专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; |
专利有效性 | 实质审查 | 当前状态 | 实质审查 |
申请号 | CN202310994250.0 | 申请日 | 2023-08-08 |
公开(公告)号 | CN117234223A | 公开(公告)日 | 2023-12-15 |
申请人 | 西北工业大学; | 申请人类型 | 学校 |
发明人 | 陈树生; 李金平; 贾苜梁; 李栋; 高红岗; 邹旭; | 第一发明人 | 陈树生 |
权利人 | 西北工业大学 | 权利人类型 | 学校 |
当前权利人 | 西北工业大学 | 当前权利人类型 | 学校 |
省份 | 当前专利权人所在省份:陕西省 | 城市 | 当前专利权人所在城市:陕西省西安市 |
具体地址 | 当前专利权人所在详细地址:陕西省西安市友谊西路127号 | 邮编 | 当前专利权人邮编:710072 |
主IPC国际分类 | G05D1/08 | 所有IPC国际分类 | G05D1/08 ; G05D1/10 |
专利引用数量 | 0 | 专利被引用数量 | 0 |
专利权利要求数量 | 6 | 专利文献类型 | A |
专利代理机构 | 西安匠星互智知识产权代理有限公司 | 专利代理人 | 陈星; |
摘要 | 本 发明 提供了一种基于自适应 控制器 的翼身融合飞机 姿态 控制方法。本发明针对翼身融合飞机复杂的非线性特性和不确定因素干扰姿态控制的问题,采用L1自适应控制方法构建不确定参数模型,进行翼身融合飞机的纵向姿态控制律设计,提高了翼身融合飞机纵向控制抗扰能 力 。通过建立翼身融合飞机 俯仰 运动模型,结合LQR对系统进行反馈配置以改善其 稳定性 ,并将系统配置为典型L1被控对象形式,利用投影算子引入不确定参数对模型修正,得到自适应的控制 算法 。本发明提出的翼身融合飞机姿态控制方法,能够在外界强干扰下,控制 舵 面自适应偏转,以抵消外界干扰。本方法能够有效地识别参数变化和外界干扰,可以快速地 跟踪 输入误差,系统鲁棒性良好,即具备良好抗外界干扰的能力。 | ||
权利要求 | 1.一种基于自适应控制器的翼身融合飞机姿态控制方法,其特征在于:包括以下步骤: |
||
说明书全文 | 一种基于自适应控制器的翼身融合飞机姿态控制方法技术领域背景技术[0002] 翼身融合飞机是指将机翼和机身结合成一体的飞机设计概念,具有很大的应用前景。翼身融合设计可以减少机翼和机身之间的连接和干扰,降低飞机的阻力,提高飞行性能。通过减少气动阻力和增加升力,翼身融合设计可以使飞机在飞行中更高效、更节能。增加载荷容量:相对于传统的飞机设计,翼身融合结构可以提供更大的有效载荷容量。由于机翼和机身融为一体,可以更有效地分配和承载载荷,提供更大的货舱容积和灵活的装载配置。 [0003] 传统飞机姿态控制方法有:PID控制器、模型预测控制和鲁棒控制方法。PID控制器是一种经典的控制方法,广泛应用于飞机姿态控制。PID控制器根据当前姿态误差的比例、积分和微分部分来生成控制指令,以实现期望的姿态调整。通过适当调整PID参数,可以实现稳定的姿态控制。模型预测控制是一种基于系统模型的优化控制方法,适用于的非线性系统,在进行飞机姿态控制中,可以建立动力学模型,并使用模型预测控制来优化控制指令,以实现期望的姿态调整。鲁棒控制则是针对系统参数不确定性和外部扰动而提出的控制方法,通过设计鲁棒控制器来保证系统的稳定性和鲁棒性能。 [0004] 但由于翼身融合飞机结构复杂,飞机的惯性参数和气动特性会发生变化,导致控制系统设计和参数调整的复杂性增加。同时,由于机翼和机身之间的耦合效应,飞机在不同飞行阶段和气动条件下的响应可能会发生变化,增加了姿态控制的难度。传统飞机姿态控制方法应用到翼身融合飞机姿态控制中依然存在抗干扰能力弱、响应速度较慢等问题,因此有必要开发针对翼身融合飞机的,具有优异控制性能的姿态控制方法。 发明内容[0005] 针对传统飞机姿态控制方法应用到翼身融合飞机姿态控制中存在抗干扰能力弱、响应速度较慢等问题,本发明提供了一种基于自适应控制器的翼身融合飞机姿态控制方法:针对翼身融合飞机复杂的非线性特性和不确定因素干扰姿态控制的问题,采用L1自适应控制方法构建不确定参数模型,进行翼身融合飞机的纵向姿态控制律设计,提高了翼身融合飞机纵向控制抗扰能力;通过建立翼身融合飞机俯仰运动模型,结合LQR对系统进行反馈配置以改善其稳定性,并将系统配置为典型L1被控对象形式,利用投影算子引入不确定参数对模型修正,得到自适应的控制算法。 [0006] 本发明的技术方案为: [0007] 一种基于自适应控制器的翼身融合飞机姿态控制方法,包括以下步骤: [0008] 步骤1:对翼身融合飞机俯仰通道进行建模: [0009] [0011] 步骤2:对翼身融合飞机进行状态反馈配置: [0012] 步骤2.1:基于步骤1得到的翼身融合飞机俯仰通道模型,忽略小扰动σθ1,得到状态空间形式的系统方程为 [0013] [0014] 其中矩阵A=[‑a1,‑a2],b=[a3],u(t)=δe,x(t)是状态向量,[0015] 步骤2.2:对步骤2.1得到的系统方程进行状态反馈配置: [0016] 首先基于线性二次调节器设计状态调节器,设计时选取性能指标函数为: [0017] J=∫(xTQx+uTRu)dt [0018] 然后依据最优二次型理论,设计使指标函数J取得最小值时的控制律为: [0019] u1(t)=‑RbTQx(t)=‑Km1x(t) [0020] 其中u1(t)为虚拟辅助量,Q和R是线性二次调节器的参数矩阵;Km1=RbTQ为常值状态反馈增益; [0021] 再求取矩阵Km2,使得A‑(bKm1+Km2)为赫尔维茨矩阵; [0022] 最终得到反馈配置的控制律为 [0023] um(t)=‑Kmx(t) [0024] 其中um(t)为虚拟辅助量,Km=Km1+Km2; [0025] 步骤3:设计状态预测器: [0026] [0027] 其中 是针对x(t)的估计值,Am=A‑(bKm1+Km2), 均为未知参数;uad(t)为最终的控制输入; [0028] 步骤4:设计自适应律对步骤3中的未知参数进行估计: [0029] [0030] [0031] [0032] 其中 为x(t)的估计值,Γ为自适应增益;P为方程ATP+PA=‑Q的解;Proj为数学上的投影算子; [0033] 步骤5:设计L1自适应控制律 [0034] [0035] s代表的是拉普拉斯变化,对其进行反变换即可得到时域的值,实现翼身融合飞机俯仰姿态控制。 [0036] 进一步的,步骤1中得到翼身融合飞机俯仰通道模型的过程为: [0037] 步骤1.1:建立翼身融合飞机的纵向运动方程为 [0038] [0039] 其中θ为俯仰角;q为俯仰角速度; 为滚转角;r为偏航角速度; [0040] 步骤1.2:构建翼身融合飞机纵向的俯仰力矩方程 [0041] [0042] 其中M为翼身融合飞机的纵向力矩;Ix、Iy、Iz和Ixz为转动惯量;p为滚转角速度; [0043] 步骤1.3:根据重力、升力和推力关系,将翼身融合飞机纵向的俯仰力矩方程还表示为 其中Q为动压; 为机翼面积;Cm为气动系数; [0044] 步骤1.4:将基准运动配平状态下的解耦关系 以及基准运动配平状态下的运动特点,得到 [0045] 进一步的,步骤5中,设计低通滤波器对L1自适应控制律进行滤波处理,得到加入滤波器后的控制输入为 [0046] [0047] 其中k为滤波器的参数。 [0049] 一种计算机系统,包括:一个或多个处理器,计算机可读存储介质,用于存储一个或者多个程序,其中,当所述一个或者多个程序被所述一个或者多个处理器执行时,使得所述一个或者多个处理器实现如上所述的方法。 [0050] 一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。 [0051] 一种计算机程序,包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。 [0052] 有益效果 [0053] 本发明提出的翼身融合飞机姿态控制方法,能够在外界强干扰下,控制舵面自适应偏转,以抵消外界干扰。对比目前常见的控制方法,本方法能够有效地识别参数变化和外界干扰,可以快速地跟踪输入误差,系统鲁棒性良好,即具备良好抗外界干扰的能力。 [0055] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中: [0056] 图1是本发明所设计的翼身融合飞机姿态控制方法的流程框图。 [0057] 图2是仿真数据对比图。 具体实施方式[0058] 下面详细描述本发明的实施例,所述实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。 [0059] 参照图1所示的本发明方法流程图,本实施例中的基于自适应控制器的翼身融合飞机姿态控制方法,包括以下步骤: [0060] 步骤1:对翼身融合飞机俯仰通道进行建模: [0061] 考虑到翼身融合飞机是复杂的非线性时变耦合系统,为了方便后续的控制器设计,本发明将翼身融合飞机侧向运动参数和横滚参数近似为零,并选取典型状态进行配平以及解耦线性化处理,则翼身融合飞机的纵向运动方程为: [0062] [0063] 其中θ为俯仰角;q为俯仰角速度; 为滚转角;r为偏航角速度;需要说明的是,在飞行过程中,由于 的变化较小,可以将σθ1其看作 小扰动。 [0064] 构建翼身融合飞机纵向的俯仰力矩方程 [0065] [0066] 其中M为翼身融合飞机的纵向力矩;Ix、Iy、Iz和Ixz为转动惯量;p为滚转角速度。 [0067] 根据重力、升力和推力关系,将翼身融合飞机纵向的俯仰力矩方程还表示为[0068] [0069] 其中Q为动压; 为机翼面积;Cm为气动系数;δe为升降舵舵偏角。 [0070] 将基准运动配平状态下的解耦关系 以及基准运动配平状态下的运动特点,得到 a1、a2和a3均为与气动系数有关的多项式。 [0071] 步骤2:对翼身融合飞机进行状态反馈配置: [0072] 步骤2.1:基于步骤1得到的翼身融合飞机俯仰通道模型,忽略小扰动σθ1,得到状态空间形式的系统方程为 [0073] [0074] 其中矩阵A=[‑a1,‑a2],b=[a3],u(t)=δe,x(t)是状态向量,[0075] 步骤2.2:对步骤2.1得到的系统方程进行状态反馈配置来改善其稳定性和动态特性: [0076] 首先基于线性二次调节器设计状态调节器,设计时选取性能指标函数为: [0077] J=∫(xTQx+uTRu)dt (6) [0078] 然后依据最优二次型理论,设计使指标函数J取得最小值时的控制律为: [0079] u1(t)=‑RbTQx(t)=‑Km1x(t) (7) [0080] 其中u1(t)为虚拟辅助量,Q和R是线性二次调节器的参数矩阵;Km1=RbTQ为常值状态反馈增益;需要注意的是,Q和R影响着闭环系统的极点位置,可以使闭环系统具有期望的时域特征。在u1(t)的作用下,闭环系统的零极点位置被改变,从而改善了系统的稳定性和系统动态特性。 [0081] 再求取矩阵Km2,使得A‑(bKm1+Km2)为赫尔维茨矩阵; [0082] 最终得到反馈配置的控制律为 [0083] um(t)=‑Kmx(t) (8) [0084] 其中um(t)为虚拟辅助量,Km=Km1+Km2。 [0085] 步骤3:设计状态预测器: [0086] 在引入不确定度以及求解状态反馈配置矩阵获得的被控系统的数学模型的基础上,将评估参数替换,便可获得状态预测器的数学模型,其本身与被控对象的数学模型一致,两者在参数变量的侧重点不一样,被控对象的数学模型偏重于系统对时域的响应,而状态预测器则偏重于评估参数变化带来给被控对象的影响。这里设计状态预测器如下: [0087] [0088] 其中 是针对x(t)的估计值,Am=A‑(bKm1+Km2), 均为未知参数;uad(t)为最终的控制输入。 [0089] 步骤4:设计自适应律对步骤3中的未知参数进行估计: [0090] 自适应控制律以误差为输入,通过投影算法,输出相关的估计参数至状态预测器,使得误差变小至零,保证状态预测器与被控对象响应特性一致。通过对估计参数的边界限制、快速收敛等约束,能够有效地阻止相关参数的漂移,极大地增强控制系统的鲁棒性。这里设计系统未知参数的自适应律如下: [0091] [0092] [0093] [0094] 其中Γ为自适应增益;P为方程ATP+PA=‑Q的解;Proj为数学上的投影算子,用以确保估计参数的收敛有界性。 [0095] 步骤5:设计L1自适应控制律 [0096] 为了消除状态预测器带来的响应不一致性,这里设计L1自适应控制律为[0097] [0098] 式中s代表的是拉普拉斯变化,对变量其进行反变换即可得到时域的值,实现翼身融合飞机俯仰姿态控制。 [0099] 为了进一步抑制控制输出中的高频震荡,本实施例还设计低通滤波器对L1自适应控制律进行滤波处理,得到加入滤波器后的控制输入为 [0100] [0101] 即为L1自适应控制律的最终输出。 [0102] 图2给出了仿真数据对比图,图中纵坐标是俯仰角跟踪误差,横坐标是仿真时间。红色线是本发明方法数据,蓝色线是采用终端滑模控制器得到的跟踪误差,浅绿色线是采用传统滑模控制器得到的跟踪误差,深绿色线是采用pid控制器得到的跟踪误差。从图中可以看出,本发明方法能够消除跟踪输入误差,系统鲁棒性良好,即具备良好抗外界干扰的能力。 [0103] 尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。 |