本發(fā)明屬于無(wú)人直升機(jī)控制，具體涉及基于在線神經(jīng)網(wǎng)絡(luò)無(wú)人直升機(jī)滑模飛行控制方法。

背景技術(shù)：

1、無(wú)人直升機(jī)因其垂直起降、懸停和機(jī)動(dòng)飛行能力，在軍事和民用領(lǐng)域發(fā)揮著重要作用。然而，由于無(wú)人直升機(jī)系統(tǒng)的復(fù)雜性、非線性、高度耦合的動(dòng)力學(xué)特性，加之實(shí)際應(yīng)用中不可避免地要面對(duì)不確定性、外部干擾、執(zhí)行器故障和輸入飽和等挑戰(zhàn)，其控制系統(tǒng)的設(shè)計(jì)變得尤為困難。因此，直升機(jī)飛行控制的研究在學(xué)術(shù)界獲得了重視。

2、歷史上，飛行控制領(lǐng)域已經(jīng)得到了深入研究。傳統(tǒng)的控制方法，如pid控制、滑?？刂啤⒒趌mi或觀測(cè)器的控制方法，通常依賴于將復(fù)雜的直升機(jī)非線性模型簡(jiǎn)化為線性模型，或忽視歐拉角速率與直升機(jī)角速度之間的耦合關(guān)系。這些方法然簡(jiǎn)化了控制模型，但也導(dǎo)致了控制精度的下降和性能的次優(yōu)。為了克服這些限制，研究者們開(kāi)始將傳統(tǒng)控制方法與智能控制策略相結(jié)合，如模糊邏輯和神經(jīng)網(wǎng)絡(luò)，以開(kāi)發(fā)出更為先進(jìn)有效的控制器。例如，中國(guó)學(xué)者將反步法、神經(jīng)網(wǎng)絡(luò)和干擾觀測(cè)器相結(jié)合，既保留了反步法高效處理非線性系統(tǒng)的能力，又有效應(yīng)對(duì)了系統(tǒng)不確定性和外部干擾。同樣，外國(guó)研究者通過(guò)將自適應(yīng)控制和滑?？刂品椒ㄏ嘟Y(jié)合，顯著提升了滑?？刂频男阅?。盡管滑模控制在面對(duì)系統(tǒng)不確定性和外部干擾時(shí)表現(xiàn)出了魯棒性，但在復(fù)雜環(huán)境中往往會(huì)引起顯著的抖震。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的函數(shù)逼近能力，有效地解決了系統(tǒng)不確定性問(wèn)題。通過(guò)將神經(jīng)網(wǎng)絡(luò)與觀測(cè)器集成，可以更有效地處理系統(tǒng)不確定性，而外部干擾則由非線性干擾觀測(cè)器來(lái)處理。將滑?？刂婆c這些觀測(cè)器相結(jié)合，不僅有效地解決了系統(tǒng)不確定性和外部干擾問(wèn)題，還減少了控制器的抖振，增強(qiáng)了系統(tǒng)的魯棒性和準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供基于在線神經(jīng)網(wǎng)絡(luò)無(wú)人直升機(jī)滑模飛行控制方法，解決了現(xiàn)有技術(shù)中存在的無(wú)人直升機(jī)在干擾和不確定性下保持姿態(tài)和高度穩(wěn)定的魯棒飛行控制所存在的問(wèn)題。

2、本發(fā)明所采用的技術(shù)方案是，基于在線神經(jīng)網(wǎng)絡(luò)無(wú)人直升機(jī)滑模飛行控制方法，具體按照以下步驟實(shí)施：

3、步驟1、設(shè)計(jì)直升機(jī)姿態(tài)和高度動(dòng)態(tài)非線性模型；

4、步驟2、設(shè)計(jì)非線性干擾觀測(cè)器、神經(jīng)網(wǎng)絡(luò)估計(jì)器，以及基于反步法設(shè)計(jì)滑模魯棒控制器；

5、步驟3、通過(guò)李雅普諾夫函數(shù)進(jìn)行穩(wěn)定性分析，確保直升機(jī)系統(tǒng)在面對(duì)干擾和不確定性時(shí)的穩(wěn)定性。

6、本發(fā)明的特點(diǎn)還在于，

7、步驟1具體按照以下步驟實(shí)施：

8、對(duì)于以下公式中出現(xiàn)的變量，說(shuō)明如下：表示函數(shù)f(x)的一階導(dǎo)數(shù)，表示函數(shù)f(x)的二階導(dǎo)數(shù)，at表示矩陣a的轉(zhuǎn)置矩陣，a-1表示矩陣a的逆矩陣，|a|表示矩陣a的行列式，表示n維向量空間，in×n表示n階單位矩陣；

9、步驟1.1、設(shè)計(jì)直升機(jī)姿態(tài)和高度動(dòng)態(tài)模型：

10、

11、其中，h(t)和v(t)是慣性坐標(biāo)系中無(wú)人直升機(jī)高度位置及其爬升速度，m是無(wú)人直升機(jī)的質(zhì)量，g0是重力加速度，ω(t)＝(φ(t)?θ(t)?ψ(t))t表示無(wú)人直升機(jī)的姿態(tài)角，其中φ(t)、θ(t)和ψ(t)分別表示滾轉(zhuǎn)角、俯仰角和偏航角，w(t)＝(p(t)?q(t)?r(t))t表示角速度向量，其中p(t)、q(t)和r(t)分別表示滾轉(zhuǎn)角速度，俯仰角速度和偏航角速度，j＝diag{jxx?jyy?jzz}表示無(wú)人直升機(jī)的慣性矩陣，其中，jxx、jyy和jzz分別表示滾轉(zhuǎn)轉(zhuǎn)動(dòng)慣量、俯仰轉(zhuǎn)動(dòng)慣量和偏航轉(zhuǎn)動(dòng)慣量，h0(t)是姿態(tài)運(yùn)動(dòng)矩陣：

12、

13、其中，sin(·),cos(·),tan(·)和sec(·)分別表示三角函數(shù)中的正弦函數(shù)，余弦函數(shù)，正切函數(shù)和余割函數(shù)；

14、w(t)×表示叉乘算子矩陣：

15、

16、tm(t)和τ0(t)為是直升機(jī)主旋翼的拉力和控制力矩，他們是無(wú)人直升機(jī)高度姿態(tài)系統(tǒng)的控制輸入，x＝(x1,x2)t為系統(tǒng)的狀態(tài)，x1(t)＝(h(t)?ωt(t))t表示狀態(tài)矢量，x2(t)＝(v(t)?wt(t))t表示速度矢量，和分別表示垂直方向的干擾力和干擾力矩，和表示系統(tǒng)的不確定項(xiàng)；

17、步驟1.2、基于上述直升機(jī)姿態(tài)和高度模型，對(duì)系統(tǒng)進(jìn)行改寫：

18、

19、其中，表示系統(tǒng)的控制輸入：u1(t)＝cosφ(t)cosθ(t)tm(t)-mg0，u2(t)＝τ0(t)；f(x1)和f(x2)分別表示有關(guān)x1(t)和x2(t)的參數(shù)矩陣，具體形式表示如下：g和是有關(guān)質(zhì)量和轉(zhuǎn)動(dòng)慣量的常數(shù)矩陣，具體表達(dá)形式如下：d(t)和δf(x)表示系統(tǒng)的干擾和不確定性：

20、為了處理系統(tǒng)的不確定性，定義連續(xù)函數(shù)p(x)：

21、

22、其中，l＝diag{l1,l2,l3,l4}＞0是增益系數(shù)矩陣，l1,l2,l3和l4分別是其4個(gè)增益系數(shù)；

23、采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)連續(xù)函數(shù)p(x)進(jìn)行逼近，形式如下：

24、p(x)＝w*th(x)+ε*?(4)

25、其中，h(x)為神經(jīng)網(wǎng)絡(luò)的基函數(shù)，w*則是其最優(yōu)權(quán)值，ε*是最優(yōu)逼近誤差；

26、根據(jù)公式(3)和公式(4)，有故公式(2)可進(jìn)一步被改寫為：

27、

28、其中表示系統(tǒng)外界干擾和神經(jīng)網(wǎng)絡(luò)逼近誤差所組成的復(fù)合干擾。

29、步驟2具體按照以下步驟實(shí)施：

30、步驟2.1、非線性干擾觀測(cè)器設(shè)計(jì)：

31、干擾觀測(cè)器方程設(shè)計(jì)為：

32、

33、其中，為干擾估計(jì)值，為最優(yōu)權(quán)值w*的估計(jì)值，δ(t)為構(gòu)造函數(shù)；

34、定義干擾估計(jì)誤差值為則干擾估計(jì)誤差的動(dòng)態(tài)由下式給出：

35、

36、其中為權(quán)值估計(jì)誤差；

37、步驟2.2、神經(jīng)網(wǎng)絡(luò)干擾觀測(cè)器設(shè)計(jì)：

38、神經(jīng)網(wǎng)絡(luò)干擾觀測(cè)器設(shè)計(jì)為：

39、

40、其中，π(t)為觀測(cè)器的狀態(tài)向量，η(t)為構(gòu)造函數(shù)，λ＝diag{λ1,λ2,λ3,λ4}＞0為增益系數(shù)矩陣，λ1,λ2,λ3和λ4分別是其4個(gè)增益系數(shù)；

41、定義神經(jīng)網(wǎng)絡(luò)觀測(cè)器的標(biāo)稱估計(jì)誤差en(t)＝x2(t)-π(t)，則誤差的動(dòng)態(tài)表示為：

42、

43、選擇自適應(yīng)率為：

44、

45、其中，γ＞0和σ＞0為增益系數(shù)，s(t)為之后將要設(shè)計(jì)的滑模面；

46、步驟2.3、基于反步法設(shè)計(jì)滑?？刂破鳌?/p>

47、步驟2.3具體按照以下步驟實(shí)施：

48、步驟2.3.1、定義高度姿態(tài)角誤差；

49、步驟2.3.2、定義速度和姿態(tài)角速度誤差項(xiàng)；

50、步驟2.3.3、定義滑模面；

51、步驟2.3.4、設(shè)計(jì)控制器。

52、步驟2.3.1具體按照以下步驟實(shí)施：

53、定義高度姿態(tài)角誤差e1(t)：

54、e1(t)＝x1(t)-xd(t)?(3)

55、其中，xd(t)為高度姿態(tài)期望跟蹤軌跡；

56、根據(jù)公式(5)，則高度姿態(tài)誤差的動(dòng)態(tài)表示為：

57、

58、定義候補(bǔ)李雅普諾夫函數(shù)v1(t)為：

59、

60、根據(jù)式(11)和式(12)，等式(13)的導(dǎo)數(shù)為：

61、

62、其中α1(t)為虛擬控制率，e2(t)為速度和姿態(tài)角速度誤差項(xiàng)，

63、由于|f1(x1)|＝secθ(t)≠0，所以f1(x1)為可逆矩陣，為了保證公式(14)的負(fù)定性，設(shè)計(jì)α1(t)為：

64、

65、其中k1＝diag{k11,k12,k13,k14}＞0為增益系數(shù)矩陣，k11,k12,k13和k14分別是其4個(gè)增益系數(shù)；

66、根據(jù)式(14)和式(15)，重新寫為：

67、

68、步驟2.3.2具體按照以下步驟實(shí)施：

69、定義速度和姿態(tài)角速度誤差項(xiàng)e2(t)：

70、e2(t)＝x2(t)-α1(t)?(9)

71、根據(jù)公式(5)，高度姿態(tài)誤差，速度和姿態(tài)角速度誤差的動(dòng)態(tài)表示為：

72、

73、其中

74、步驟2.3.3具體按照以下步驟實(shí)施：

75、步驟2.3.3、定義滑模面s(t)：

76、s(t)＝c1e1(t)+e2(t)?(11)

77、其中c1＞0為增益系數(shù)；

78、結(jié)合式(12)，(15)，(17)，(18)和(19)，s(t)的導(dǎo)數(shù)為：

79、

80、定義候補(bǔ)李雅普諾夫函數(shù)v2(t)為：

81、

82、根據(jù)式(16)，(19)和(20)，候補(bǔ)李雅普諾夫方程v2(t)的導(dǎo)數(shù)為：

83、

84、步驟2.3.4具體按照以下步驟實(shí)施：

85、設(shè)計(jì)控制器u(t)：

86、與步驟2.3.1類似，顯然g為可逆矩陣，為了保證式(22)的負(fù)定性，設(shè)計(jì)控制器u(t)如下：

87、

88、其中，m1＞0和n1＞0為增益參數(shù)，sign(s(t))為s(t)的符號(hào)函數(shù)，為滑?？刂浦械囊环N不連續(xù)切換函數(shù)，被定義為：

89、

90、邊界層公式如下：

91、

92、其中φ＞0為邊界層厚度，因此，反饋控制律變?yōu)椋?/p>

93、

94、其中sat(s(t)/φ)為飽和函數(shù)，被定義為：

95、

96、根據(jù)式(22)和(25)，重新寫為：

97、

98、步驟3具體按照以下步驟實(shí)施：

99、對(duì)所設(shè)計(jì)的控制器進(jìn)行穩(wěn)定性分析：

100、為了確保直升機(jī)系統(tǒng)的穩(wěn)定性，考慮李雅普諾夫函數(shù)v(t)為：

101、

102、結(jié)合式(27)和(7)，v(t)的導(dǎo)數(shù)為：

103、

104、由于：

105、

106、其中h(x)為有界函數(shù)||h(x)||＜τ，ε1,ε2,ε3,ε4＞0為設(shè)計(jì)參數(shù)；因此，根據(jù)式(29)，(30)，假設(shè)并考慮下式：

107、

108、得到以下不等式關(guān)系：

109、

110、其中，

111、

112、針對(duì)公式(2)所描述的直升機(jī)姿態(tài)和高度動(dòng)態(tài)系統(tǒng)，設(shè)計(jì)出形如公式(25)所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)飛行控制器，控制器相關(guān)參數(shù)滿足：

113、

114、經(jīng)過(guò)上述分析，在基于在線神經(jīng)網(wǎng)絡(luò)無(wú)人直升機(jī)滑模飛行控制方法作用下，直升機(jī)的跟蹤誤差能夠收斂到期望的有界范圍，實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的有效跟蹤。

115、本發(fā)明的有益效果是，基于在線神經(jīng)網(wǎng)絡(luò)無(wú)人直升機(jī)滑模飛行控制方法，通過(guò)采用基于神經(jīng)網(wǎng)絡(luò)的無(wú)人直升機(jī)滑模飛行控制方法，結(jié)合非線性干擾觀測(cè)器和神經(jīng)網(wǎng)絡(luò)估計(jì)器，顯著提高了無(wú)人直升機(jī)在面對(duì)干擾和不確定性時(shí)的穩(wěn)定性和魯棒性。在設(shè)計(jì)滑模控制器時(shí)，通過(guò)引入飽和函數(shù)，有效地消除了控制抖振，使得控制輸入更加平滑，從而增加了控制系統(tǒng)的可行性。通過(guò)matlab/simulink仿真，證明了本發(fā)明的方法能夠有效地控制無(wú)人直升機(jī)的高度和姿態(tài)，使其能夠快速準(zhǔn)確地跟蹤預(yù)設(shè)的軌跡，從而提高了直升機(jī)的跟蹤性能。