CN102880174B - 基于预测模型的高超声速飞行器克里格控制方法 - Google Patents
基于预测模型的高超声速飞行器克里格控制方法 Download PDFInfo
- Publication number
- CN102880174B CN102880174B CN201210371509.8A CN201210371509A CN102880174B CN 102880174 B CN102880174 B CN 102880174B CN 201210371509 A CN201210371509 A CN 201210371509A CN 102880174 B CN102880174 B CN 102880174B
- Authority
- CN
- China
- Prior art keywords
- centerdot
- gamma
- kriging
- alpha
- sin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于预测模型的高超声速飞行器克里格控制方法,用于解决现有的高超声速飞行器离散自适应控制难以工程实现技术问题。该方法首先通过合理假设得到高度子***的严格反馈形式,进一步通过欧拉法建立原有***的离散形式;通过不断的向前预测,建立原***的四步预测模型,该模型只包含一个等式;根据预测模型计算***的集中不确定项的历史信息,通过高斯随机分布假设,采用克里格方法对未来不确定性进行构造性估计;进一步结合集总标称信息和误差反馈,设计控制器;本发明无需设计虚拟控制量,克里格估计将***不确定性由确定性推广到随机分布,更加符合实际情形,并且不需在线调整参数,得到的控制器设计简单实用,适于工程应用。
Description
技术领域
本发明涉及一种高超声飞行器控制方法,特别是涉及一种基于预测模型的高超声速飞行器克里格控制方法,属于飞行器控制领域。
背景技术
高超声速飞行器由于其突出的飞行能力,使得全球实时打击成为可能,因此受到国内外的广泛关注;NASA X-43A试飞成功证实了这项技术的可行性;受自身复杂动力学特性的影响以及机体发动机一体化设计,高超声速飞行器弹性机体、推进***以及结构动态之间的耦合更强,模型的非线性度也更高;此外,受飞行高度、马赫数和飞行条件影响,飞行器对外界条件非常敏感。
针对高超声速飞行器的控制大都集中在连续域内;随着计算机技术的发展,未来高超声速飞行器的控制***需要使用计算机完成,因此研究高超声速飞行器的离散自适应控制具有重要的意义;离散控制器的设计通常可采用两种方法:1)根据连续控制对象设计控制器,然后将连续的控制器离散化;2)直接根据离散化的控制对象设计离散控制器;第1种方法需要较快的采样速率,对***的硬件提出了很高的要求。
《Adaptive Kriging Controller Design for Hypersonic Flight Vehicle viaBack-stepping》(Xu Bin,Sun Fuchun,Liu Huaping,Ren Jianxin,《IET Control Theory &Applications》,2012年第6卷第4期)一文采用第二种方法通过设计虚拟控制量(航迹角,俯仰角以及俯仰角速度)实现高度控制器设计;采用克里格***对***的不确定部分进行估计;克里格估计源自地质统计学,通过将Y看做随机函数,得到相应的均值m(x)和协方差函数δY(x,x′),具体表达如下
m(x)=E[Y(x)],δY(x,x′)=E[(Y(x)-m(x))(Y(x′)-m(x′))]
如果已经观察到高斯随机函数Y在N个不同的点{x1,…,xN}的观察值,并且为零均值分布,则克里格估计值为
其中Y(x)=[Y(xi)]∈RN,σ=[δY(xi,x)]∈RN,∑=[δY(xi,xj)]∈RN×N;
该方法仅利用当前时刻与下一时刻的信息,由于***动力学参数存在不确定性,因而无法准确计算虚拟控制量的未来时刻信息,存在非因果问题;并且其需要反复设计虚拟控制量,控制器设计复杂,难以工程实现。
发明内容
为克服现有技术在高超声速飞行器离散自适应控制难以工程实现的不足,本发明提出了一种基于预测模型的高超声速飞行器克里格控制方法,该方法通过对已有的高超声速飞行器离散欧拉模型进行变换,得到预测模型,仅包含一个等式;控制器采用标称方法,同时考虑***的集总不确定性,通过预测模型计算历史不确定部分的数值,进一步通过高斯假设按照克里格方法进行构造性预测,整个控制器无需进行自适应参数估计,设计简单便于工程实现。
本发明解决其技术问题采用的技术方案是:一种基于预测模型的高超声速飞行器克里格控制方法,通过以下步骤实现:
(a)考虑高超声速飞行器纵向通道动力学模型:
该模型由五个状态变量Xs=[V,h,α,γ,q]T和两个控制输入Uc=[δe,β]T组成;其中,V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度,δe是舵偏角,β为节流阀开度;T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩;m、Iyy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离;
(b)定义X=[x1,x2,x3,x4]T,其中x1=h,x2=γ,x3=θ,x4=q,θ=α+γ;因为γ非常小,取sinγ≈γ;考虑到T sinα远小于L,在控制器设计过程中近似忽略;
高度子***(2)-(5)写成以下严格反馈形式:
uA=δe
速度子***(1)写为如下形式:
uV=β
其中fi,gi,i=1,2,3,4,V是根据(1)-(5)得到的未知项,分为标称值fiN,giN与不确定性Δfi,Δgi;
(c)考虑采样时间Ts非常小,通过欧拉近似法得到高度子***离散模型:
xi(k+1)=xi(k)+Ts[fi(k)+gi(k)xi+1(k)]
(6)
x4(k+1)=x4(k)+Ts[f4(k)+g4(k)uA(k)]
其中i=1,2,3;
通过欧拉近似法得到速度子***的一步预测模型:
V(k+1)=V(k)+Ts[fV(k)+gV(k)uV(k)]
进一步建立***(6)的预测模型(7):
x1(k+4)=fA(k)+gA(k)uA(k) (7)
其中
相应的标称值记为:fAN(k)和gAN(k);
(d)考虑动力学参数未知,采用标称值进行设计,将***不确定部分看作是满足随机高斯分布的未知项,采用克里格方法进行估计;
定义误差z1(k)=x1(k)-x1d(k),设计虚拟控制量
这里θA(k)=[XT(k1),x1d(k+4)]T,x1d(k+4)为高度参考指令在k+4时刻的值,0<CA<1为误差比例系数,为克里格估计值,kA=k-4;
当k>4, 否则取为零;
针对速度子***,定义θV(k)=[V(k),XT(k),Vd(k+1)]T,zV(k)=V(k)-Vd(k), 相应的标称值记为:和
设计控制器
其中0<CV<1为误差比例系数,为克里格估计值,kV=k-1;
当k>1, 否则取为零;
(e)根据得到的舵偏角uA(k)和节流阀开度uV(k),返回到高超声速飞行器的动力学模型(1)-(5),对高度和速度进行跟踪控制。
本发明与现有技术相比有益效果为:
(1)本发明利用高超声速飞行器高度子***的分层递阶特点,将原有模型进行转换得到预测模型,解决了非因果问题,所采取的离散化设计方法便于计算机实现;
(2)预测模型形式简单,仅包含一个等式,但包含***所有的结构信息,便于分析***的集总不确定性并计算其历史信息,易于工程实现;
(3)高度子***控制器设计根据预测模型直接设计,无需设计虚拟控制量,控制器设计简单直接;
(4)克里格方法将***不确定部分由确定性推广为随机高斯随机分布,更符合实际情形,并且该估计方法是构造性进行,无需参数在线自适应更新,便于工程实现;
下面结合附图和实施例对本发明作详细说明。
附图说明
图1是本发明基于预测模型的高超声速飞行器克里格控制方法的流程图。
具体实施方式
参照图1,本发明基于预测模型的高超声速飞行器克里格控制方法通过以下步骤实现:
(a)考虑公式组(1)-(5)的高超声速飞行器纵向通道动力学模型
该模型由五个状态变量Xs=[V,h,α,γ,q]T和两个控制输入Uc=[δe,β]T组成;其中,V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度,δe是舵偏角,β为节流阀开度;T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩;m、Iyy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离;
相关的力矩及参数定义如下:
CD=0.6450α2+0.0043378α+0.003772,
CM(α)=-0.035α2+0.036617α+5.3261×10-6,
CM(δe)=0.0292(δe-α)
其中表示动压,ρ表示空气密度,Ci(j),i=D,L,M,T,j=α,β,q,δe表示j对i的系数,表示平均气动弦长,S表示气动参考面积;
(b)为便于设计,定义X=[x1,x2,x3,x4]T,其中x1=h,x2=γ,x3=θ,x4=q,θ=α+γ;因为γ非常小,取sinγ≈γ;考虑到T sinα远小于L,在控制器设计过程中近似忽略;
高度子***(2)-(5)写成以下严格反馈形式:
uA=δe
其中fl=0,g1=V,
f3=0,g3=1,
速度子***(1)写成如下形式:
uV=β
其中
这里fi,gi,i=1,2,3,4,V是根据(1)-(5)得到的未知项,分为标称值fiN,giN与不确定性Δfi,Δgi;
(c)考虑采样时间Ts非常小,通过欧拉近似法得到速度子***的一步预测模型模型:
V(k+1)=V(k)+Ts[fV(k)+gV(k)uV(k)]
通过欧拉近似法建立高度子***的离散模型:
xi(k+1)=xi(k)+Ts[fi(k)+gi(k)xi+1(k)],i=1,2,3 (6)
x4(k+1)=x4(k)+Ts[f4(k)+g4(k)uA(k)]
对i=1,2,3,进行两步预测得到
xi(k+2)=xi(k+1)+Ts[fi(k+1)+gi(k+1)xi+1(k+1)]
对i=1,2,进行三步预测得到
xi(k+3)=xi(k+2)+Ts[fi(k+2)+gi(k+2)xi+1(k+2)]
对i=1,进行四步预测得到
xi(k+4)=xi(k+3)+Ts[fi(k+3)+gi(k+3)xi+1(k+3)]
仅x4(k+1)、x3(k+2)、x2(k+3)和x1(k+4)依赖于uA(k)和当前的***状态X(k);
至此得到新的高度子***离散化形式
x1(k+4)=x1(k+3)+Ts[f1(k+3)+g1(k+3)x2(k+3)]
x2(k+3)=x2(k+2)+Ts[f2(k+2)+g2(k+2)x3(k+2)]
x3(k+2)=x3(k+1)+Ts[f3(k+1)+g3(k+1)x4(k+1)]
x4(k+1)=x4(k)+Ts[f4(k)+g4(k)uA(k)]
进一步将xi(k+1),i=1,2,3,4;xj(k+2),j=1,2,3;xl(k+3),l=1,2的表达代入下式
x1(k+4)=x1(k+3)+Ts[f1(k+3)+g1(k+3)x2(k+3)]
得到高度子***的四步预测模型(7):
x1(k+4)=fA(k)+gA(k)uA(k) (7)
其中
根据标称值fiN(k)和giN(k),i=1,2,3,4结合式(8)和(9)可得四步预测模型中fA(k)和gA(k)的标称值,记为:fAN(k)和gAN(k);
(d)考虑动力学参数未知,采用标称值进行设计,将***不确定部分看作是满足随机高斯分布的未知项,采用克里格方法进行估计;
定义误差z1(k)=x1(k)-x1d(k),设计虚拟控制量
这里θA(k)=[XT(k1),x1d(k+4)]T,x1d(k+4)为高度参考指令在k+4时刻的值,0<CA<1为误差比例系数,为克里格估计值,kA=k-4;
当k>4, 否则取为零;
针对速度子***,定义θV(k)=[V(k),XT(k),Vd(k+1)]T,zV(k)=V(k)-Vd(k), 相应的标称值记为:和
设计控制器
其中0<CV<1为误差比例系数,为克里格估计值,kV=k-1;
当k>1, 否则取为零;
(e)根据得到的舵偏角uA(k)和节流阀开度uV(k),返回到高超声速飞行器的动力学模型(1)-(5),对高度和速度进行跟踪控制。
本发明未详细说明部分属于领域技术人员公知常识。
Claims (1)
1.一种基于预测模型的高超声速飞行器克里格控制方法,通过以下步骤实现:
(a)考虑高超声速飞行器纵向通道动力学模型:
该模型由五个状态变量Xs=[V,h,α,γ,q]T和两个控制输入Uc=[δe,β]T组成;其中,V表示速度,γ表示航迹倾角,h表示高度,α表示攻角,q表示俯仰角速度,δe是舵偏角,β为节流阀开度;T、D、L和Myy分别代表推力、阻力、升力和俯仰转动力矩;m、Iyy、μ和r代表质量、俯仰轴的转动惯量、引力系数以及距地心的距离;
(b)定义X=[x1,x2,x3,x4]T,其中x1=h,x2=γ,x3=θ,x4=q,θ=α+γ;因为γ非常小,取sinγ≈γ;考虑到Tsinα远小于L,在控制器设计过程中近似忽略;
高度子***(2)-(5)写成以下严格反馈形式:
uA=δe
速度子***(1)写为如下形式:
uV=β
其中
这里fi,gi,i=1,2,3,4,V是根据(1)-(5)得到的未知项,分为标称值fiN,giN与不确定性△fi,△gi;
(c)考虑采样时间Ts非常小,通过欧拉近似法得到高度子***离散模型:
其中i=1,2,3;
通过欧拉近似法得到速度子***的一步预测模型:
V(k+1)=V(k)+Ts[fV(k)+gV(k)uV(k)]
进一步建立***(6)的预测模型(7):
x1(k+4)=fA(k)+gA(k)uA(k) (7)
其中
gA(k)=Ts 4g1(k+3)g2(k+2)g3(k+1)g4(k)
根据标称值fiN(k)和giN(k),i=1,2,3,4结合上式得到四步预测模型中fA(k)和gA(k)的标称值,记为:fAN(k)和gAN(k);
(d)考虑动力学参数未知,采用标称值进行设计,将***不确定部分看作是满足随机高斯分布的未知项,采用克里格方法进行估计;
定义误差z1(k)=x1(k)-x1d(k),设计虚拟控制量
这里θA(k)=[XT(k1),x1d(k+4)]T,x1d(k+4)为高度参考指令在k+4时刻的值,0<CA<1为误差比例系数,为克里格估计值,kA=k-4;
当k>4, 否则取为零;
针对速度子***,定义θV(k)=[V(k),XT(k),Vd(k+1)]T,zV(k)=V(k)-Vd(k), 相应的标称值记为:和
设计控制器
其中0<CV<1为误差比例系数,为克里格估计值,kV=k-1;
当k>1, 否则取为零;
(e)根据得到的舵偏角uA(k)和节流阀开度uV(k),返回到高超声速飞行器的动力学模型(1)-(5),对高度和速度进行跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371509.8A CN102880174B (zh) | 2012-09-29 | 2012-09-29 | 基于预测模型的高超声速飞行器克里格控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210371509.8A CN102880174B (zh) | 2012-09-29 | 2012-09-29 | 基于预测模型的高超声速飞行器克里格控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102880174A CN102880174A (zh) | 2013-01-16 |
CN102880174B true CN102880174B (zh) | 2015-01-28 |
Family
ID=47481544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210371509.8A Expired - Fee Related CN102880174B (zh) | 2012-09-29 | 2012-09-29 | 基于预测模型的高超声速飞行器克里格控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102880174B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898685B (zh) * | 2015-05-27 | 2017-09-19 | 中国人民解放军海军航空工程学院 | 一种基于概率最优的飞行器俯仰通道攻角跟踪控制方法 |
CN109918809A (zh) * | 2019-03-14 | 2019-06-21 | 北京理工大学 | 基于过滤器和自适应Kriging模型的飞行器近似优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19950247A1 (de) * | 1999-10-18 | 2001-05-17 | Daimler Chrysler Ag | Regelungsanordnung und Regelungsverfahren für Sstelliten |
EP2151730A1 (en) * | 2008-08-05 | 2010-02-10 | The Boeing Company | Four-dimensional navigation of an aircraft |
CN102193557B (zh) * | 2010-03-04 | 2013-01-02 | 南京航空航天大学 | 无人机的鲁棒受限飞行控制方法 |
CN102176160B (zh) * | 2010-12-31 | 2012-09-26 | 北京控制工程研究所 | 基于偏量特征模型的高超声速飞行器自适应学习控制方法 |
-
2012
- 2012-09-29 CN CN201210371509.8A patent/CN102880174B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
"Adaptive Sliding Mode Control Design for a Hypersonic Flight Vehicle";Haojian Xu 等;《JOURNAL OF GUIDANCE, CONTROL, AND DYNAMICS》;20041031;第27卷(第5期);全文 * |
"高超声速飞行器基于Back􀀁stepping 的离散控制器设计";高道祥 等;《控制与决策》;20090331;第24卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN102880174A (zh) | 2013-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102880053B (zh) | 基于预测模型的高超声速飞行器滑模控制方法 | |
CN102880052B (zh) | 基于时标功能分解的高超声速飞行器执行器饱和控制方法 | |
CN102880055B (zh) | 基于预测模型的高超声速飞行器神经网络控制方法 | |
CN102866635B (zh) | 基于等价模型的高超声速飞行器离散神经网络自适应控制方法 | |
CN102880056B (zh) | 基于等价模型的高超声速飞行器离散滑模控制方法 | |
CN107390531B (zh) | 参数学习有限时间收敛的高超声速飞行器控制方法 | |
CN102540882B (zh) | 一种基于最小参数学习法的飞行器航迹倾角控制方法 | |
CN110456636B (zh) | 基于不确定性上界估计的飞行器离散滑模自适应控制方法 | |
CN104035335A (zh) | 基于高精度纵、横程解析预测方法的平稳滑翔再入制导律 | |
CN107526296B (zh) | 基于预测建模的高超声速飞行器神经网络学习控制方法 | |
CN109062055A (zh) | 一种基于Back-stepping鲁棒自适应动态面的近空间飞行器控制*** | |
CN108828957A (zh) | 基于切换机制的飞行器全局有限时间神经网络控制方法 | |
CN110568765A (zh) | 面向攻角跟踪的高超声速飞行器非对称输出受限控制方法 | |
CN106091817B (zh) | 末制导段的标控脱靶量解析制导方法 | |
CN103592847A (zh) | 一种基于高增益观测器的高超声速飞行器非线性控制方法 | |
CN103226631A (zh) | 一种小推力转移轨道快速设计与优化方法 | |
Liang et al. | Constrained predictor-corrector guidance via bank saturation avoidance for low L/D entry vehicles | |
CN102880174B (zh) | 基于预测模型的高超声速飞行器克里格控制方法 | |
CN115755598A (zh) | 一种智能航天器集群分布式模型预测路径规划方法 | |
Suvarna et al. | Revised semi-empirical aerodynamic estimation for modelling flight dynamics of an airship | |
CN102880054B (zh) | 基于等价模型的高超声速飞行器克里格控制方法 | |
CN110376887B (zh) | 基于时变滑模增益的飞行器离散滑模智能控制方法 | |
Khademi et al. | Optimal three dimensional Terrain Following/Terrain Avoidance for aircraft using direct transcription method | |
CN114117631B (zh) | 一种带有最优终端时间估计的火箭回收轨迹优化方法 | |
CN104698840A (zh) | 一种抗干扰和参数摄动的四旋翼uav渐近稳定控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |