一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题，提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先，根据再入滑翔目标的飞行特性，将加速度看成是未知的确定输入构建运动学跟踪模型；然后，对目标的非线性量测信息进行无偏转换，并将得到的噪声协方差矩阵进行解耦，降低算法的复杂度；最后，利用回顾成本的输入估计对未知加速度进行重构，采用递推最小二乘法更新输入估计器的参数矩阵，同时将估计的加速度引入到卡尔曼滤波框架下，实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

基于自适应IMM算法的高超声速飞行器轨迹预测

针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了一种基于多种运动模型的自适应交互多模型(IMM)方法对目标运动状态进行估计。建立了目标的常速度、常加速度、Singer和蛇形机动模型,以及雷达的量测模型。自适应IMM算法包括混合概率计算、输入融合(混合交互)、模型条件滤波、模型概率更新和滤波估计融合等步骤。算法融合了Singer和蛇形机动模型,能较好地适应有幅值变化和频率衰减的模型状态估计,并用滤波估值和双正弦和函数拟合加速度,进一步递推目标运动轨迹。仿真结果表明:自适应IMM算法对高超声速目标有较好的弹道跟踪和预测精度。     

高超声速飞行器发射坐标系导航算法

针对高超声速飞行器弹道特点和导航参数的需求，提出基于发射坐标系(LCEF)的高超声速飞行器导航算法。首先，介绍发射坐标系下捷联惯导(SINS)算法编排，推导发射坐标系下姿态、速度和位置离散递推方程。然后，介绍地心地固系(ECEF)下的卫星位置和速度转换到发射坐标系的方法，推导发射坐标系的SINS/BDS组合导航滤波器状态方程和量测方程。最后，以助推-滑翔飞行器为对象，进行了发射坐标系下组合导航仿真，位置精度小于10 m，速度精度小于0.2 m/s。     

高超声速飞行器鲁棒自适应控制律设计

针对具有强耦合特性与模型不确定性特点的高超声速飞行器控制问题,提出了一种新的鲁棒自适应控制律设计方法。首先,结合高超声速飞行器数学模型,在引入参考模型的基础上,建立了一种具有非匹配特性的耦合控制模型。然后,基于该非线性模型,结合Riccati方程,通过动态调节参数的方法,得到了一种鲁棒自适应控制律。最后,对该控制算法的有效性进行了仿真验证。仿真结果表明：此算法在气动参数摄动与干扰同时存在的情形下,可以满足高超声速飞行器的稳定飞行要求。     

一种临近空间高超声速目标跟踪算法

通过参考美国X-43A高超声速飞行器第二次试验飞行弹道,建立了临近空间高超声速目标的运动模型。针对目标跟踪中状态方程和量测方程存在的非线性问题,提出了一种基于不敏卡尔曼滤波的改进"当前"统计模型自适应滤波算法(ADE-UKF),并将此算法与基于"当前"统计模型的不敏卡尔曼滤波算法(CS-UKF)比较,仿真结果表明,该算法在跟踪临近空间高超声速目标时,具有良好的跟踪性能。     

高超声速飞行器的自适应容错控制

针对高超声速飞行器再入过程中可能出现的执行器部分失效或卡死故障,设计了一种飞行器自适应容错控制器。在系统存在外界干扰及未知故障输入且上界未知的情况下,该控制器采用自适应算法在线估计未知的控制器参数,在执行器发生卡死或部分失效故障时,实现了对故障的容错控制和对制导指令的鲁棒输出跟踪。通过Lyapunov方法证明了该方法在执行器存在故障时能保证系统渐进稳定,仿真算例说明了该方法的有效性。     

近空间高超声速飞行器输入饱和抑制模糊自适应控制

针对近空间高超声速飞行器三通道姿态跟踪控制问题，提出了一种基于输入饱和抑制的非线性模糊自适应滑模控制器。考虑到飞行器模型具有严格反馈形式的特点，以反步法为基础，结合非奇异快速Terminal滑模方法设计控制器。设计了模糊系统估计模型中的干扰项，并通过自适应鲁棒项补偿估计误差，引入非线性增益函数提高控制系统的饱和抑制能力，并基于Lyapunov理论证明了闭环系统的稳定性。最后，通过仿真对比实验验证方法的有效性。仿真结果表明，所设计的控制器能够保证飞行控制系统在存在模型参数不确定性的情况下具有良好的姿态跟踪性能和输入饱和抑制能力。     

一种基于自适应变结构的高超滑翔飞行器控制方法研究

针对高超声速滑翔飞行器的不确定性及强非线性耦合特性,研究了一种自适应变结构姿态控制设计方法。首先建立了高超声速飞行器在滚转通道快速将最大升力面滚转到制导机动方向时姿态控制系统的非线性数学模型,然后将结构干扰力矩、非线性耦合和气动参数摄动等不确定的输入因素视为一类有界干扰,提出了一种自适应变结构控制方法,该法在保证系统闭环稳定的前提下,在线对不确定因素的界进行估计,从而对系统中的不确定因素进行补偿,并选择适当的趋近律,通过符号函数连续化方法来解决由于变结构控制带来的抖振问题,最后进行仿真验证。仿真结果表明该方法具有良好的解耦控制效果,与传统方法相比可有效提高控制系统的控制性能和鲁棒性。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点，提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先，建立高超声速飞行器再入段线性化模型，并采用LQR方法完成了状态反馈控制律设计。然后，结合自抗扰控制技术，设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿，大幅增强了系统的扰动抑制能力。最后，将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真，仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令，并且对系统不确定性具有强鲁棒性。     

考虑状态约束的弹性高超声速飞行器自适应饱和容错控制

针对弹性高超声速飞行器跟踪控制问题进行研究，主要考虑状态约束、输入饱和、执行器故障等约束条件。首先，将弹性模态、外界干扰和模型参数不确定性归结为一类带有未知上界的系统干扰。其次，根据被动容错思想，针对速度和高度子系统分别设计抗饱和自适应容错控制器，通过引入双曲正切函数和新型屏障李雅普诺夫函数分别处理了输入饱和与状态约束问题。最后，闭环系统的最终一致有界性采用李雅普诺夫方法证明，并通过仿真验证了所提定理的正确性。     

Laser radar based relative navigation using improved adaptive Huber filter

An improved adaptive Huber filter algorithm is proposed to model error and measurement noise uncertainty in this work. The adaptive algorithm for model error is obtained by using an upper bound for the state prediction covariance matrix with augment of chi-square statistical hypothesis test in case of filter deteriorated by wrong residual information. The measurement noise is estimated at each filter step by minimizing a criterion function which was original from Huber filter. A recursive algorithm is provided for solving the criterion function. The proposed adaptive filter algorithm was successfully implemented in radar navigation system for spacecraft formation flying in high earth orbits with real orbit perturbations and non-Gaussian random measurement error. Simulation results indicated that the proposed adaptive filter performed better in robustness and accuracy compared with previous adaptive algorithms.     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

一种非仿射高超声速飞行器姿态系统控制方法

针对非仿射高超声速飞行器姿态控制问题，提出了一种基于反步法的非线性控制方法。首先，通过干扰观测器估计攻角动态中的扰动量，在此基础上设计了俯仰角速度虚拟控制指令。然后，针对含有非仿射项的参数不确定的俯仰角速度动态函数，将其视为一个扩张状态，通过状态观测器对其进行估计。接着，基于动态逆方法设计了升降襟副翼的控制律并基于李雅普诺夫方法证明了闭环系统的稳定性。采用指令滤波器避免反步法应用中虚拟控制指令微分项的“复杂性爆炸”问题，并得到虚拟控制指令的一阶和二阶导数信号。所提方法能够适用于变速变高飞行模式。最后，通过对比仿真实验，验证了所设计控制方法的有效性。     

基于变增益观测器的高超声速飞行器输出反馈控制

针对吸气式高超声速飞行器飞行控制问题，提出一种基于变增益观测器的双回路非线性输出反馈控制方案。首先，为解决部分状态信号不可直接测量的问题，设计了一种可变增益状态观测器。通过状态变换将飞行器模型变换为双回路形式，并设计自适应的观测器增益系数在保证其稳定性的同时提高鲁棒性。在此基础上，将高超声速飞行器本体模型与所设计的观测器一起构成新的严反馈系统，结合反步法与动态面设计控制器。另外，引入扩张状态观测器补偿系统观测误差及耦合项。利用Lyapunov理论证明了闭环系统的一致有界稳定。最后，在不同情况下的数值仿真校验了所提控制方案在存在较大参数不确定情况下可获得理想的指令跟踪效果。     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

高超声速飞行器新型预设性能控制器设计

针对强不确定、多约束条件下高超声速飞行器的控制性能问题, 提出一种新型、同时保证高超声速飞行器瞬态响应和稳态性能的鲁棒预设性能控制器设计方法。首先, 设计一种新型、时变、对数型障碍Lyapunov函数, 结合动态面法, 在保证高超声速飞行器高度和速度子系统稳态跟踪误差精度的同时, 还能确保其收敛速度、超调量等瞬态响应性能；与传统的预设性能方法相比, 该方法无需误差转化, 降低了设计的复杂度。然后, 针对模型和外部扰动不确定问题, 设计了自适应、非线性干扰观测器对不确定的上界进行估计并引入控制律。此外, 还引入辅助误差子系统, 降低高超声速飞行器执行机构饱和对闭环系统的影响。最后, 通过Lyapunov稳定性理论证明了闭环系统所有状态均有界。仿真结果验校了本文控制器设计的有效性。     

考虑特征模型的高超声速飞行器全通道自适应控制

针对高超声速飞行器具有强非线性、高不确定性及强耦合等特点,提出一种基于反馈线性化控制与特征模型自适应控制相结合的姿态控制律设计方法,解决姿态控制系统的非线性耦合与不确定性,保证飞行器控制系统稳定。首先,建立高超声速飞行器全通道非线性耦合的动力学模型。其次,利用反馈线性化控制方法将全通道非线性耦合系统解耦成近似线性系统,并对线性解耦系统设计输出反馈控制律;而对于反馈线性化控制依赖于系统的精确数学模型,并对建模误差和外部干扰敏感的问题,设计基于误差特征模型的自适应控制律,提高系统的适应性;针对原动力学模型,证明闭环控制系统是有界稳定的。最后,通过数学仿真校验了控制律设计的正确性与有效性,仿真结果表明设计的姿态控制系统可以很好地跟踪指令,具有较强的鲁棒稳定性。