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。