CN113126495B - 基于地效干扰补偿的低空飞行鲁棒智能控制方法 - Google Patents
基于地效干扰补偿的低空飞行鲁棒智能控制方法 Download PDFInfo
- Publication number
- CN113126495B CN113126495B CN202110402168.5A CN202110402168A CN113126495B CN 113126495 B CN113126495 B CN 113126495B CN 202110402168 A CN202110402168 A CN 202110402168A CN 113126495 B CN113126495 B CN 113126495B
- Authority
- CN
- China
- Prior art keywords
- formula
- design
- design parameter
- altitude
- control
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于地效干扰补偿的低空飞行鲁棒智能控制方法,属于飞行器控制领域。该方法考虑地效干扰对飞行状态的影响,将干扰引入到***状态方程中。然后将飞行器纵向动力学模型转换为速度子***和高度子***,针对速度子***设计动态逆控制;针对高度子***设计反步法控制,面向地效干扰设计扰动观测器对其进行实时估计与补偿,面向未知气动不确定设计复合学习策略对其进行逼近,从而实现复合干扰不确定的有效处理。该发明综合考虑地效干扰和气动不确定影响进行控制律设计,充分协调***的自适应性能和鲁棒性能,对实现超低空突防控制尤为关键。
Description
技术领域
本发明涉及一种飞行器控制方法,特别是涉及一种基于地效干扰补偿的低空飞行鲁棒智能控制方法,属于飞行器控制领域。
背景技术
飞行器超低空飞行能有效避开雷达等敌方信号,大大提升突防生存能力。但近地飞行时气压较大、空气阻力增加,飞行器操纵灵敏度增加难以保持高速飞行,并且强阵风环境和大气湍流等因素使得未知干扰因素增多,影响飞行高度控制降低作战效能。因此,设计有效控制方法抵消或补偿地效干扰影响,对实现飞行器超低空稳定飞行具有重要意义。
《基于自抗扰的地效飞行器俯仰控制***设计》(罗瑜,电子测量技术,2020,43(06):69-76.)一文针对地效飞行器在低空巡航阶段纵向气动参数的非线性和大气扰动对纵向飞行姿态的影响,采用二阶自抗扰控制器进行飞行器纵向俯仰姿态控制,具有一定的抗干扰性和鲁棒性。但此方法在寻求鲁棒性的同时忽略了自适应性,在实际应用中存在限制。
发明内容
要解决的技术问题
针对飞行器超低空飞行中地效干扰影响和气动不确定问题,本发明设计了一种基于地效干扰补偿的低空飞行鲁棒智能控制方法。
技术方案
一种基于地效干扰补偿的低空飞行鲁棒智能控制方法,其特征在于步骤如下:
步骤1:考虑飞行器纵向通道动力学模型:
所述的运动学模型由五个状态量X=[V,h,γ,α,q]T和两个控制输入U=[δe,T]T组成;V表示速度,h表示高度,γ表示航迹角,α表示攻角,q表示俯仰角速度,δe表示舵偏角,T表示节流阀开度;m、Iyy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度;
力、力矩以及各系数的表达式为:
步骤2:设计高度参考指令hd为
步骤3:将飞行器动力学模型解耦得到速度子***(1)和高度子***(2)-(5);
速度子***(1)写为
取x1=h,x2=γ,x3=θ,x4=q,其中θ=α+γ表示俯仰角,高度子***(2)-(5)写为
步骤4:针对速度子***,定义速度跟踪误差为ev=V-Vc,设计控制输入T为
定义建模误差zv为
式中,βv>0为设计参数;
式中,γv>0,γzv>0和δv>0为设计参数;
式中,Lv>0和λv>0为设计参数;
式中,k1>0为控制参数;
引入一阶滤波器
式中,α2>0为控制参数;
式中,L1>0为设计参数;
定义航迹角跟踪误差为
设计一阶滤波器为
式中,α3>0为设计参数;
定义预测误差z2为
式中,β2>0为设计参数;
设计扰动观测器为
式中,L2>0和λ2>0为设计参数;
定义俯仰角跟踪误差为
式中,k3>0为设计参数;
设计一阶滤波器为
式中,α4>0为设计参数;
式中,L3>0为设计参数;
定义俯仰角速率跟踪误差为
设计控制输入δe为
定义建模误差z4为
式中,β4>0为设计参数;
式中,L4>0和λ4>0为设计参数;
步骤6:根据得到的推力T和舵偏角δe,返回到飞行器动力学模型(1)-(5),对速度和高度进行跟踪控制。
一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器上述的方法。
一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
一种计算机程序,其特征在于包括计算机可执行指令,所述指令在被执行时用于实现上述的方法。
有益效果
本发明提出的一种基于地效干扰补偿的低空飞行鲁棒智能控制方法,该方法考虑地效干扰对飞行状态的影响,将干扰引入到***状态方程中。然后将飞行器纵向动力学模型转换为速度子***和高度子***,针对速度子***设计动态逆控制;针对高度子***设计反步法控制,面向地效干扰设计扰动观测器对其进行实时估计与补偿,面向未知气动不确定设计复合学习策略对其进行逼近,从而实现复合干扰不确定的有效处理。该发明综合考虑地效干扰和气动不确定影响进行控制律设计,充分协调***的自适应性能和鲁棒性能,对实现超低空突防控制尤为关键。
本发明与现有技术相比有益效果为:
(1)本发明考虑地效干扰对飞行状态的影响,通过***状态方程干扰表征,将地效干扰考虑进控制器设计中,提升了超低空近地飞行的实时响应特性。
(2)本发明考虑超低空环境造成的气动不确定问题,设计了基于复合学习和扰动观测的鲁棒自适应控制器,协调保证***鲁棒抗干扰能力和自适性能。
(3)本发明充分考虑地面效应和气动不确定对飞行性能的影响,给出了基于地效干扰补偿的低空飞行鲁棒智能控制方法,实现了飞行器超低空近地安全可靠飞行。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1本发明方法流程图
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1,本发明一种基于地效干扰补偿的低空飞行鲁棒智能控制方法。具体步骤如下:
(a)考虑飞行器纵向通道动力学模型:
所述的运动学模型由五个状态量X=[V,h,γ,α,q]T和两个控制输入U=[δe,T]T组成;V表示速度,h表示高度,γ表示航迹角,α表示攻角,q表示俯仰角速度,δe表示舵偏角,T表示节流阀开度;m、Iyy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度。
力、力矩以及各系数的表达式为:
其中,Q=(1/2)ρV2表示动压,Sω=1.1712表示气动参考面积,cA=0.4118表示平均气动弦长,CL0=0.1651、CLα=4.5111、CD0=0.0230、CDα=0.0765、Cm0=-0.1539、Cmα=-5.2369和均表示气动参数。
(b)设计高度参考指令hd为
(c)将飞行器动力学模型解耦得到速度子***(1)和高度子***(2)-(5)。
速度子***(1)写为
取x1=h,x2=γ,x3=θ,x4=q,其中θ=α+γ表示俯仰角,高度子***(2)-(5)写为
(d)针对速度子***,定义速度跟踪误差为ev=V-Vc,设计控制输入T为
定义建模误差zv为
式中,βv=5为设计参数。
式中,γv=2,γzv=0.5和δv=0.01。
式中,Lv=10和λv=2。
式中,k1=2。
引入一阶滤波器
式中,α2=0.05。
式中,L1=10。
定义航迹角跟踪误差为
设计一阶滤波器为
式中,α3=0.05。
定义预测误差z2为
式中,β2=5。
设计扰动观测器为
式中,L2=10和λ2=2。
定义俯仰角跟踪误差为
式中,k3=3。
设计一阶滤波器为
式中,α4=0.05。
式中,L3=10。
定义俯仰角速率跟踪误差为
设计控制输入δe为
定义建模误差z4为
式中,β4=5。
式中,L4=10和λ4=2。
(f)根据得到的推力T和舵偏角δe,返回到飞行器动力学模型(1)-(5),对速度和高度进行跟踪控制。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于地效干扰补偿的低空飞行鲁棒智能控制方法,其特征在于步骤如下:
步骤1:考虑飞行器纵向通道动力学模型:
所述的动力学模型由五个状态量X=[V,h,γ,α,q]T和两个控制输入U=[δe,T]T组成;V表示速度,h表示高度,γ表示航迹角,α表示攻角,q表示俯仰角速度,δe表示舵偏角,T表示节流阀开度;m、Iyy和g分别表示质量、俯仰轴的转动惯量和重力引起的加速度;
力、力矩以及各系数的表达式为:
步骤2:设计高度参考指令hd为
其中,xg表示飞行器重心沿地面坐标系x轴的投影,满足 Z2表示飞行器直线下滑时的初始高度,由设计者给出;Z1表示飞行器末端拉平时的初始高度,由设计者给出;Z0表示超低空飞行段的初始高度,由设计者给出;
步骤3:将飞行器动力学模型解耦得到速度子***(1)和高度子***(2)-(5);
速度子***(1)写为
取x1=h,x2=γ,x3=θ,x4=q,其中θ=α+γ表示俯仰角,高度子***(2)-(5)写为
步骤4:针对速度子***,定义速度跟踪误差为ev=V-Vc,设计控制输入T为
定义建模误差zv为
式中,βv>0为设计参数;
式中,γv>0,γzv>0和δv>0为设计参数;
式中,Lv>0和λv>0为设计参数;
式中,k1>0为控制参数;
引入一阶滤波器
式中,α2>0为控制参数;
式中,L1>0为设计参数;
定义航迹角跟踪误差为
设计一阶滤波器为
式中,α3>0为设计参数;
定义预测误差z2为
式中,β2>0为设计参数;
设计扰动观测器为
式中,L2>0和λ2>0为设计参数;
定义俯仰角跟踪误差为
式中,k3>0为设计参数;
设计一阶滤波器为
式中,α4>0为设计参数;
式中,L3>0为设计参数;
定义俯仰角速率跟踪误差为
设计控制输入δe为
定义建模误差z4为
式中,β4>0为设计参数;
式中,L4>0和λ4>0为设计参数;
步骤6:根据得到的推力T和舵偏角δe,返回到飞行器动力学模型(1)-(5),对速度和高度进行跟踪控制。
2.一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
3.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402168.5A CN113126495B (zh) | 2021-04-14 | 2021-04-14 | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402168.5A CN113126495B (zh) | 2021-04-14 | 2021-04-14 | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126495A CN113126495A (zh) | 2021-07-16 |
CN113126495B true CN113126495B (zh) | 2022-08-05 |
Family
ID=76776440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110402168.5A Active CN113126495B (zh) | 2021-04-14 | 2021-04-14 | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126495B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115332A (zh) * | 2021-10-29 | 2022-03-01 | 北京星途探索科技有限公司 | 一种应用于近程超声速巡航弹的掠地飞行技术 |
CN116483103B (zh) * | 2023-03-28 | 2023-12-01 | 西北工业大学 | 一种基于扰动观测器的高超声速飞行器姿态控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106708067A (zh) * | 2016-12-22 | 2017-05-24 | 中国科学院自动化研究所 | 考虑地效的多旋翼自主起降控制方法及装置 |
CN108663940A (zh) * | 2018-08-20 | 2018-10-16 | 西北工业大学 | 基于集总复合估计的飞行器神经网络学习控制方法 |
US10526080B1 (en) * | 2019-07-10 | 2020-01-07 | Kitty Hawk Corporation | Altitude estimation using differential pressure sensors in ground effect |
CN111665857A (zh) * | 2020-06-21 | 2020-09-15 | 西北工业大学 | 基于复合智能学习的变体飞行器控制方法 |
CN111679583A (zh) * | 2020-06-21 | 2020-09-18 | 西北工业大学 | 基于气动参数估计的变体飞行器自适应控制方法 |
-
2021
- 2021-04-14 CN CN202110402168.5A patent/CN113126495B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106708067A (zh) * | 2016-12-22 | 2017-05-24 | 中国科学院自动化研究所 | 考虑地效的多旋翼自主起降控制方法及装置 |
CN108663940A (zh) * | 2018-08-20 | 2018-10-16 | 西北工业大学 | 基于集总复合估计的飞行器神经网络学习控制方法 |
US10526080B1 (en) * | 2019-07-10 | 2020-01-07 | Kitty Hawk Corporation | Altitude estimation using differential pressure sensors in ground effect |
CN111665857A (zh) * | 2020-06-21 | 2020-09-15 | 西北工业大学 | 基于复合智能学习的变体飞行器控制方法 |
CN111679583A (zh) * | 2020-06-21 | 2020-09-18 | 西北工业大学 | 基于气动参数估计的变体飞行器自适应控制方法 |
Non-Patent Citations (3)
Title |
---|
Efficient Learning Control of Uncertain Fractional-Order Chaotic Systems With Disturbance;Xia Wang,et al.;《IEEE Transactions on Neural Networks and Learning Systems》;20201022;第445-450页 * |
四旋翼飞行器滑模高度控制技术研究;李立早等;《电子技术》;20151025(第10期);第1-5页 * |
基于自抗扰的地效飞行器俯仰控制***设计;罗瑜;《电子测量技术》;20200323(第06期);第69-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113126495A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107450324B (zh) | 考虑攻角约束的高超声速飞行器自适应容错控制方法 | |
CN111665857B (zh) | 基于复合智能学习的变体飞行器控制方法 | |
CN111679583B (zh) | 基于气动参数估计的变体飞行器自适应控制方法 | |
CN113126495B (zh) | 基于地效干扰补偿的低空飞行鲁棒智能控制方法 | |
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 | |
CN111273681B (zh) | 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 | |
CN109358634B (zh) | 一种高超声速飞行器鲁棒自适应控制方法 | |
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 | |
CN107479384A (zh) | 高超声速飞行器神经网络复合学习非反步控制方法 | |
CN107479383A (zh) | 基于鲁棒设计的高超声速飞行器神经网络复合学习控制方法 | |
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 | |
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 | |
CN114564045A (zh) | 一种考虑降雨和阵风条件的无人机飞行控制律设计方法 | |
CN109703769B (zh) | 一种基于预瞄策略的空中加油对接控制方法 | |
CN111240204B (zh) | 一种基于模型参考滑模变结构控制的巡飞弹控制方法 | |
CN115793696A (zh) | 高超声速飞行器姿态控制方法、***、电子设备及介质 | |
CN114637312B (zh) | 一种基于智能变形决策的无人机节能飞行控制方法及*** | |
CN107957686B (zh) | 基于预见控制的无人直升机自动着舰控制*** | |
CN116820134A (zh) | 基于深度强化学习的无人机编队保持控制方法 | |
CN108958278B (zh) | 一种空天飞行器巡航段快速抗干扰制导方法 | |
CN115685764B (zh) | 变翼展飞行器任务自适应的抗干扰跟踪控制方法及*** | |
CN113126494B (zh) | 参考轨迹动态修正的低空飞行气动辨识控制方法 | |
CN113110538A (zh) | 一种基于反步法控制的舰载机着舰固定时间容错控制方法 | |
CN110928325A (zh) | 一种适用于主动段的姿控动力控制能力分析方法 | |
CN116360258A (zh) | 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法 |
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 |