CN117163281B - 滑翔飞行器执行器故障情况下的容错控制方法 - Google Patents
滑翔飞行器执行器故障情况下的容错控制方法 Download PDFInfo
- Publication number
- CN117163281B CN117163281B CN202311111377.XA CN202311111377A CN117163281B CN 117163281 B CN117163281 B CN 117163281B CN 202311111377 A CN202311111377 A CN 202311111377A CN 117163281 B CN117163281 B CN 117163281B
- Authority
- CN
- China
- Prior art keywords
- fault
- deviation
- gliding aircraft
- aircraft
- gliding
- 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 30
- 238000001914 filtration Methods 0.000 claims abstract description 36
- 238000013461 design Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims 1
- 239000000523 sample Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Feedback Control In General (AREA)
Abstract
本申请公开了一种滑翔飞行器执行器故障情况下的容错控制方法,涉及飞行器技术领域。该方法包括:构建滑翔飞行器的考虑执行器故障的动力学模型;根据滑翔飞行器的姿态偏差构建滤波偏差,并结合考虑执行器故障的动力学模型得到滤波偏差的微分量;基于滤波偏差的微分量构建有限时间扰动观测器,以及基于滤波偏差构建分数阶滑模偏差;利用有限时间扰动观测器对待估计的故障项进行估计,得到故障项估计值;基于分数阶滑模偏差以及故障项估计值构建容错控制律;基于容错控制律确定滑翔飞行器执行器故障下的容错控制信号,容错控制信号用于控制滑翔飞行器的实际姿态达到期望姿态。该方法可实现对滑翔飞行器的精细容错控制。
Description
技术领域
本申请涉及飞行器技术领域,尤其是一种滑翔飞行器执行器故障情况下的容错控制方法。
背景技术
作为一种在临近空间通过无动力滑翔运动实现远距离非弹道式机动的飞行器,高超声速滑翔飞行器具有高飞行马赫数、快速响应、不宜被拦截的特性。考虑到再入滑翔段时间占比达到85%左右,研究滑翔飞行器再入滑翔段的稳定控制具有重要的实际意义。
高超声速滑翔飞行器的研究正在蓬勃发展,为提升高超声速滑翔飞行器在再入滑翔段中的控制性能,安全性成为了飞行控制领域的热点研究问题,对高超声速飞行器的可靠飞行及容错技术提出了迫切发展需求。当高超声速飞行器处于再入滑翔段时,飞行器的飞行速度可达20马赫以上且飞行环境变化剧烈,如果未能及时处理突发故障的话,将极易诱发坠毁事故,影响高超声速滑翔飞行器的可靠飞行。
发明内容
本申请人针对上述问题及技术需求,提出了一种滑翔飞行器执行器故障情况下的容错控制方法,本申请的技术方案如下:
一方面,提供一种滑翔飞行器执行器故障情况下的容错控制方法,包括如下步骤:
构建滑翔飞行器的考虑执行器故障的动力学模型,所述考虑执行器故障的动力学模型包括待估计的故障项;
根据所述滑翔飞行器的姿态偏差构建滤波偏差,并结合所述考虑执行器故障的动力学模型得到滤波偏差的微分量,所述滤波偏差的微分量包含待估计的故障项,所述姿态偏差是所述滑翔飞行器实际姿态与期望姿态间的偏差;
基于所述滤波偏差的微分量构建有限时间扰动观测器,以及基于所述滤波偏差构建分数阶滑模偏差,所述有限时间扰动观测器的估计偏差在有限时间内收敛,所述分数阶滑模偏差在有限时间内收敛;
利用所述有限时间扰动观测器对所述待估计的故障项进行估计,得到故障项估计值;
基于所述分数阶滑模偏差以及所述故障项估计值构建容错控制律;
基于所述容错控制律确定所述滑翔飞行器执行器故障下的容错控制信号,所述容错控制信号用于控制所述滑翔飞行器的所述实际姿态达到期望姿态。
其中,进一步的方案为:
根据所述滑翔飞行器的姿态偏差构建所述滤波偏差的方式如下:
其中,e=[e1,e2,e3]T为所述滤波偏差,为所述姿态偏差,/> x1是所述实际姿态,x1d是所述期望姿态,κ1为正的设计参数,t为时间变量。
所述得到滤波偏差的微分量包括:
基于所述考虑执行器故障的动力学模型确定Δ=[Δ1,Δ2,Δ3]T是所述待估计的故障项,F是与所述滑翔飞行器动力相关的参数向量,G是增益矩阵,u0是所述容错控制信号;
结合以及所述滤波偏差e的表达式,得到所述滤波偏差的微分量为:
其中,Ω=[Ω1,Ω2,Ω3]T是与所述滑翔飞行器相关的动力学复合项。
基于所述滤波偏差的微分量构建所述有限时间扰动观测器的方式如下:
其中,v=1,2,3,滤波偏差e=[e1,e2,e3]T,z1v是所述滤波偏差ev的估计值,z2v是所述故障项Δv的估计值。η*与ζ*为有限时间扰动观测器的设计参数。
基于所述滤波偏差构建得到所述分数阶滑模偏差为:
其中,κ2,λ11,λ12,λ21以及λ22为设计的正参数,且λ21>1,0<λ22<1,D*为分数阶微积分符号,a为分数阶微积分算子。
所述基于所述分数阶滑模偏差以及所述故障项估计值构建容错控制律,包括:
对所述分数阶滑模偏差求导,得到分数阶滑模偏差微分方程,如下:
利用所述故障项的估计值对所述分数阶滑模偏差微分方程中的故障项进行补偿,以及基于所述分数阶滑模偏差微分方程构建得到所述容错控制律;
所述容错控制律如下:
其中,为所述故障项的估计值,λ31,λ32,λ41以及λ42为设计的正参数,且λ41>1,0<λ42<1。
所述构建滑翔飞行器的考虑执行器故障的动力学模型,包括:
构建所述滑翔飞行器的基础动力学模型,所述基础动力学模型用于指示所述滑翔飞行器的动力学参数与控制输入向量u之间的关系;
构建所述滑翔飞行器的执行器故障模型u=ρu0+bf,ρ为效率损失矩阵,bf为作动偏差故障向量;
在所述基础动力学模型中引入所述执行器故障模型,得到考虑执行器故障的动力学模型。
构建所述基础动力学模型的方式如下:
其中,μ是滑翔飞行器的倾斜角,α是滑翔飞行器的攻角,β是滑翔飞行器的侧滑角,p,q,r均表示滑翔飞行器绕飞行器机体轴的角速率,γ是航迹倾角,m是滑翔飞行器的质量,V是滑翔飞行器的飞行速度,L是滑翔飞行器受到的升力,Y是滑翔飞行器受到的侧力,表示滑翔飞行器的滚转力矩,/>表示滑翔飞行器的俯仰力矩,/>表示滑翔飞行器的偏航力矩,Ixx,Iyy,Izz表示滑翔飞行器的转动惯量,Ixz表示滑翔飞行器的惯性积,/>
所述滑翔飞行器受到的升力L,侧力Y,滚转力矩俯仰力矩/>以及偏航力矩/>的表达式如下:
其中,/>表示动压,ρ为空气密度,s为滑翔飞行器受力面积,b是滑翔飞行器的翼展长,c是滑翔飞行器的翼弦长,CL,CY,Cl,Cm以及Cn为不同的气动参数,其表达式如下:
其中,Ma为滑翔飞行器的马赫数,δa,δe和δr分别为所述滑翔飞行器的等效副翼,升降舵和方向舵控制输入,CL*,CY*,Cl*,Cm*和Cn*表示滑翔飞行器的气动系数。
所述得到包含考虑执行器故障的动力学模型包括:
定义x1=[μ,α,β]T、x2=[p,q,r]T、u=[δa,δe,δr]T,将所述执行器故障模型代入所述基础动力学模型,并得到考虑执行器故障的动力学模型为:
其中,f1是与所述滑翔飞行器受到的所述升力L中已知项L0以及所述侧力Y中已知项Y0相关的量,f2是与所述滑翔飞行器的所述转动惯量以及所述惯性积相关的已知项,g1与g2为所述增益矩阵;
则基于所述考虑执行器故障的动力学模型确定的中G=g1g2,Δ=Gρu-Gu0+Gbf。
所述滑翔飞行器受到的所述升力L中已知项L0的计算方式如下:
所述滑翔飞行器收到的所述侧力Y中已知项Y0的计算方式如下:
本申请的有益技术效果是:
本申请实施例中,利用有限时间扰动观测器以及分数阶滑模偏差对滑翔飞行器进行容错控制,其中,有限时间扰动观测器可对故障项进行估计,并用于容错控制律中,可实现对故障项的快速补偿,且分数阶滑模偏差可对姿态偏差进行无极调整,实现对滑翔飞行器的精细容错控制。该方法相较于相关技术中渐进收敛控制与指数收敛控制相比,有限时间控制鲁棒性更高,可确保姿态偏差在有限时间内完成收敛,使滑翔飞行器在遭遇执行器故障的情况下仍然可以稳定飞行。
附图说明
图1是本申请一个示例性实施例提供的构建容错控制律的信息流示意图;
图2是本申请一个示例性实施例提供的对高超声速滑翔飞行器的控制框图;
图3是本申请一个示例性实施例提供的高超声速滑翔飞行器姿态跟踪对比示意图;
图4是本申请一个示例性实施例提供的姿态跟踪偏差对比曲线图;
图5是本申请一个示例性实施例提供的故障情况下控制信号变化对比曲线图;
图6是本申请一个示例性实施例提供的有限时间扰动观测器的估计偏差对比图。
具体实施方式
下面结合附图对本申请的具体实施方式做进一步说明。
为解决上述问题,本申请实施例提供了一种滑翔飞行器执行器故障情况下的容错控制方法,该方法以计算机设备执行为例进行说明。该方法包括如下步骤:
步骤S1,构建滑翔飞行器的考虑执行器故障的动力学模型,考虑执行器故障的动力学模型包括待估计的故障项。
可选的,滑翔飞行器可为高超声速飞行器。
在滑翔飞行器执行器故障的情况下,为使滑翔飞行器的飞行姿态仍保持期望姿态,本申请设计一种容错控制律,以使故障下的滑翔飞行器的飞行姿态达到期望姿态。其中,姿态偏差其中,x1是滑翔飞行器的实际姿态,x1=[μ,α,β]T,μ是滑翔飞行器的倾斜角,α是滑翔飞行器的攻角,β是滑翔飞行器的侧滑角。x1d是滑翔飞行器的期望姿态,x1d=[μd,αd,βd]T。
为构建容错控制律,需确定滑翔飞行器的实际姿态x1,与控制信号u0以及故障项Δ的之间的关系。其中,三者之间的关系可根据滑翔飞行器的动力学模型确定。本申请实施例中,引入考虑执行器故障的动力学模型,确定三者之间的关系,考虑执行器故障的动力学模型中包含待估计的故障项。
步骤S2,根据滑翔飞行器的姿态偏差构建滤波偏差,并结合考虑执行器故障的动力学模型得到滤波偏差的微分量,滤波偏差的微分量包含待估计的故障项。
本申请实施例中,根据姿态偏差,引入滤波偏差,基于滤波偏差构建容错控制律。对姿态偏差进行滤波后得到滤波偏差,且实际姿态是根据考虑执行器故障的动力学模型建立,滤波后的滤波偏差的微分量包含与滑翔飞行器相关的动力学复合项与待估计的故障项。
步骤S3,基于滤波偏差的微分量构建有限时间扰动观测器,以及基于滤波偏差构建分数阶滑模偏差,有限时间扰动观测器的估计偏差在有限时间内收敛,分数阶滑模偏差在有限时间内收敛。
其中,有限时间扰动器用于估计故障项,在执行器故障情况下,由于故障未知,通过有限时间扰动器估计的故障项进行容错控制律的构建,可实现对故障的快速补偿。且有限时间扰动观测器估计故障项的估计偏差可在有限时间内收敛,以提高容错控制性能。在一种可能的实施方式中,利用滤波偏差微分量构建有限时间扰动观测器。
分数阶滑模偏差即分数阶滑模面,滑模面的设计可使***控制状态收敛到滑模面上,并在滑模面上达到***平衡点。本申请中,分数阶滑模面的设计可使滑翔飞行器的实际姿态达到期望姿态,即达到实际姿态与期望姿态差值为0的状态。在一种可能的实施方式中,利用滤波偏差构建分数阶滑模偏差。
步骤S4,利用有限时间扰动观测器对待估计的故障项进行估计,得到故障项估计值。
通过有限时间扰动观测器对故障项进行估计,得到故障项的估计值,后续利用分数阶滑模偏差构建容差控制律时,采用故障项估计值,利用故障项估计值对故障进行补偿。
步骤S5,基于分数阶滑模偏差以及故障项估计值构建容错控制律。
在一种可能的实施方式中,利用分数阶滑模偏差反推得到容错控制律,且利用故障项估计值对反推得到的容错控制律中的未知故障进行补偿,以完成容错控制律的构建。基于分数阶滑模偏差以及有限时间扰动观测器的估计偏差的收敛性,反推得到容错控制律,当容错控制律使得分数阶滑模偏差以及估计偏差在有限时间内收敛的情况下,容错控制律对应的控制信号可控制滑翔飞行器的实际姿态达到期望姿态,实现故障情况下的精细容错控制。
步骤S6,基于容错控制律确定滑翔飞行器执行器故障下的容错控制信号,容错控制信号用于控制滑翔飞行器的实际姿态达到期望姿态。
在滑翔飞行器执行器故障的情况下,可获取滑翔飞行器的实时姿态,并将滑翔飞行器的实时姿态与期望姿态输入到预先构建的容错控制律中,得到故障下的容错控制信号,利用容错控制信号控制滑翔飞行器。
本申请实施例中,利用有限时间扰动观测器以及分数阶滑模偏差对滑翔飞行器进行容错控制,其中,有限时间扰动观测器可对故障项进行估计,并用于容错控制律中,可实现对故障项的快速补偿,且分数阶滑模偏差可对姿态偏差进行无极调整,实现对滑翔飞行器的精细容错控制。该方法相较于相关技术中渐进收敛控制与指数收敛控制相比,有限时间控制鲁棒性更高,可确保姿态偏差在有限时间内完成收敛,使滑翔飞行器在遭遇执行器故障的情况下仍然可以稳定飞行。
如图1所示,其示出了构建容错控制律的信息流示意图,包含如下过程:
(1)构建滑翔飞行器的基础动力学模型,基础动力学模型用于指示滑翔飞行器的动力学参数与控制输入向量u之间的关系。
为构建容错控制律,需确定滑翔飞行器的实际姿态x1,与控制信号u0以及故障项Δ的之间的关系。其中,三者之间的关系可根据滑翔飞行器的动力学模型确定。
构建基础动力学模型的方式如下:
其中,μ是滑翔飞行器的倾斜角,α是滑翔飞行器的攻角,β是滑翔飞行器的侧滑角。p,q,r分别表示滑翔飞行器的滚转角速度、俯仰角速度和偏航角速度。γ是航迹倾角,m是滑翔飞行器的质量,V是滑翔飞行器的飞行速度。L是滑翔飞行器受到的升力,Y是滑翔飞行器受到的侧力。表示滑翔飞行器的滚转力矩,/>表示滑翔飞行器的俯仰力矩,/>表示滑翔飞行器的偏航力矩。Ixx,Iyy,Izz表示滑翔飞行器的转动惯量,Ixz表示滑翔飞行器的惯性积,滑翔飞行器的升力、侧力、滚转力矩、俯仰力矩和偏航力矩L,Y,/>和表达如下:
其中,表示动压,ρ为空气密度,s为滑翔飞行器受力面积,b是滑翔飞行器的翼展长,c是滑翔飞行器的翼弦长,CL,CY,Cl,Cm以及Cn为不同的气动参数,其表达式如下:
其中,Ma为滑翔飞行器的马赫数。δe,δe和δr分别为所述滑翔飞行器的等效副翼,升降舵和方向舵控制输入。CL*,CY*,Cl*,Cm*和Cn*表示滑翔飞行器的气动系数,其中,气动系数是滑翔飞行器动力学模型中与空气动力和空气动力矩相关的无量纲值,不同飞行器型号具有不同的数值,可根据经验值设定,本实施例对此不做限定。
(2)对基础动力学模型进行变换。
定义向量x1=[μ,α,β]T,x2=[p,q,r]T以及控制输入向量u=[δa,δe,δr]T,对上述基础动力学模型变换可得到:
其中,g1和g2为增益矩阵,g1=[g111,0,g113;g121,1,g123;g131,0,g133];g2=[g211,0,g213;0,g222,0;g231,0,g233];g111=secβcosα,g113=secβsinα,g121=-tanβcosα,g123=-tanβsinα,g131=sinα,g133=-cosα;
且f1=[f11,f12,f13]T是与滑翔飞行器受到的升力L中已知项侧力Y中已知项/>有关的已知项。f2=[f21,f22,f23]T是与滑翔飞行器转动惯量、惯性积相关的已知项。Δf1=[Δf11,Δf12,Δf13]T是与滑翔飞行器受到的升力中有关的未知项。考虑到舵面产生的气动力较小,在控制器设计过程中,Δf1可以忽略。
(3)构建滑翔飞行器的执行器故障模型,以及将执行器故障模型引入基础动力学模型,得到包含考虑执行器故障的动力学模型。
构建滑行飞行器执行器的执行器故障模型为u=ρu0+bf,则引入执行器故障模型后,考虑执行器故障的动力学模型可为:
其中,ρ=diag{ρ1,ρ2,ρ3}为效率损失矩阵,ρ∈(0,1],用于表征执行器升降舵、方向舵以及副翼的剩余作动效率故障,bf=[bf1,bf2,bf3]T为作动偏差故障向量,u0是容错控制信号。
进一步对考虑执行器故障的动力学模型进行变换,得到:
其中,是与滑翔器动力相关的参数向量,G=g1g2是增益矩阵,Δ=Gρu-Gu0+Gbf是待估计的故障项。且需要说明的是/>是x1的一阶导,/>是x1的二阶导,其他参数的表达方式类似。
(4)根据姿态偏差构建滤波偏差。
根据所述滑翔飞行器的姿态偏差构建滤波偏差的方式如下:
其中,e为滤波偏差,为姿态偏差,κ1为正的设计参数,t为时间变量。
结合上述变换后的动力学模型以及滤波偏差,确定滤波偏差微分量:
其中,为滑翔飞行器的动力学模型相关的复合项,Δ是待估计的故障项。
(5)根据滤波偏差微分量构建有限时间扰动观测器。
方式如下:
其中,v=1,2,3,滤波偏差e=[e1,e2,e3]T,待估计的故障项Δ=[Δ1,Δ2,Δ3]T。z1v是滤波偏差ev的估计值,z2v是故障项Δv的估计值,即η*与ζ*为有限时间扰动观测器的设计参数。且设计参数中,需满足 sign()是标准符号函数。
有限时间扰动观测器的估计偏差为Ξ1v=z1v-ev,Ξ2v=z2v-Δv。
有限时间扰动观测器可输出故障项Δ的估计值
(5)基于滤波偏差构建分数阶滑模偏差。
基于滤波偏差构建得到的分数阶滑模偏差为:
其中,κ2,λ11,λ12,λ21以及λ22为设计的正参数,且λ21>1,0<λ22<1,D*为分数阶微积分符号,a为分数阶微积分算子。
其中,不同分数阶微分算子对应的容错精细控制效果不同,可根据需求设定。
对于构建的分数阶滑模偏差,需使其在有限时间内收敛,为确保分数阶滑模偏差在有限时间内可收敛,可利用Lyapunov有限时间收敛定理求证。
可选的,利用第一Lyapunov函数求证分数阶滑模偏差在有限时间内收敛。过程包括:
构建第一Lyapunov函数:L1v=|ev|;
对所述第一Lyapunov函数求导得到:
由于第一Lyapunov函数的求导结果中λ21>1,0<λ22<1,因此可确定分数阶滑模偏差在有限时间内收敛。
(6)基于分数阶滑模偏差以及故障项估计值构建容错控制律。
首先对分数阶滑模偏差求导,得到分数阶滑模偏差微分方程,如下所示:
利用故障项的估计值对分数阶滑模偏差微分方程中的故障项进行补偿,以及基于分数阶滑模偏差微分方程构建得到容错控制律。
容错控制律如下:
其中,为故障项的估计值,λ31,λ32,λ41以及λ42为设计的正参数,且λ41>1,0<λ42<1。
其中,容错控制律中的第一项基于分数阶滑模偏差微分方程反推得到,第二项新引入项,以使分数阶滑模偏差以及姿态偏差在有限时间内收敛。
在构建容错控制律之后,还需求证容错控制律对应的控制信号是否可以控制滑翔飞行器的姿态偏差在有限时间内收敛。
可选的,利用第二Lyapunov函数求证基于容错控制律控制滑翔飞翔器后,滑翔飞行器的姿态偏差在有限时间内收敛。
该过程包括:
将容错控制律带入分数阶滑模偏差微分方程,得到更新后的分数阶滑模偏差微分方程:
其中,当达到有限时间扰动观测器的收敛时间时,估计偏差(包含Ξ1v以及Ξ2v,则更新后的分数阶滑模偏差微分方程为:
利用第二Lyapunov函数求证更新后的分数阶滑模偏差微分方程在有限时间内收敛,其中,更新后的分数阶滑模偏差微分方程收敛的情况下确定姿态偏差在有限时间内收敛。在一种可能的实施方式中,该过程包括:
构建第二Lyapunov函数:
L2v=|sv|
将更新后的分数阶滑模偏差微分方程代入第二Lyapunov函数并求导,得到:
第二Lyapunov函数的求导结果中λ41>1,0<λ42<1,确定更新后的分数阶滑模偏差微分方程在有限时间内收敛。
上述容错控制律对应的分数阶滑模偏差在有限时间内收敛,且姿态偏差在有限时间内收敛,因此,可根据容错控制律对应的控制信号控制滑翔飞行器,包含对滑翔飞行器等效副翼,升降舵以及方向舵的控制输入,使滑翔飞行器的实际姿态达到期望姿态。
示意性的,如图2所示,其示出了一种对高超声速滑翔飞行器的控制框图。根据期望姿态信号x1d=[μd,αd,βd]T与实际姿态信号x1=[μ,α,β]T得到姿态偏差再根据姿态偏差得到滤波偏差/>之后,基于滤波偏差构建分数阶滑模偏差/> 且设定分数阶微分算子。且构建有限时间扰动观测器,进行故障估计,得到故障项估计值/>之后,利用分数阶滑模偏差与故障项估计值得到容错控制信号u0,以控制高超声速滑翔飞行器。
为验证本申请对滑翔飞行器容错控制方法的有效性,构建一个仿真实例,其中,给定高超声速滑翔飞行器的期望姿态信号,其中,μd以及αd采用经对脉冲信号进行平滑处理的理想姿态,且βd=0。在10s、25s和40s时分别对副翼、升降舵和方向舵注入故障信号,飞行器遭遇的故障信号分别选取为当0<t<10s时ρ1=1,bf1=0,t>10s时ρ1=0.3e-0.8(t-10)+0.7,bf1=0.1e-0.7(t-10)+0.1;0<t<25s时ρ2=1,bf2=0,t>25s时ρ2=0.2e-0.8(t-25)+0.8,bf2=-0.05e-0.7(t-25)+0.05;0<t<40s时ρ3=1,bf3=0,t>40s时ρ3=0.35e-0.8(t-40)+0.65,bf3=-0.15e-0.7(t-40)+0.15+0.05。控制器参数选取为k1=0.3,η11=0.1,η12=0.1,η21=2.5,η22=2,ζ1=0.55,ζ2=1.2,k2=4.6,λ11=0.85,λ12=0.1,λ21=0.72,λ22=0.24,λ31=5,λ32=7,λ41=0.8,λ42=0.6。
仿真得到高超声速滑翔飞行器姿态跟踪对比如图3所示,其示出了不同分数阶微分算子a作用下的实际姿态与理想姿态的对比,根据图示可得到不同分数阶微积分算子a作用下的实际姿态均可跟踪上理想姿态信号(与理想姿态信号之间的差值在误差范围内)。图4为不同分数阶微分算子a作用下的姿态跟踪偏差对比曲线,其中,当a=0.3时具有较好的姿态跟踪性能。
控制信号变化对比曲线如图5所示,控制信号在故障时刻(包含副翼故障、升降舵故障以及方向舵故障)会及时地变化以补偿故障的不利影响,选取合适的a值可得到相应的精细容错控制信号。图6为有限时间扰动观测器的估计偏差对比图,当高超声速滑翔飞行器遭遇执行器故障包含副翼故障、升降舵故障以及方向舵故障)时,估计偏差会立即变化,之后在控制输入信号调节下会收敛至含零的极小区域内。
以上所述的仅是本申请的优选实施方式,本申请不限于以上实施例。可以理解,本领域技术人员在不脱离本申请的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本申请的保护范围之内。
Claims (9)
1.一种滑翔飞行器执行器故障情况下的容错控制方法,其特征在于,所述方法包括:
构建滑翔飞行器的考虑执行器故障的动力学模型,所述考虑执行器故障的动力学模型包括待估计的故障项;包括:构建所述滑翔飞行器的基础动力学模型,所述基础动力学模型用于指示所述滑翔飞行器的动力学参数与控制输入向量之间的关系;构建所述滑翔飞行器的执行器故障模型/>,/>是容错控制信号,/>为效率损失矩阵,/>为作动偏差故障向量;在所述基础动力学模型中引入所述执行器故障模型,得到考虑执行器故障的动力学模型;
根据所述滑翔飞行器的姿态偏差构建滤波偏差,并结合所述考虑执行器故障的动力学模型得到滤波偏差的微分量,所述滤波偏差的微分量包含待估计的故障项,所述姿态偏差是所述滑翔飞行器实际姿态与期望姿态间的偏差;
基于所述滤波偏差的微分量构建有限时间扰动观测器,以及基于所述滤波偏差构建分数阶滑模偏差,所述有限时间扰动观测器的估计偏差在有限时间内收敛,所述分数阶滑模偏差在有限时间内收敛;
利用所述有限时间扰动观测器对所述待估计的故障项进行估计,得到故障项估计值;
基于所述分数阶滑模偏差以及所述故障项估计值构建容错控制律;
基于所述容错控制律确定所述滑翔飞行器执行器故障下的容错控制信号,所述容错控制信号用于控制所述滑翔飞行器的所述实际姿态达到期望姿态。
2.根据权利要求1所述的方法,其特征在于,根据所述滑翔飞行器的姿态偏差构建所述滤波偏差的方式如下:
其中,为所述滤波偏差,/>为所述姿态偏差,/>,/>是所述实际姿态,/>是所述期望姿态,/>为正的设计参数,t为时间变量。
3.根据权利要求2所述的方法,其特征在于,所述得到滤波偏差的微分量包括:
基于所述考虑执行器故障的动力学模型确定,是所述待估计的故障项,F是与所述滑翔飞行器动力相关的参数向量,G是增益矩阵,/>是所述容错控制信号;
结合以及所述滤波偏差/>的表达式,得到所述滤波偏差的微分量为:
其中,=/>是与所述滑翔飞行器相关的动力学复合项。
4.根据权利要求3所述的方法,其特征在于,基于所述滤波偏差的微分量构建所述有限时间扰动观测器的方式如下:
其中,v=1,2,3,滤波偏差,/>是所述滤波偏差/>的估计值,/>是所述故障项/>的估计值;/>与/>为有限时间扰动观测器的设计参数。
5.根据权利要求3所述的方法,其特征在于,基于所述滤波偏差构建得到的所述分数阶滑模偏差为:
其中,,/>,/>,/>以及/>为设计的正参数,且/>,/>,/>为分数阶微积分符号,/>为分数阶微积分算子。
6.根据权利要求5所述的方法,其特征在于,所述基于所述分数阶滑模偏差以及所述故障项估计值构建容错控制律,包括:
对所述分数阶滑模偏差求导,得到分数阶滑模偏差微分方程,如下:
利用所述故障项估计值对所述分数阶滑模偏差微分方程中的故障项进行补偿,以及基于所述分数阶滑模偏差微分方程构建得到所述容错控制律;
所述容错控制律如下:
其中,为所述故障项估计值,/>,/>,/>以及/>为设计的正参数,且/>,。
7.根据权利要求3所述的方法,其特征在于,构建所述基础动力学模型的方式如下:
其中,是滑翔飞行器的倾斜角,/>是滑翔飞行器的攻角,/>是滑翔飞行器的侧滑角,/>,/>,/>均表示滑翔飞行器绕飞行器机体轴的角速率,γ是航迹倾角,/>是滑翔飞行器的质量,/>是滑翔飞行器的飞行速度,/>是滑翔飞行器受到的升力,/>是滑翔飞行器受到的侧力,/>表示滑翔飞行器的滚转力矩,/>表示滑翔飞行器的俯仰力矩,/>表示滑翔飞行器的偏航力矩,,/>,/>表示滑翔飞行器的转动惯量,/>表示滑翔飞行器的惯性积,/>;
所述滑翔飞行器受到的升力,侧力/>,滚转力矩/>、俯仰力矩/>以及偏航力矩/>的表达式如下:
其中,/>表示动压,/>为空气密度,/>为滑翔飞行器受力面积,b是滑翔飞行器的翼展长,c是滑翔飞行器的翼弦长,,/>,/>,/>以及/>为不同的气动参数,其表达式如下:
其中,为滑翔飞行器的马赫数,/>,/>和/>分别为所述滑翔飞行器的等效副翼,升降舵和方向舵控制输入,/>,/>,/>,/>和/>表示滑翔飞行器的气动系数。
8.根据权利要求7所述的方法,其特征在于,所述得到考虑执行器故障的动力学模型包括:
定义、/>、/>,将所述执行器故障模型代入所述基础动力学模型,并得到考虑执行器故障的动力学模型为:
其中,是与所述滑翔飞行器受到的所述升力/>中已知项/>以及所述侧力/>中已知项相关的量,/>是与所述滑翔飞行器的所述转动惯量以及所述惯性积相关的已知项,/>与/>为所述增益矩阵;
则基于所述考虑执行器故障的动力学模型确定的中,,/>,/>。
9.根据权利要求7所述的方法,其特征在于,
所述滑翔飞行器受到的所述升力中已知项/>的计算方式如下:
所述滑翔飞行器收到的所述侧力中已知项/>的计算方式如下:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111377.XA CN117163281B (zh) | 2023-08-30 | 2023-08-30 | 滑翔飞行器执行器故障情况下的容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111377.XA CN117163281B (zh) | 2023-08-30 | 2023-08-30 | 滑翔飞行器执行器故障情况下的容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117163281A CN117163281A (zh) | 2023-12-05 |
CN117163281B true CN117163281B (zh) | 2024-03-08 |
Family
ID=88944178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311111377.XA Active CN117163281B (zh) | 2023-08-30 | 2023-08-30 | 滑翔飞行器执行器故障情况下的容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117163281B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8727264B1 (en) * | 2013-06-11 | 2014-05-20 | Elbert L. Rutan | Dynamic tow maneuver orbital launch technique |
CN106364697A (zh) * | 2016-11-16 | 2017-02-01 | 中国人民解放军国防科学技术大学 | 基于锥导理论的宽速域多级变体滑翔乘波飞行器设计方法 |
WO2019024303A1 (zh) * | 2017-08-02 | 2019-02-07 | 华南理工大学 | 一种基于有限时间神经动力学的多旋翼无人飞行器的稳定飞行控制方法 |
CN111045441A (zh) * | 2019-12-19 | 2020-04-21 | 南京航空航天大学 | 一种高超声速飞行器传感器复合故障自愈合控制方法 |
CN112578802A (zh) * | 2019-09-30 | 2021-03-30 | 庞巴迪公司 | 使用滑模控制和反馈线性化的飞机控制***和方法 |
CN113625730A (zh) * | 2021-06-30 | 2021-11-09 | 南京邮电大学 | 一种基于超扭滑模的四旋翼自适应容错控制方法 |
CN113900448A (zh) * | 2021-10-20 | 2022-01-07 | 北京航空航天大学 | 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 |
CN114815861A (zh) * | 2021-01-19 | 2022-07-29 | 南京航空航天大学 | 一种基于时空径向基函数神经网络的容错飞行控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3889719A1 (en) * | 2017-02-08 | 2021-10-06 | SZ DJI Technology Co., Ltd. | Methods and system for controlling a movable object |
-
2023
- 2023-08-30 CN CN202311111377.XA patent/CN117163281B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8727264B1 (en) * | 2013-06-11 | 2014-05-20 | Elbert L. Rutan | Dynamic tow maneuver orbital launch technique |
CN106364697A (zh) * | 2016-11-16 | 2017-02-01 | 中国人民解放军国防科学技术大学 | 基于锥导理论的宽速域多级变体滑翔乘波飞行器设计方法 |
WO2019024303A1 (zh) * | 2017-08-02 | 2019-02-07 | 华南理工大学 | 一种基于有限时间神经动力学的多旋翼无人飞行器的稳定飞行控制方法 |
CN112578802A (zh) * | 2019-09-30 | 2021-03-30 | 庞巴迪公司 | 使用滑模控制和反馈线性化的飞机控制***和方法 |
CN111045441A (zh) * | 2019-12-19 | 2020-04-21 | 南京航空航天大学 | 一种高超声速飞行器传感器复合故障自愈合控制方法 |
CN114815861A (zh) * | 2021-01-19 | 2022-07-29 | 南京航空航天大学 | 一种基于时空径向基函数神经网络的容错飞行控制方法 |
CN113625730A (zh) * | 2021-06-30 | 2021-11-09 | 南京邮电大学 | 一种基于超扭滑模的四旋翼自适应容错控制方法 |
CN113900448A (zh) * | 2021-10-20 | 2022-01-07 | 北京航空航天大学 | 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 |
Non-Patent Citations (2)
Title |
---|
基于自抗扰终端滑模的高速滑翔飞行器姿态控制;安炳合;王永骥;刘磊;侯治威;王博;;弹箭与制导学报(第06期);全文 * |
无人机姿态控制***滑模动态面容错控制方法;翟丽相;钱默抒;刘剑慰;;***仿真技术(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117163281A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Nonsingular terminal sliding mode control for a quadrotor UAV with a total rotor failure | |
Xu et al. | Neural network based dynamic surface control of hypersonic flight dynamics using small-gain theorem | |
CN101937233B (zh) | 近空间高超声速飞行器非线性自适应控制方法 | |
CN109426146B (zh) | 高超声速飞行器的高阶非奇异Terminal滑模控制方法 | |
Wang et al. | Flexible aircraft gust load alleviation with incremental nonlinear dynamic inversion | |
CN103616816B (zh) | 一种高超声速飞行器升降舵故障控制方法 | |
CN102929151B (zh) | 一种基于指数时变二阶滑模的再入飞行姿态控制方法 | |
Smith et al. | Disturbance observer based control with anti-windup applied to a small fixed wing UAV for disturbance rejection | |
Shin et al. | Reconfigurable flight control system design using adaptive neural networks | |
CN105629734B (zh) | 一种近空间飞行器的轨迹跟踪控制方法 | |
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 | |
CN111007720A (zh) | 高超声速飞行器多传感器故障的非线性自愈合控制方法 | |
Zhang et al. | Improved finite-time command filtered backstepping fault-tolerant control for flexible hypersonic vehicle | |
CN111158398A (zh) | 考虑攻角约束的高超音速飞行器的自适应控制方法 | |
Wu et al. | A new control design for a morphing UAV based on disturbance observer and command filtered backstepping techniques | |
Gao et al. | Finite-time H∞ adaptive attitude fault-tolerant control for reentry vehicle involving control delay | |
Ding et al. | Global smooth sliding mode controller for flexible air-breathing hypersonic vehicle with actuator faults | |
CN116339140B (zh) | 一种基于瞬时自抗扰和自适应动态逆的复合容错控制方法 | |
Wang et al. | Nonlinear incremental control for flexible aircraft trajectory tracking and load alleviation | |
Zhang et al. | Control surface faults neural adaptive compensation control for tailless flying wing aircraft with uncertainties | |
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 | |
Ding et al. | Adaptive higher order super-twisting control algorithm for a flexible air-breathing hypersonic vehicle | |
CN111142550B (zh) | 民用飞机辅助驾驶控制方法、***及飞行品质评估方法 | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
CN117163281B (zh) | 滑翔飞行器执行器故障情况下的容错控制方法 |
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 |