高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

输入受限乘波体飞行器的最优跟踪控制方法

针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的“微分项膨胀”问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。     

吸气式高超声速飞行器鲁棒反演控制器设计

针对吸气式高超声速飞行器气动／推进／结构弹性耦合控制问题,提出了鲁棒反演控制器设计方法。采用反演和动态逆方法设计虚拟控制量和实际控制量,通过引入一阶低通滤波器来获取虚拟控制量的导数,解决了虚拟控制量求导复杂问题;为了增强控制器的鲁棒性,采用充分光滑投影算子对模型非匹配不确定项进行估计和补偿,同时避免了可能出现的参数漂移问题。仿真结果表明,该控制器对模型气动参数拟合误差、攻角和升降舵偏角摄动、气动弹性影响具有鲁棒性,对速度指令和高度指令具有很好的跟踪效果。     

基于状态重构的吸气式高超声速飞行器鲁棒反演控制

针对吸气式高超声速飞行器参数不确定弹性体模型,仅考虑速度、高度和俯仰角速度可测的情况,提出了一种基于状态重构的鲁棒反演控制器设计方法。首先,将被控对象模型表示为严格反馈形式,分别采用动态逆和反演设计实际控制律和虚拟控制律;其次,引入反正切跟踪微分器来简化虚拟控制律求导运算,并用于对弹道角和攻角进行状态重构;最后,为了保证反演控制器的鲁棒性,基于非线性-线性跟踪微分器,设计了一种新型非线性干扰观测器,可实现对模型不确定项的精确估计和补偿。仿真结果表明,所提策略取得了较高的状态重构精度,控制器能够克服模型不确定项的影响,且能保证速度和高度对参考输入的稳定跟踪。     

基于滑模微分器的吸气式高超声速飞行器鲁棒反演控制

针对吸气式高超声速飞行器气动\推进\结构弹性耦合运动学模型,提出了一种基于滑模微分器的鲁棒反演控制器设计方法。分别采用反演和动态逆方法设计虚拟控制量和实际控制量。引入滑模微分器来精确估计虚拟控制量的导数,避免了传统反演控制方法"微分项膨胀"问题。基于滑模微分器,设计了一种非线性干扰观测器,可对模型不确定项进行精确估计和补偿,从而增强了控制器的鲁棒性。仿真结果表明,该控制器对模型不确定性和气动弹性影响具有较强的鲁棒性,且能实现对速度指令和高度指令很好的跟踪效果。     

输入受限的高超声速飞行器鲁棒反演控制

针对存在参数摄动的吸气式高超声速飞行器（AHV）弹性体模型,考虑执行机构幅值和速率受限问题,提出了一种基于辅助误差补偿策略的鲁棒反演控制方法。采用改进的辅助系统,保证了执行机构在幅值与速率同时达到饱和时闭环控制系统的稳定性和跟踪误差的有界性;采用有限时间收敛微分器（FD）,实现了对虚拟指令及其一阶导数的有效估计,并在此基础上,设计非线性干扰观测器（NDO）,对模型不确定项进行了平滑估计,进一步提高了控制精度。通过仿真,验证了所设计控制方法的有效性。     

高超声速飞行器输入受限自适应反演控制研究

针对输入受限和参数不确定时的高超声速飞行器控制问题,提出了一种基于径向基函数(RBF)神经网络补偿的自适应反演控制方法。建立了飞行器纵向运动模型,分析了由控制系统执行机构、弹性振动和避免发动机燃烧室热雍塞导致的燃料-空气比和升降舵偏角受限,通过设计辅助系统以保证受限时闭环系统的稳定性。分别采用动态逆和反演方法设计速度与高度子系统控制器,利用RBF神经网络逼近控制律的饱和特性,设计了一种非线性干扰观测器对模型不确定参数进行自适应估计,并在控制律中引入不依赖扰动上界的鲁棒项,对未观测的扰动部分进行自适应补偿,以保证控制律的强鲁棒性。引入跟踪微分器估计虚拟控制量的导数,解决了传统反演控制中"微分膨胀"问题。Lyapunov函数分析证明了闭环系统所有信号最终一致有界,闭环系统稳定。仿真结果表明:所提的控制策略能有效处理控制输入饱和问题,在受限情况下实现速度和高度对参考输入的高精度稳定跟踪,并对模型不确定性具较强的鲁棒性。