为舰尾流干扰；

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中xlon(k)＝[her(k)xlon(k)hr(k)vlon(k)]^t,her(k)是k时刻加入甲板运动预测修正后的高度误差,xlon(k)为飞机纵向状态量，是高度差向量，其中为k时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，hr(k)是k时刻的加入甲板运动预测修正后的下滑道高度预见值，mrlon是纵向的预见步长；为k+1时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，为k+mrlon时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，是误差积分，vlon(0)为可调初始误差值，ulon(k)为飞机的纵向控制量，her(j)为是j时刻加入甲板运动预测修正后的高度误差，w1lon,w2lon,w3lon是调节参数,z1lon(k),z2lon(k),z3lon(k)为三个广义输出，glon为扩展方程的输出矩阵，flon为扩展方程的状态矩阵，hwlon为扩展方程的干扰矩阵；

寻找控制信号δublon，使得控制性能指标jlon最小化，

所得控制律为：

其中：ublon(k)为k时刻的控制输入量，kelon，kxlon，kvlon，kwlon，为控制律增益，xlon^*为平衡点处的状态量，ulon^*为平衡点处的控制量，her(s)为是s时刻加入甲板运动预测修正后的高度误差，为k+i时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，w(k)为舰尾流干扰。

kwlon＝-rlon^-1(glonplonhwlon),

rlon＝w2lon^tw2lon+glon^tplonglon

其中：rlon为中间计算变量。

plon是下面的离散代数riccati方程的稳态解：

其中为控制律增益矩阵；

第二步计算横侧向飞行控制律，已知飞机的横侧向离散化模型：

δxlat(k+1)＝alatδxlat(k)+bwlatδw(k)+blatδulat(k)

其中，alat为飞机的横侧向状态方程的系统矩阵，bwlat为干扰矩阵，blat为输入矩阵，δxlat(k)为[δβ(k)δp(k)δr(k)δφ(k)δψ(k)δy(k)]^t，δβ(k)为k时刻的侧滑角变化量、δp(k)为k时刻的滚转角速率变化量、δr(k)为k时刻的偏航角速率变化量、δφ(k)为k时刻的滚转角变化量、δψ(k)为k时刻的偏航角变化量，δy(k)为k时刻的侧偏量，δulon(k)为[δδa(k)δδr(k)]^t，δδa(k)为k时刻的副翼偏转变化量，δδr(k)为k时刻的方向舵偏转变化量，δw(k)为舰尾流干扰；

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中xlat(k)＝[yer(k)xlat(k)yr(k)vlat(k)]^t,yer(k)是k时刻加入甲板运动预测修正后的横向偏差,xlat(k)是飞机横侧向状态量，是侧偏差向量，其中为k时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，yr(k)是k时刻的加入甲板运动预测修正后的参考横向偏差信息，mrlat是横侧向的预见步长，为k+1时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，为k+mrlon时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，是侧偏积分，vlat(0)是初始侧偏，ulat(k)是横侧向控制输入量；w1lat,w2lat,w3lat是调节参数；z1lat(k)，z2lat(k)，z3lat(k)为三个广义输出，glat为扩展方程的输出矩阵，flat为扩展方程的状态矩阵，hwlat为扩展方程的干扰矩阵；

寻找控制信号δublat，使得控制性能指标jlat最小化

所得控制律为：

其中：ublat(k)为k时刻的控制输入量，kelat，kxlat，kvlat，kwlat，为控制律增益，xlat^*为平衡点处的状态量，ulat^*为平衡点处的控制量，yer(s)为s时刻加入甲板运动预测修正后的侧偏误差，为k+i时刻与k+mrlon时刻的加入甲板运动预测修正后的侧偏之差，w(k)为舰尾流干扰，

kwlat＝-rlat^-1(glatplathwlat),

rlat＝w2lat^tw2lat+glat^tplatglat,

其中：rlat为中间计算变量；

plat是下面的离散代数riccati方程的稳态解：

其中为控制律增益矩阵。

本发明的有益效果如下：

(1)根据舰船与舰载机的相对位置和绝对位置信息，在线计算着舰指令信号，生成舰载机下滑基准轨迹，通过飞行控制系统控制舰载机追踪基准轨迹。

(2)在甲板运动的干扰下，利用甲板运动预估器给出的甲板运动预测值通过预见控制器的前馈控制有效抑制干扰，减小轨迹跟踪误差。

(3)利用未来信息进行前馈控制，利用当前信息进行反馈控制，可以提前对舰载机的舵面和油门实施平均操作以达到跟踪补偿目的，减小瞬时的能量，并且加快响应速度，确保舰载机能在航母上安全着舰。

附图说明

图1表示基于模型参考自适应控制的舰载机自动着舰控制方法的原理框图。

图2表示舰载机着舰过程中的高度轨迹跟踪效果图。

图3表示舰载机着舰过程中的高度轨迹跟踪误差效果图。

图4表示舰载机着舰过程中的横侧向偏移修正效果图。

具体实施方式

下面结合附图对本发明创造做进一步详细说明。

基于预见控制的舰载机自动着舰控制方法的原理如图1所示，当舰船行驶在海洋上时，实际测量的甲板运动的沉浮高度与横荡距离通过基于粒子滤波的甲板运动预估器得到下一时间段的甲板运动的预测沉浮高度与预测横荡距离。这些预测信息输入到着舰指令与下滑基准轨迹生成模块得到修正后的下滑基准轨迹信息。最后将修正后的基准轨迹信息输入到基于预见控制的飞行控制器中。该发明能够实现舰载机进入下滑阶段后的下滑道轨迹高度与侧偏的跟踪，并在着舰前12.5秒开始实现甲板运动预估与补偿，能够有效抑制甲板运动带来的轨迹偏移，使舰载机保持稳定，确保舰载机自动着舰的成功率和安全性。

甲板运动预估器

输入信号包括：实际测量的甲板运动的沉浮高度与横荡距离。输出信号包括：预估的甲板运动的沉浮高度与横荡距离。将实际甲板运动送入预估模块得到甲板运动预估信息，并在着舰前12.5秒将甲板运动预估信息引入舰载机自动着舰控制系统。

所述的甲板运动预估模块的计算方法如下：

对于已知传递函数表达形式的甲板运动，采用粒子滤波方法设计预估器。首先由传递函数得到甲板运动的状态空间方程：

式中x为甲板运动状态变量；ω为系统动态噪声；z为观测信号；υ为观测噪声，为甲板运动状态变量的微分，a为甲板运动的系统矩阵，b为甲板运动的输入矩阵，c为甲板运动的输出矩阵。

将上式离散化后得到甲板运动的离散模型：

式中xk为tk时刻的甲板运动状态量，xk-1为tk-1时刻的甲板运动状态量，wk-1为系统动态噪声，vk为观测噪声，φk,k-1为状态向量x从tk-1时刻转移到tk时刻的转移矩阵，其中a为甲板运动的系统矩阵，γk,k-1为tk-1时刻的噪声向量wk-1对tk时刻的状态向量xk影响的噪声系数矩阵，其方差阵为qk-1，其中b为甲板运动的输入矩阵，zk为tk时刻的甲板运动观测量，hk为观测系数矩阵，其方差阵为rk，ts为采样时间。

根据离散模型(2)，基于粒子滤波设计甲板运动预估算法流程如下：

(1)由先验概率p(x0)产生粒子群粒子群的所有粒子权值为1/n；

(2)预测：由k-1时刻的粒子利用系统状态方程，得到k时刻的预测粒子

(3)权值更新：根据k时刻的观测向量机预测粒子，利用更新每个粒子的权值；进而对权值进行归一化处理：其中：为k时刻第j个粒子的权值，为为k-1时刻第j个粒子的权值，为先验概率，为归一化处理后k时刻第j个粒子的权值，

(4)重采样：根据的权值重新采样得到粒子并重置权值均为1/n；

(5)k时刻状态估计：同时令k＝k+1，若k小于设定阈值，返回到第(2)步，否则退出循环。

(6)甲板运动信息xk在未来τ时刻的最优估计值的表达式为其中m＝τ/ts，τ为未来时刻，为(5)中的k时刻状态估计值，状态转移阵

着舰指令与下滑基准轨迹生成模块

输入信号包括：舰船跑道或下滑道的方位角(ψs+λac)，其中ψs为舰船方位角，λac为斜角甲板夹角，以及甲板预估器输出的预估的甲板运动的沉浮高度与横荡距离。输出信号包括三维下滑基准轨迹信号xeatdc(t),yeatdc(t),zeatdc(t)和速度指令信号vc。其中，下滑基准轨迹信号、速度指令信号输出给基于预见控制的飞行控制模块。

第一步，舰载机捕获下滑道，已知初始下滑高度-zea0、下滑角γc、下滑速度vc，计算着舰时间td

和下滑道长度ra

第二步，计算以理想着舰点为原点的地面坐标系下的三维下滑基准轨迹

其中：xeatdc(t)为舰载机的前向坐标位置，yeatdc(t)为舰载机的侧向坐标位置，zeatdc(t)为舰载机的高度坐标位置，heatdc(t)为舰载机的高度值，因为坐标系的高度坐标向下为正，所以zeatdc(t)＝-heatdc(t)；

第三步，叠加甲板预估器输出的预估的甲板运动的沉浮高度与横荡距离，得到修正后的下滑基准轨迹。

基于预见控制的飞行控制器

输入信号包括：传感器反馈的舰载机四个纵向状态量——飞行速度v、迎角α、俯仰角速率q、俯仰角θ；传感器反馈的五个横侧向状态量——侧滑角β、滚转角速率p、偏航角速率r、滚转角φ、偏航角ψ；着舰指令与下滑基准轨迹生成模块输出的速度指令vc，修正后的下滑基准轨迹信号xeatdc(t),yeatdc(t),zeatdc(t)，以及舰尾流干扰w。

输出信号包括：油门开度δδt、升降舵偏角δδe、副翼偏角δδa、方向舵偏角δδr。发送给执行机构，从而控制舰载机飞行。

具体过程为：首先计算纵向飞行控制律，其次计算横侧向飞行控制律。

纵向飞行控制律:

首先将飞机的纵向状态方程离散化，得到飞机的纵向离散化模型：

δxlon(k+1)＝alonδxlon(k)+bwlonδw(k)+blonδulon(k)

其中，alon为飞机的纵向状态方程的系统矩阵，bwlon为干扰矩阵，blon为输入矩阵，δxlon(k)为[δv(k)δα(k)δq(k)δθ(k)]^t，δulon(k)为[δδt(k)δδe(k)]^t，其中δv(k)为k时刻的速度变化量，δα(k)为k时刻的迎角变化量，δq(k)为k时刻的俯仰角速率变化量，δθ(k)为k时刻的俯仰角变化量，δh(k)为k时刻的高度变化量；δδt为k时刻的油门变化量，δδe为k时刻的升降舵变化量，δw(k)为舰尾流干扰。

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中xlon(k)＝[her(k)xlon(k)hr(k)vlon(k)]^t,her(k)是k时刻加入甲板运动预测修正后的高度误差,xlon(k)为飞机纵向状态量，是高度差向量，其中为k时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，hr(k)是k时刻的加入甲板运动预测修正后的下滑道高度预见值，mrlon是纵向的预见步长；为k+1时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，为k+mrlon时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，是误差积分，vlon(0)为可调初始误差值，ulon(k)为飞机的纵向控制量，her(j)为是j时刻加入甲板运动预测修正后的高度误差，w1lon,w2lon,w3lon是调节参数,z1lon(k),z2lon(k),z3lon(k)为三个广义输出，glon为扩展方程的输出矩阵，flon为扩展方程的状态矩阵，hwlon为扩展方程的干扰矩阵；

目标要寻找控制信号δublon，使得控制性能指标jlon最小化。

当系统满足以下两个条件时，可以得到满足要求预见控制器：

1)(flonglon)是稳定的；

2)w2lon'w2lon＞0；

纵向控制律模块采用预见控制方法设计控制器，由反馈控制分量和前馈控制分量两部分组成。在下滑道跟踪阶段，将高度误差her以及纵向状态量误差δxlon送入反馈控制分量，将提前已知的理想下滑高度信息hr以及干扰信号w送入前馈控制分量，将两部分结合起来进行预见控制，实现下滑道高度跟踪，其控制律为：

其中：ublon(k)为k时刻的控制输入量，kelon，kxlon，kvlon，kwlon，为控制律增益，xlon^*为平衡点处的状态量，ulon^*为平衡点处的控制量，her(s)为是s时刻加入甲板运动预测修正后的高度误差，为k+i时刻与k+mrlon时刻的加入甲板运动预测修正后的下滑道高度预见值之差，w(k)为舰尾流干扰。

kwlon＝-rlon^-1(glonplonhwlon),

rlon＝w2lon^tw2lon+glon^tplonglon

其中：rlon为中间计算变量。

plon是下面的离散代数riccati方程的稳态解：

其中为控制律增益矩阵；

横侧向飞行控制律：

首先将飞机的横侧向状态方程离散化，得到飞机的横侧向离散化模型：

δxlat(k+1)＝alatδxlat(k)+bwlatδw(k)+blatδulat(k)

其中，alat为飞机的横侧向状态方程的系统矩阵，bwlat为干扰矩阵，blat为输入矩阵，δxlat(k)为[δβ(k)δp(k)δr(k)δφ(k)δψ(k)δy(k)]^t，δβ(k)为k时刻的侧滑角变化量、δp(k)为k时刻的滚转角速率变化量、δr(k)为k时刻的偏航角速率变化量、δφ(k)为k时刻的滚转角变化量、δψ(k)为k时刻的偏航角变化量，δy(k)为k时刻的侧偏量，δulon(k)为[δδa(k)δδr(k)]^t，δδa(k)为k时刻的副翼偏转变化量，δδr(k)为k时刻的方向舵偏转变化量，δw(k)为舰尾流干扰；

加入误差量、已知轨迹信息和广义输出，将方程扩展成以下形式：

其中xlat(k)＝[yer(k)xlat(k)yr(k)vlat(k)]^t,yer(k)是k时刻加入甲板运动预测修正后的横向偏差,xlat(k)是飞机横侧向状态量，是侧偏差向量，其中为k时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，yr(k)是k时刻的加入甲板运动预测修正后的参考横向偏差信息，mrlat是横侧向的预见步长，为k+1时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，为k+mrlon时刻与k+mrlon时刻的加入甲板运动预测修正后的参考横向偏差信息之差，是侧偏积分，vlat(0)是初始侧偏，ulat(k)是横侧向控制输入量；w1lat,w2lat,w3lat是调节参数；z1lat(k)，z2lat(k)，z3lat(k)为三个广义输出，glat为扩展方程的输出矩阵，flat为扩展方程的状态矩阵，hwlat为扩展方程的干扰矩阵；

目标要寻找控制信号δublat，使得控制性能指标jlat最小化。

当系统满足以下两个条件时，可以得到满足要求预见控制器：

1)(flatglat)是稳定的；

2)w2lat'w2lat＞0；

横侧向控制律模块采用预见控制方法设计控制器，由反馈控制分量和前馈控制分量两部分组成。在下滑道跟踪阶段，将横向偏差yer以及状态量误差δxblat送入反馈控制分量，将提前已知的修正后的参考横向偏差yr以及干扰信号w送入前馈控制分量，将两部分结合起来进行预见控制，实现下滑道横向侧偏的修正，其控制律为：

其中：ublat(k)为k时刻的控制输入量，kelat，kxlat，kvlat，kwlat，kyr(i)为控制律增益，xlat^*为平衡点处的状态量，ulat^*为平衡点处的控制量，yer(s)为s时刻加入甲板运动预测修正后的侧偏误差，为k+i时刻与k+mrlon时刻的加入甲板运动预测修正后的侧偏之差，w(k)为舰尾流干扰。

kwlat＝-rlat^-1(glatplathwlat),

rlat＝w2lat^tw2lat+glat^tplatglat,

其中：rlat为中间计算变量。

plat是下面的离散代数riccati方程的稳态解：

其中为控制律增益矩阵。

为了验证本发明提出的舰载机自动着舰控制方法，以某无人机的动力学和运动学模型为例，基准轨迹中在最后12.5秒时刻加入甲板运动补偿，主要仿真参数设置如下：

通过matlab软件平台下的数值仿真验证，结果表明所发明的舰载机自动着舰控制方法能够使舰载机高精度地跟踪下滑基准轨迹，从而成功地完成着舰任务。

图2为预见控制与pid控制的高度轨迹跟踪效果对比图，图3为预见控制与pid控制的高度轨迹跟踪误差对比图，从这两个图中可以看出，与pid控制相比预见控制的响应时间更快，跟踪精度跟高，对甲板运动的补偿效果也更好。

图4为预见控制与pid控制的横侧向侧偏修正对比图，从图中可以看出，约15秒后预见控制能够精确的修正横侧向偏移，而pid控制始终存在横侧向偏移。与pid控制相比预见控制跟踪精度跟高，控制效果也更好。