基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法

2023-09-23 18:29:45 2

基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法
【專利摘要】本申請基於神經網絡(神經網絡:NeuralNetwork)技術和指令濾波反演方法，提出一種基於指令濾波反演的魯棒容錯控制系統設計架構。首先給出NSV姿態控制系統的數學模型，並在此基礎上考慮建模誤差引起的不確定和外部幹擾，及操縱面故障下NSV姿態控制系統的狀態方程。其主要的設計涉及兩個單元：一個是輔助系統的設計，一個是基於輔助系統的控制器的設計。輔助系統引入神經網絡確保輔助系統的魯棒性，並且通過Lyapunov定理嚴格證明閉環系統的穩定性。並在相應飛行器的姿態控制系統上進行仿真，結果顯示本申請所提的方法可以使得具有外部幹擾的不確定飛控系統在操縱面損傷下具有理想的容錯跟蹤性能。
【專利說明】基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法

【技術領域】
[0001] 本發明涉及飛行器姿態容錯控制領域，特別是涉及基於神經網絡觀測器的無人飛 行器姿態魯棒容錯控制方法。
[0002]

【背景技術】
[0003] 近空間（Near Space)是指距離海平面20knTl00km的空間區域，當前人類的探索活 動很少涉及到這一高度範圍。它擁有著大氣平流層區域(高度20knT55km)、大氣中間層區域 (高度55knT85km)和小部分增溫層區域(高度85km以上)，其中60km以下區域為非電離層， 60km以上區域為電離層，其絕大部分空間中的大氣成分為均質大氣(約高度90km以下的區 域)。正是由於其所具有的獨特空間位置使得近空間具有特有的飛行環境與性質，因而有著 重大的戰略意義及戰略價值。近年來，隨著認識的逐步發展和科學技術的不斷進步，已經成 為世界各國所爭奪的熱點之一。
[0004] 近空間飛行器（NSV)是指能夠在近空間範圍內持續工作的飛行器，它既不同於傳 統的航空飛行器，也不屬於航天飛行器的範疇，而是集飛機、空天飛行器、軌道戰鬥機，甚至 衛星、空間站等多方面的優點於一體，是21世紀爭奪制空、制天權，進行空天作戰的殺手鐧 武器。它與傳統的飛行器相比，具有明顯的優勢，主要表現在以下幾個方面：（1)發射成本 低；（2)準備周期短；（3)覆蓋範圍廣；(4)生存突防能力強；（5)任務模式多樣性。NSV具有 很大的飛行包絡，所涉及的飛行範圍很廣，飛行環境極其複雜，而且還有可能出現氣動結構 的變化，這些會使得飛行系統呈現出強耦合、快時變、不確定以及強非線性等特點，從而給 NSV的飛行控制系統設計帶來嚴峻的挑戰。
[0005] 作為一種新的航空航天飛行器，NSV的故障同樣也是主要由執行器，傳感器和結構 故障引起。為了提1? NSV安全性和可罪性，在NSV姿態控制系統控制器的設計中，各錯控制 (FTC: Fault tolerant control)系統必須加以考慮。主動容錯控制由於有小的保守性，且 能很好的處理未知的故障等優點，已經在飛行容錯控制系統設計中成為一種主流的設計方 法。一般來講，主動容錯控制包含兩個單元，故障診斷和隔離（FDI)單元和可重構控制器。 傳統的主動容錯方法針對模型不確定和外部幹擾問題需要在設計FDI單元時考慮誤報和 漏報兩個指標，這本身就是一個悖論，所以工程師在實際中常常採用折衷的辦法。由於對象 存在不確定和幹擾，即使所診斷的信息是準確的，在設計控制器的時候仍然要考慮控制器 的魯棒性和抗幹擾問題。本章給出的魯棒容錯控制器設計框架不同於以往。傳統魯棒容錯 控制在設計過程中，要設計魯棒FDI單元和魯棒可重構控制器，可知，傳統的方法FDI和可 重構控制器都是基於被控對象的動態模型設計。
[0006] 另一方面，跟蹤控制在工業生產，航空，航天等領域中起著重要的作用。因此，它一 直是科學家和工程師的熱門研究課題。目前，針對不同的複雜系統，許多跟蹤控制方法被提 出，如預測控制，智能控制，自適應控制，滑模控制，反演控制等等。在處理約束問題方面，預 控制和反演控制控制得到很好的研究。然而非線性預測控制在系統穩定性分析方面目前還 不成熟。而反演控制是一種基於Lyapunov穩定性理論的控制器設計方法，自上世紀90年 代提出之後一直受到研究者們的廣泛關注，然而它也存在三個主要的缺陷，（1)微分膨脹 問題；（2)需要嚴格反饋形式，（3)控制約束問題。在飛控系統中，缺陷（1)和（3)是造成 其不能實際應用的主要障礙，特別是缺陷（3)，如果在實際中不加以考慮，會造成誤差的累 積而使得參數估計不正確，造成系統的不穩定甚至發散。
[0007]


【發明內容】

[0008] 針對以上問題，本申請所提的容錯控制方法只需要設計一個魯棒輔助系統既可以 實現魯棒容錯控制，而重構控制器的設計則基於輔助系統的動態模型即可。所以本文相對 傳統方法，在設計步驟上更為簡潔和方便，避免了如何設計一個可以漏報和誤報都很低的 FDI單元這一難題。從而繞過這一難題實現飛控系統的魯棒容錯控制，為達此目的，本發明 提供基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法，具體步驟如下： 基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法，具體步驟如下，其特徵在 於： 1) 將變量信號4輸入給控制層的I控制器，經過控制層的&控制器處理後再經過控 制層的Xl系統控制器， Xl系統控制器將從飛行器運動得到的參數Xl和從I控制器得到的 變量信號進行相應的處理得到變量信號4; 2) 控制層的Xl系統控制器經過控制層的指令濾波器處理得到變量信號4，所述變量 信號4分兩路，所述I控制器處理得到的變量信號 < 和一路變量信號 < 進行信號疊加處 理後經過控制層的濾波誤差補償得到變量信號f傳送給控制層的x2系統控制器，所述另一 路變量信號4經過控制層的K 2控制器處理後再經過控制層的x2系統控制器； 3) 所述x2系統控制器將濾波誤差補償後得到變量信號E以及飛行器運動得到的參數 x2以及監督層的自適應神經網絡觀測器所得到的變量信號；、&、&進行處理得到變量信 號u ; 4) 所述x2系統控制器將處理後的變量信號u傳送給飛行器和監督層的自適應神經網 絡觀測器，監督層的自適應神經網絡觀測器根據所得變量信號u得到對應的變量信號&、 &、^並將其反饋給x2系統控制器。
[0009] 作為本發明進一步改進，所述步驟3中自適應神經網絡觀測器模型如下： 設計自適應律,佔用於理想權值估計和失效因子的估計，定義e =?-χ2，於是針對 姿態角速度迴路環設計一個自適應神經網絡觀測器如下， z2=As + /^,x2) + g2(?!,x2)Ua+WΓΦ(χ) (2. 25) 其中? =[句，…為]^表示損傷因子的估計值，並由如下的自適應律得出：

【權利要求】
1. 基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法，具體步驟如下，其特徵 在於： 1) 將變量信號4輸入給控制層的Ki控制器，經過控制層的Ki控制器處理後再經過控 制層的Xl系統控制器， Xl系統控制器將從飛行器運動得到的參數Xl和從Ki控制器得到的 變量信號進行相應的處理得到變量信號4 ; 2) 控制層的Xl系統控制器經過控制層的指令濾波器處理得到變量信號χ? ,所述變量 信號4分兩路，所述I控制器處理得到的變量信號 < 和一路變量信號4進行信號疊加處 理後經過控制層的濾波誤差補償得到變量信號傳送給控制層的x2系統控制器，所述另一 路變量信號4經過控制層的K 2控制器處理後再經過控制層的x2系統控制器； 3) 所述x2系統控制器將濾波誤差補償後得到變量信號e以及飛行器運動得到的參數 x2以及監督層的自適應神經網絡觀測器所得到的變量信號；、^&進行處理得到變量信 號u ; 4) 所述x2系統控制器將處理後的變量信號u傳送給飛行器和監督層的自適應神經網 絡觀測器，監督層的自適應神經網絡觀測器根據所得變量信號u得到對應的變量信號&、 $、^並將其反饋給x2系統控制器。
2. 根據權利要求1所述的基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法， 其特徵在於：所述步驟3中自適應神經網絡觀測器模型如下： 設計自適應律?用於理想權值估計和失效因子的估計，定義e ==? -x2 ,於是針對 姿態角速度迴路環設計一個自適應神經網絡觀測器如下，
(2. 25) 其中0= [?,…為]表示損傷因子的估計值，並由如下的自適應律得出：
(2. 26) 其中,η > Ο , Ρ=滻> 〇且ρ是#> +規=-2的解，其中ρ = βΓ > 0，即』為一個Hurwitz 矩陣。PRiD為投影算子[137]，其可以確保估計值處於最小值g和最大值q之間。神經網 絡權值更新算法如下，
(2. 27) 其中Γ為正定矩陣。定義損傷因子估計誤差為神經網絡權值估計誤差 # = 由觀測器方程（2.25)和姿態角速率迴路方程（2. 22)，可以得到觀測誤差動態 方程為：
(2. 28)。
3. 根據權利要求1所述的基於神經網絡觀測器的無人飛行器姿態魯棒容錯控制方法， 其特徵在於：所述步驟2指令濾波器模型如下：
第一步：將< 作為Χι姿態角度環的理想控制輸入，同時選擇Lyapunov函數6=4馬， 並得到G對時間的導數：
(2. 36) 姿態角度環的控制器可以選擇為：
(2. 37) 其中A為待設計的正定常矩陣。將（2. 37)代入（2. 36)可得：
(2. 38) 約束指令濾波器的狀態方程表示如下：
(2. 39)
其中：，分別表示濾波器的阻尼和帶寬，且 ? 乂 如果虛擬控制量的幅值和速率大於實際系統所能承受的最大值時，其經過濾波器後的 信號必然和濾波器輸入的信號之間存在一個誤差，在動態面控制方法，由濾波器造成的殘 差信號並沒有加以補償，導致跟蹤信號不能實現全局漸近跟蹤，如果引入自適應後，當實際 系統不能實現給定的信號跟蹤，會造成誤差累積而導致系統不穩定甚至發散。為此重新定 義跟蹤誤差為=4 - h並設計如下：
(2. 40) 第二步：考慮觀測器（2. 31)方程，同時選擇如下Lyapunov函數：
(2.41) G對時間的導數為：
(2. 42) 設計角速度迴路控制器：
(2. 43) 其中毛為待設計的正定常矩陣。將（2.43)代入（2.42)可得：
(2. 44) 由定理2. 1，可知1，利用利用Barbalat引理，可得--η:1^}/2(^ = 〇 ,於是進一 步得到為=U，和li1%，馬=〇。
【文檔編號】G05B13/04GK104049640SQ201410293073
【公開日】2014年9月17日 申請日期:2014年6月27日 優先權日:2014年6月27日
【發明者】周洪成, 胡豔 申請人:金陵科技學院