论文部分内容阅读
近空间飞行器(NSV: Near Space Vehicle)的发展涉及国家安全与和平利用空间,它是各军事大国日益关注的新型飞行器。NSV在飞行过程中呈现出大包络、多飞行状态、多任务模式的特点,并且飞行环境的特殊也使其具有严重非线性、激烈快时变、强动态不确定和强耦合的对象特征,所以NSV飞行控制系统的设计成为了一项创新而又富有挑战性的课题。围绕这一难题,本文在近空间飞行器的建模与分析、不确定环境下姿态与轨迹的非线性自适应控制等方面开展了深入的研究,主要研究成果如下:首先,建立了高超声速NSV在变化风场影响下的飞行运动模型。该模型以气流姿态角为主要状态变量,不仅包括推力矢量控制项,还包含了风场干扰项。此工作为NSV具体的飞行控制设计提供了目前国内较为完整的非线性模型。而且,本文对NSV的非线性飞行控制系统采用了系统化的设计思路。根据NSV的物理状态特点,应用串联控制结构来设计非线性自适应姿态与轨迹控制器,并依据实际飞控系统的研制程序来进行需求分析、系统设计和控制方法的选择,进一步贴近了实际系统的研制工作。然后,首次将泛函连接网络(FLANN: Functional Link Artificial Neural Network)引入到了不确定控制和飞行控制领域。FLANN比通常的多层NN计算负担小,适合实时逼近NSV受到的参数不确定和外界干扰。文中设计了FLANN干扰观测器来进行不确定和干扰的逼近,提出基于FLANN干扰观测器的非线性广义预测控制(NGPC: Nonlinear Generalised Predicitive Control)方法进行姿态控制,并首先使用了Lyapunov稳定性理论来推导FLANN的自适应控制律。之后,提出了一种新的非线性自适应控制方法——基于部分反馈FLANN的稳定自适应NGPC方法,并通过鲁棒增益的自适应调整来提高逼近动态复合干扰的精度。利用Lyapunov理论推导了能够保证误差信号一致最终有界的权值自适应律和鲁棒增益自适应律,并通过仿真验证了该方法对于存在发动机推力偏心和动态参数不确定的NSV姿态系统控制效果良好。进一步,设计B样条递归FLANN (BRFLN: B-spline Recurrent Functional Link Network),使得该网络能够学习动态的高阶非线性函数。在此基础上,针对NSV的姿态慢回路提出了PD校正的BRFLN自适应NGPC方法,并设计了完整的NSV非线性姿态控制器。对于存在高空风紊流干扰、大力矩干扰、动态参数不确定的NSV,该方法姿态控制仿真效果良好。最后,针对NSV的轨迹控制问题,在姿态控制器的基础上构造了用于稳定空速和高度的BRFLN自适应NGPC轨迹控制器。提出了一种新的群智能优化算法——改进协同微粒群算法来对控制器中BRFLN的自反馈系数进行在线学习。NSV的仿真结果表明在阵风以及姿态复合干扰存在的情况下,轨迹控制方案有效并且能良好地跟踪给定指令。