CN110377045B - 一种基于抗干扰技术的飞行器全剖面控制方法 - Google Patents
一种基于抗干扰技术的飞行器全剖面控制方法 Download PDFInfo
- Publication number
- CN110377045B CN110377045B CN201910776438.1A CN201910776438A CN110377045B CN 110377045 B CN110377045 B CN 110377045B CN 201910776438 A CN201910776438 A CN 201910776438A CN 110377045 B CN110377045 B CN 110377045B
- Authority
- CN
- China
- Prior art keywords
- angle
- aircraft
- model
- attitude
- attack
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 18
- 238000005312 nonlinear dynamic Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000005096 rolling process Methods 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于抗干扰技术的飞行器全剖面控制方法,针对在未知非线性动态、气动参数不确定及外部干扰下的飞行器全剖面控制问题,首先,建立含有上述多源干扰的飞行器六自由度模型,通过线性状态变换,将姿态动力学模型变换为积分串联型,将不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示;其次,设计扩张状态观测器对飞行器总扰动进行快速估计,得到干扰估计值;再次,设计基于自抗扰控制的飞行器姿态控制器;最后,设计基于质心运动状态的姿态指令修正,完成基于自抗扰控制的飞行器全剖面控制方法,本发明实现无动力再入飞行器平飞段和下压段全剖面控制,具有较高鲁棒性、易于工程实现的特点,适用于需要进行无动力再入的多种类型飞行***。
Description
技术领域
本发明涉及一种基于抗干扰技术的飞行器全剖面控制方法,解决含有未知非线性动态、气动参数不确定及外部干扰的无动力再入飞行器平飞段及下压段的全剖面控制问题。
背景技术
临近空间再入飞行器,如高超声速飞行器和部分导弹等,在飞行空域、气动外形、动力学特性等方面都明显不同于传统航空航天器,呈现出强不确定、强干扰、强耦合、强非线性、快时变、多约束等特点。例如高超声速飞行器各飞行通道之间存在强烈的非线性耦合,耦合造成的诱导力矩有时甚至超过通道舵面本身的控制力矩。它的飞行范围超出了经典空气动力学的有效范围,其启动特性难以精确描述。受技术限制,地面风洞实验难以模拟高马赫飞行环境,使得气动参数存在较大偏差。此外,高超声速飞行器在飞行过程中不可避免地会受到气流扰动的影响,高马赫数飞行中气动热引起的飞行器外形变化和弹性颤振等也增加了不确定因素。较高的飞行速度和强耦合使得干扰对姿态控制的影响加剧,即便一些小幅干扰也有可能被放大甚至瘫痪整个姿态控制***。与传统航空航天器相比,高超声速飞行器对攻角、侧滑角等姿态变量的范围约束也更为苛刻。这些特点极大增加了高超声速飞行器姿态控制***设计与分析的难度,传统飞行器姿态控制方法难以直接应用。因此,结合现有技术,设计全飞行剖面下的飞行器高精度姿态控制方法很重要,具有广泛的应用前景。
目前,对再入飞行器姿态控制的研究主要集中在给定特征点情况下,有效的全飞行剖面姿态控制技术研究较少,文献《基于干扰观测器的高超声速飞行器稳定回路设计》,将飞行器模型在平衡点附近线性化,然后构造了干扰观测器和PID控制器,取得了较好的控制效果。专利号为CN201310530708.3中提出了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,针对高超声速飞行器存在建模不确定性、参数摄动以及外界未知扰动的情况,设计高增益观测器对速度误差***中未知函数及扰动进行在线估计并补偿。专利号为CN201210371480.3中提出了一种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,解决了高超声速飞行器离线自适应控制难以工程实现的技术问题,但上述三种种方法基于简化后的纵向模型,忽略了许多原***中的非线性耦合,工程中难以直接应用。专利号为CN201310485560.6中提出了一种抑制侧滑角信号常值偏差影响的高超声速飞行器控制方法,所设计的方法能够同时保证真实的侧滑角稳态误差和滚转角稳态误差同时为零,但此方法没有考虑抗干扰控制的问题,忽略了***的不确定性。文献《高超声速飞行器改进自抗扰串级解耦控制器设计》针对高超声速飞行器无动力再入过程中具有强耦合、气动参数摄动及不确定性的非线性姿态模型,设计了便于工程实现的高超声速飞行器自抗扰姿态控制器,取得较好的控制效果,但未考虑控制过渡过程产生的累积误差对质心运动的影响,难以直接应用于全剖面控制。
综上所述,现有方法在知非线性动态、气动参数不确定及外部干扰的多源干扰下,缺乏全飞行剖面下的高精度姿态控制方法,亟需攻克基于抗干扰技术的飞行器全剖面控制方法。
发明内容
本发明解决的技术问题是:针对含有未知非线性动态、气动参数不确定及外部干扰的无动力再入飞行器平飞段及下压段的全剖面控制问题,克服现有技术的不足,提供一种基于抗干扰技术的飞行器全剖面控制方法,实现了对复杂干扰及非线性组成的总扰动的快速估计与补偿,采用一套控制策略跟踪离线轨迹规划给出的姿态期望信号,并保证一定的控制器动态性能,提升飞行器全剖面控制过程的自主性、精确性及抗干扰能力。
本发明的技术解决方案为:一种基于抗干扰技术的飞行器全剖面控制方法,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,将姿态动力学模型转换为积分串联型,在此基础上设计自抗扰姿态控制器,结合基于质心运动状态的姿态指令修正,完成飞行器全剖面控制方法,具体实现步骤如下:
第一步,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,其中六自由度分别由质心运动的三个自由度和绕质心转动的三个自由度组成,因此可以分解为质心运动学模型和姿态动力学模型。质心运动学模型将质心运动的相关状态变量以微分方程组的形式表示,为后续公式中质心运动状态变量微分项的具体形式:
其中,V为飞行器速度、θ为航迹倾角、ψv为航迹偏角;分别为V、θ、ψv的一阶导数;x、y、z分别为沿地球坐标系三轴向运动的距离;α为攻角、β为侧滑角、γv为速度倾斜角,m为飞行器质量,g为重力加速度,T为发动机推力,在无动力再入过程中为零,D、L、Z分别为阻力、升力、侧向力,表达式如下:
其中,ρ为大气密度,S为飞行器参考面积,cA、cN、cZ分别为阻力、升力、侧向力系数。
以上为质心运动学模型,姿态动力学模型为:
其中:
其中,Jl、Jn、Jm分别为滚转、偏航、俯仰轴转动惯量,ωl、ωn、ωm分别为滚转、偏航、俯仰转动角速度,r1、r2、r3分别为攻角、侧滑角、速度滚转角通道与质心运动状态耦合的非线性函数,空气动力矩分为滚转力矩Ml、偏航力矩Mn、俯仰力矩Mm,表达式分别为:
其中,b为机翼展长,l为机翼平均气动弦长,cl、cn、cm分别为滚转、偏航、俯仰力矩系数,气动力、气动力矩系数模型如下:
将上述模型中的姿态动力学模型经过线性变换,化为积分串联型,将气动参数不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示,得到变换后的模型:
定义:
则攻角的积分串联型描述可表示为:
同理可得,如果定义:
则侧滑角、速度滚转角的积分串联型描述分别为:
其中,xi,i=1,3,5为攻角、侧滑角及速度滚转角积分串联型***的状态变量,xi,i=2,4,6分别为相应通道的扩张状态,其一阶导数分别为wi,i=1,2,3为足够接近零的小量。yi,i=1,2,3为攻角、侧滑角及速度滚转角积分串联型***的输出,pi,i=1,2,3分别为控制量俯仰舵偏角δm、偏航舵偏角δn、滚转舵偏角δl的控制增益。在进行***变换时,对攻角、侧滑角及速度滚转角分通道进行,各通道分别由两个状态,依次命名为1~6,其中1,3,5分别代表攻角、侧滑角及速度滚转角,而2,4,6表示对应通道的扩张状态。
第二步,针对第一步变换后的模型,设计扩张状态观测器对飞行器总扰动进行快速估计,得到总扰动估计值:
设计扩张状态观测器如下:
其中,z1、z2、z3、z4、z5、z6为观测器状态,其一阶导数分别为 z2为攻角通道扩张状态x2的估计值,z4为侧滑角通道扩张状态x4的估计值,z6为攻角通道扩张状态x6的估计值。ω0为观测器参数,也是观测器带宽,为正数。
第三步,利用第二步的总扰动估计值,设计基于自抗扰控制的飞行器姿态控制器:
设计误差反馈控制器为:
其中,kp1、kd1、kp2、kd2、kp3、kd3为控制器参数,αr为攻角参考指令,βr为侧滑角参考指令,γvr为速度滚转角参考指令。
第四步,设计基于质心运动状态的姿态指令修正,结合第三步中的飞行器姿态控制器,完成基于自抗扰控制的飞行器全剖面控制方法:
在攻角控制信号中加入反馈修正:
其中,αr为原始的攻角指令,αc为所设计的反馈修正,αrc为修正后的攻角指令,eθ为航迹倾角跟踪误差,θr为航迹倾角期望值。k1、k2、k3为反馈修正中的系数。
本发明与现有技术相比的优点在于:本发明涉及的一种基于抗干扰技术的飞行器全剖面控制方法,针对现有方法在含有未知非线性动态、气动参数不确定及外部干扰情况下,缺乏全飞行剖面下高精度控制能力的缺点,设计了扩张状态观测器对复杂干扰及非线性组成的总扰动进行估计和补偿,实现了具有强鲁棒性的飞行器姿态控制器,使其能够在不同飞行剖面及多源干扰下保持理想的控制性能;再者,设计了基于质心运动状态的姿态指令修正,利用所设计的姿态控制器跟踪经过修正的姿态指令,能够在存在多源干扰的情况下实现基于离线轨迹规划的全剖面控制,并将速度及高度误差控制在较小的范围之内,具有高精度、强鲁棒的特点,适用于动力再入飞行器平飞段及下压段的全剖面控制***中。
附图说明
图1为本发明一种基于抗干扰技术的飞行器全剖面控制方法的设计流程图;
图2为本发明一种基于抗干扰技术的飞行器全剖面控制方法的控制框图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明涉及一种基于抗干扰技术的飞行器全剖面控制方法。第一步,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,其中六自由度分别由质心运动的三个自由度和绕质心转动的三个自由度组成,因此可以分解为质心运动学模型和姿态动力学模型,通过线性状态变换,将姿态动力学模型变换为积分串联型,将气动参数不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示;第二步,针对第一步变换后的模型,设计扩张状态观测器对飞行器总扰动进行快速估计,得到总扰动估计值;第三步,利用第二步的总扰动估计值,设计基于自抗扰控制的飞行器姿态控制器;第四步,设计基于质心运动状态的姿态指令修正,结合第三步中的飞行器姿态控制器,完成基于自抗扰控制的飞行器全剖面控制方法。本发明采用具有强鲁棒性的飞行器自抗扰姿态控制方法与基于质心运动状态的姿态指令修正,能够在存在多源干扰的情况下实现基于离线轨迹规划的全剖面控制,并将速度及高度误差控制在较小的范围之内,具有高精度、强鲁棒的特点,适用于动力再入飞行器平飞段及下压段的全剖面控制***中。
具体实施步骤如下:
第一步,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,其中六自由度分别由质心运动的三个自由度和绕质心转动的三个自由度组成,因此可以分解为质心运动学模型和姿态动力学模型。质心运动学模型将质心运动的相关状态变量以微分方程组的形式表示,为后续公式中质心运动状态变量微分项的具体形式:
其中,V为飞行器速度,初始值为5100m/s,θ为航迹倾角,初始值为-0.0349rad,ψv为航迹偏角,初始值为0rad;分别为V、θ、ψv的一阶导数;x、y、z分别为沿地球坐标系三轴向运动的距离,于是飞行器高度可以由y表示,初始值为33.5km;α为攻角、β为侧滑角、γv为速度倾斜角,初始值分别为-0.0349rad、0rad、0rad,m为飞行器质量,g为重力加速度,取值为9.8m/s2,T为发动机推力,在无动力再入过程中为零,D、L、Z分别为阻力、升力、侧向力,表达式如下:
其中,ρ为大气密度,取值为1.225kg/m3,S为飞行器参考面积,cA、cN、cZ分别为阻力、升力、侧向力系数。
以上为质心运动学模型,姿态动力学模型为:
其中:
其中,Jl、Jn、Jm分别为滚转、偏航、俯仰轴转动惯量,ωl、ωn、ωm分别为滚转、偏航、俯仰转动角速度,r1、r2、r3分别为攻角、侧滑角、速度滚转角通道与质心运动状态耦合的非线性函数,空气动力矩分为滚转力矩Ml、偏航力矩Mn、俯仰力矩Mm,表达式分别为:
其中,b为机翼展长,l为机翼平均气动弦长,cl、cn、cm分别为滚转、偏航、俯仰力矩系数,气动力、气动力矩系数模型如下:
将上述模型中的姿态动力学模型经过线性变换,化为积分串联型,将气动参数不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示,得到变换后的模型:
定义:
则攻角的积分串联型描述可表示为:
同理可得,如果定义:
则侧滑角、速度滚转角的积分串联型描述分别为:
其中,xi,i=1,3,5为攻角、侧滑角及速度滚转角积分串联型***的状态变量,xi,i=2,4,6分别为相应通道的扩张状态,其一阶导数分别为wi,i=1,2,3为足够接近零的小量。yi,i=1,2,3为攻角、侧滑角及速度滚转角积分串联型***的输出,pi,i=1,2,3分别为控制量俯仰舵偏角δm、偏航舵偏角δn、滚转舵偏角δl的控制增益。
第二步,针对第一步变换后的模型,设计扩张状态观测器对飞行器总扰动进行快速估计,得到总扰动估计值:
设计扩张状态观测器如下:
其中,z1、z2、z3、z4、z5、z6为观测器状态,其一阶导数分别为 z2为攻角通道扩张状态x2的估计值,z4为侧滑角通道扩张状态x4的估计值,z6为攻角通道扩张状态x6的估计值。ω0为观测器参数,也是观测器带宽,为正数,可取为50rad。
第三步,利用第二步的总扰动估计值,设计基于自抗扰控制的飞行器姿态控制器:
设计误差反馈控制器为:
其中,kp1、kd1、kp2、kd2、kp3、kd3为控制器参数,可分别取为12、20、2、5、20、30,αr为攻角参考指令,βr为侧滑角参考指令,γvr为速度滚转角参考指令。
第四步,设计基于质心运动状态的姿态指令修正,结合第三步中的飞行器姿态控制器,完成基于自抗扰控制的飞行器全剖面控制方法:
在攻角控制信号中加入反馈修正:
其中,αr为原始的攻角指令,αc为所设计的反馈修正,αrc为修正后的攻角指令,eθ为航迹倾角跟踪误差,θr为航迹倾角期望值。k1、k2、k3为反馈修正中的系数,分别取为30、2、1000。
采用本发明方法进行全剖面控制,可在飞行器平飞段和下压段的全飞行剖面内使用一套姿态控制策略,并保持较好的控制器动态性能,无稳态误差。同时控制效果与无干扰估计与补偿的控制器相比,能够承受更大的气动参数不确定性,且干扰估计误差在2s内稳定,达到了高精度与强鲁棒要求。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (1)
1.一种基于抗干扰技术的飞行器全剖面控制方法,其特征在于,包括以下步骤:
第一步,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,其中六自由度分别由质心运动的三个自由度和绕质心转动的三个自由度组成,因此可以分解为质心运动学模型和姿态动力学模型,将其中的姿态动力学模型经过线性变换化为积分串联型,将气动参数不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示,得到变换后的模型;
第二步,针对第一步变换后的模型,设计扩张状态观测器对飞行器总扰动进行快速估计,得到总扰动估计值;
第三步,利用第二步的总扰动估计值,设计基于自抗扰控制的飞行器姿态控制器;
第四步,设计基于质心运动状态的姿态指令修正,结合第三步中的飞行器姿态控制器,完成基于自抗扰控制的飞行器全剖面控制方法;
所述第一步中,建立含有未知非线性动态、气动参数不确定及外部干扰的飞行器六自由度模型,其中六自由度模型包括质心运动学模型和姿态动力学模型,将其中的姿态动力学模型经过线性变换化为积分串联型,将不确定性、外部干扰及未知非线性动态称为总扰动,用扩张状态表示,具体步骤如下:
(1)质心运动学模型,将质心运动的相关状态变量以微分方程组的形式表示,为后续公式中质心运动状态变量微分项的具体形式;
其中,V为飞行器速度、θ为航迹倾角、ψv为航迹偏角;分别为V、θ、ψv的一阶导数;x、y、z分别为沿地球坐标系三轴向运动的距离;α为攻角、β为侧滑角、γv为速度倾斜角,m为飞行器质量,g为重力加速度,T为发动机推力,在无动力再入过程中为零,D、L、Z分别为阻力、升力、侧向力,表达式如下:
其中,ρ为大气密度,S为飞行器参考面积,cA、cN、cZ分别为阻力、升力、侧向力系数;
(2)姿态动力学模型为:
其中:
其中,Jl、Jn、Jm分别为滚转、偏航、俯仰轴转动惯量,ωl、ωn、ωm分别为滚转、偏航、俯仰转动角速度,r1、r2、r3分别为攻角、侧滑角、速度滚转角通道与质心运动状态耦合的非线性函数,空气动力矩分为滚转力矩Ml、偏航力矩Mn、俯仰力矩Mm,表达式分别为:
其中,b为机翼展长,l为机翼平均气动弦长,cl、cn、cm分别为滚转、偏航、俯仰力矩系数,气动力、气动力矩系数模型如下:
(3)将姿态动力学模型通过线性状态变换,化为积分串联型,得到变换后的模型;
定义:
则攻角的积分串联型描述表示为:
同理,定义:
则侧滑角、速度滚转角的积分串联型描述分别为:
其中,xi,i=1,3,5为攻角、侧滑角及速度滚转角积分串联型***的状态变量,xi,i=2,4,6分别为相应通道的扩张状态,其一阶导数分别为wi,i=1,2,3为足够接近零的小量,yi,i=1,2,3为攻角、侧滑角及速度滚转角积分串联型***的输出,pi,i=1,2,3分别为控制量俯仰舵偏角δm、偏航舵偏角δn、滚转舵偏角δl的控制增益;
所述第二步中,设计扩张状态观测器如下:
其中,z1、z2、z3、z4、z5、z6为观测器状态,其一阶导数分别为 z2为攻角通道扩张状态x2的估计值,z4为侧滑角通道扩张状态x4的估计值,z6为攻角通道扩张状态x6的估计值,ω0为观测器参数,也是观测器带宽,为正数;
所述第三步中,设计基于自抗扰控制的飞行器姿态控制器:
其中,kp1、kd1、kp2、kd2、kp3、kd3为控制器参数,αr为攻角参考指令,βr为侧滑角参考指令,γvr为速度滚转角参考指令;
所述第四步,设计基于质心运动状态的姿态指令修正,结合第三步中的飞行器姿态控制器,完成基于自抗扰控制的飞行器全剖面控制方法:
在攻角控制信号中加入反馈修正:
其中,αr为原始的攻角指令,αc为所设计的反馈修正,αrc为修正后的攻角指令,eθ为航迹倾角跟踪误差,θr为航迹倾角期望值,k1、k2、k3为反馈修正中的系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776438.1A CN110377045B (zh) | 2019-08-22 | 2019-08-22 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776438.1A CN110377045B (zh) | 2019-08-22 | 2019-08-22 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377045A CN110377045A (zh) | 2019-10-25 |
CN110377045B true CN110377045B (zh) | 2020-09-01 |
Family
ID=68260205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910776438.1A Active CN110377045B (zh) | 2019-08-22 | 2019-08-22 | 一种基于抗干扰技术的飞行器全剖面控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377045B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928325B (zh) * | 2019-10-30 | 2023-06-06 | 北京临近空间飞行器***工程研究所 | 一种适用于主动段的姿控动力控制能力分析方法 |
CN111324142B (zh) * | 2020-01-07 | 2023-06-23 | 湖北航天技术研究院总体设计所 | 一种导弹驾驶仪扰动补偿控制方法 |
CN111258333B (zh) * | 2020-02-12 | 2021-03-23 | 上海大学 | 大长径比掠海飞行器复杂海况下的定高路径跟踪方法 |
CN111290421A (zh) * | 2020-03-20 | 2020-06-16 | 湖南云顶智能科技有限公司 | 一种考虑输入饱和的高超声速飞行器姿态控制方法 |
CN111522356B (zh) * | 2020-03-27 | 2021-06-04 | 北京航空航天大学 | 一种倾转旋翼无人机强鲁棒全包线一体化控制方法 |
CN111273681B (zh) * | 2020-04-09 | 2023-03-31 | 中北大学 | 一种考虑攻角受限的高超声速飞行器高安全抗干扰控制方法 |
CN111443724B (zh) * | 2020-04-20 | 2022-03-11 | 中南大学 | 一种基于自抗扰混合切换控制的四旋翼无人机的控制方法 |
CN111650952B (zh) * | 2020-06-02 | 2023-09-22 | 河北雄安万泽科技有限公司 | 一种基于双干扰观测器四旋翼无人机分层抗干扰方法 |
CN111736468B (zh) * | 2020-06-21 | 2022-06-21 | 西北工业大学 | 一种信息融合下的飞行器抗干扰控制方法 |
CN112034871B (zh) * | 2020-08-25 | 2022-05-24 | 南京航空航天大学 | 一种可倾转多旋翼飞行器的全向控制方法 |
CN112082549B (zh) * | 2020-09-10 | 2023-01-10 | 中国人民解放军海军航空大学 | 一种仅测量加速度的飞行器简单质心控制方法 |
CN112364432B (zh) * | 2020-10-20 | 2023-12-12 | 中国运载火箭技术研究院 | 一种载机挂飞投放分离过程控制方法 |
CN112757301B (zh) * | 2020-12-30 | 2022-05-03 | 乐聚(深圳)机器人技术有限公司 | 机器人抗扰动控制方法、装置、电子设备及存储介质 |
CN112947058B (zh) * | 2021-03-19 | 2022-07-22 | 中国科学院数学与***科学研究院 | 一种针对飞机三轴角速率控制的自抗扰型pid调参方法 |
CN113505434B (zh) * | 2021-06-24 | 2022-10-28 | 上海机电工程研究所 | 基于气动力数学模型的飞行器设计制造方法及其飞行器 |
CN113985916B (zh) * | 2021-10-26 | 2024-04-05 | 西安电子科技大学 | 基于压强闭环控制的飞行器变推力发动机控制分配方法、***、装置及存储介质 |
CN114234737B (zh) * | 2021-12-03 | 2024-05-28 | 航天科工火箭技术有限公司 | 基于攻角变化的姿态控制***设计方法 |
CN114281092B (zh) * | 2021-12-23 | 2024-06-14 | 北京航空航天大学 | 一种基于滑模干扰观测器的高超声速飞行器协调姿态控制方法 |
CN114415707B (zh) * | 2022-01-14 | 2023-09-12 | 西北工业大学 | 基于姿态解耦的宽域飞行自抗扰控制方法 |
CN114895700B (zh) * | 2022-04-06 | 2023-05-16 | 北京理工大学 | 带终端时间约束的进入飞行器阻力剖面规划方法 |
CN116753788B (zh) * | 2023-08-09 | 2023-12-01 | 北京理工大学 | 一种基于线性自抗扰的敏捷转弯复合控制方法 |
CN116755342B (zh) * | 2023-08-17 | 2023-10-24 | 中国科学院工程热物理研究所 | 一种航空发动机反步抗扰自适应控制***及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937233A (zh) * | 2010-08-10 | 2011-01-05 | 南京航空航天大学 | 近空间高超声速飞行器非线性自适应控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6935592B2 (en) * | 2003-08-29 | 2005-08-30 | Supersonic Aerospace International, Llc | Aircraft lift device for low sonic boom |
US8712559B2 (en) * | 2010-02-10 | 2014-04-29 | The Board Of Trustees Of The University Of Illionois | Adaptive control for uncertain nonlinear multi-input multi-output systems |
CN102880060B (zh) * | 2012-10-25 | 2014-09-10 | 北京理工大学 | 再入飞行器自适应指数时变滑模姿态控制方法 |
CN105278545A (zh) * | 2015-11-04 | 2016-01-27 | 北京航空航天大学 | 适用于高超声速机动飞行的自抗扰轨迹线性化控制方法 |
-
2019
- 2019-08-22 CN CN201910776438.1A patent/CN110377045B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937233A (zh) * | 2010-08-10 | 2011-01-05 | 南京航空航天大学 | 近空间高超声速飞行器非线性自适应控制方法 |
Non-Patent Citations (1)
Title |
---|
Anti-Interference Control of Unmanned Helicopter Based on Output Feedback;Xiaojing Li 等;《2018 5th International Conference on Information Science and Control Engineering (ICISCE)》;20190117;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110377045A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377045B (zh) | 一种基于抗干扰技术的飞行器全剖面控制方法 | |
CN109144084B (zh) | 一种基于固定时间收敛观测器的垂直起降重复使用运载器姿态跟踪控制方法 | |
CN109426146B (zh) | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 | |
CN111665857B (zh) | 基于复合智能学习的变体飞行器控制方法 | |
CN114281092B (zh) | 一种基于滑模干扰观测器的高超声速飞行器协调姿态控制方法 | |
CN108363305B (zh) | 基于主动干扰补偿的战术导弹鲁棒过载自驾仪设计方法 | |
CN109460050B (zh) | 一种针对变体无人机的复合分层抗干扰控制方法 | |
Zhen et al. | Adaptive super-twisting control for automatic carrier landing of aircraft | |
CN108828957B (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 | |
CN105607473B (zh) | 小型无人直升机的姿态误差快速收敛自适应控制方法 | |
CN108873929B (zh) | 一种固定翼飞机自主着舰方法及*** | |
CN111367182A (zh) | 考虑输入受限的高超声速飞行器抗干扰反步控制方法 | |
CN105629734B (zh) | 一种近空间飞行器的轨迹跟踪控制方法 | |
CN108776434B (zh) | 一种高超声速飞行器快速自适应滑模容错控制方法 | |
CN111290421A (zh) | 一种考虑输入饱和的高超声速飞行器姿态控制方法 | |
CN111679583B (zh) | 基于气动参数估计的变体飞行器自适应控制方法 | |
CN110244751B (zh) | 一种高超声速飞行器姿态自适应递推控制方法及*** | |
CN111290278B (zh) | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 | |
CN108762098B (zh) | 基于复合学习的非最小相位飞行器神经网络控制方法 | |
CN110377044B (zh) | 一种无人直升机的有限时间高度和姿态跟踪控制方法 | |
CN109703769B (zh) | 一种基于预瞄策略的空中加油对接控制方法 | |
CN109062234B (zh) | 一种非最小相位飞行器复合学习滑模控制方法 | |
CN114721266B (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
CN112327926A (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN113900448A (zh) | 一种基于滑模干扰观测器的飞行器预测校正复合制导方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |