[0233] 因此S∈L∞。另外由式(18)可得
[0234]
[0235] 因此S∈L2。因此由式(8)的定义可知, 又由M有界及式(10)可知 从而由S∈L∞, 及S∈L2可得||S||→0,因此 即干扰估计误差
[0236] 3、输入输出受限鲁棒自适应跟踪控制器设计
[0237] 为处理输入输出饱和问题,引入系统转换技术,并设计辅助系统,借助backstepping方法进行近空间飞行器姿态鲁棒自适应控制器设计。
[0238] 3.1系统输出约束转换
[0239] 由于系统输出受到一定的约束,为了得到较为理想的跟踪性能,将受约束的系统输出转化为不受约束的信号。
[0240] 首先,定义跟踪误差为e(t)=y-yd,根据式(4)可知,跟踪误差满足:
[0241] yli-ydi≤ei(t)≤yui-ydi,i=1,2,3 (21)
[0242] 为方便起见,定义e=[e1,e2,e3]T, ei=yli-ydi<0, 因此,式(21)可以改写为:
[0243]
[0244] 从而系统输出饱和问题转换为误差约束问题。为了将受约束的误差信号转换为无约束的信号,引入误差转换函数
[0245] 或者
[0246] 其中ξ=[ξ1,ξ2,ξ3]T无约束的转换信号。由式(23),可以得到如下性质:
[0247]
[0248] 另外又由 可知,系统跟踪误差和转换信号存在着严格的递增关系。因此,根据式(25)的性质可知,当转换信号有界时,系统原误差满足式(26)的约束条件。
下面,只需证明转换信号ξ的有界性。
[0249] 由 和一般函数的性质可知,转换信号ξi关于系统原误差ei的偏导数满足[0250] 因此定义函数 为如下形式:
[0251]
[0252] 从而可知函数 为可逆正定矩阵。根据系统(2)和误差的定义,对误差信号e(t)进行求导可得:
[0253]
[0254] 由上式及式(24)和(26)可得,对转换信号ξ进行求导可得:
[0255]
[0256] 其中 由于系统输出饱和边界 e,跟踪误差e及转换信号ξ均已知,函数 也可以直接获得的,在后面的控制器设计中作为已知量使用。
[0257] 综合上述分析,可以得到如下新的转化动态系统
[0258]
[0259] 3.2控制器设计
[0260] 在新的转换系统的基础上,结合干扰观测器与辅助系统进行控制器的设计。首先,未消除输入饱和对控制器性能的影响,设计如下形式的辅助系统Σ=[σ1,σ2]T:
[0261]
[0262] 其中σ1∈R3,σ2∈R3为辅助系统状态向量,C1,C2为正定设计矩阵,分别满足。其中a1>0为设计参数。
[0263] 下面借助backstepping方法进行输入输出饱和鲁棒自适应控制器的设计。
[0264] 第1步:定义误差变量:
[0265]
[0266] 其中z1=[z11,z12,z13]T,z2=[z21,z22,z23]T。由系统(29)和(30),对z1求导可得:
[0267]
[0268] 由于系统中存在不确定项ΔF1,引入神经网络对其进行逼近。作为一种参数化线性神经网络,RBF(radial basis function)神经网络被广泛的用于未知建模不确定的逼近。因此,本文采用RBF神经网络来逼近该不确定项。其最佳逼近可以写为:
[0269]
[0270] 其中 位权值矩阵,S(Ω)∈Rp为基函数向量,一般选择为高斯函数,最优逼近误差 从而式(32)可以改写为
[0271]
[0272] 又由变量z2的定义,上式可写为
[0273]
[0274] 设计虚拟控制律α1为如下形式:
[0275]
[0276] 其中 为设计矩阵,
[0277]
[0278] b11>0,b12>0,b13>0。 为 的逼近值。 为逼近误差 的估计值,其自适应律设计为:
[0279]
[0280] 其中δ1>0。
[0281] 定义神经网络参数逼近误差为 将设计的虚拟控制律α1入式(35)可得:
[0282]
[0283] 选取Lyapunov函数为
[0284]
[0285] 其中 为正定矩阵。定义自适应估计误差 根据式(38),对V1进行求导可得:
[0286]
[0287] 自适应律设计为:
[0288]
[0289] 其中ρ1>0为设计参数。同时由引理1可得:
[0290]
[0291] 另有:
[0292]
[0293]
[0294] 其中a1>0为设计参数。
[0295] 因此根据式(40)-(44)及假设2可得:
[0296]
[0297] 其中
[0298] 另有
[0299] 因此,式(46)可以改写为:
[0300]
[0301] 第2步:根据系统(29)和(30),对变量z2进行求导可得:
[0302]
[0303] 由于复合干扰D的存在,使用如式(6)所设计的干扰观测器对其进行逼近。在第二节中已经证明了估计误差 有限时间内收敛到零,但是在实际情况中,干扰观测器不可避免的存在一定的干扰误差。因此,不妨设估计误差 有界,即 其中
[0304] 设计控制器Mc为如下形式:
[0305]
[0306] 其中 为设计矩阵,
[0307] b11>0,b12>0,b13>0。 为估计误差 的估计值,其自适应律设计为:
[0308]
[0309] 其中δ2>0为设计参数。将控制器Mc带入式(46)可得:
[0310]
[0311] 选取Lyapunov函数为:
[0312]
[0313] 定义估计误差 根据式(51),对V2进行求导可得:
[0314]
[0315] 引理1可得:
[0316] 与第一步类似,可得
[0317] 又根据假设2和假设3可得:
[0318] 综合式(23),(47)和(53)-(56)可得:
[0319]
[0320] 其中
[0321]
[0322] 因此,由Lyapunov稳定性理论可知,闭环系统信号z1,z2,估计误差 及神经网络参数逼近误差 及辅助系统变量σ1 ,σ2均半全局一致有界。由式(57)可知[0323] 因此根据式(31)变量z1的定义可得: (59)
[0324] 从而可知转换信号ξ范数有界。根据性质(29)及系统跟踪误差与转换信号之间的严格递增关系,可知转换信号ξ的有界性可以保证跟踪误差约束性能(26)的成立。因此,根据跟踪误差e(t)的定义可知,系统输出y满足约束条件(4)。
[0325] 4仿真分析
[0326] 本节将所设计的控制方法应用于近空间飞行器姿态跟踪控制中,应该该算法的有效性。
[0327] 近空间飞行器的姿态运动模型如式(1)所示,具体各矩阵的参数可以在文献[10]中找到。由于系统中存在不确定,假设近空间飞行器空气动力学和运动学系数存在30%的不确定性。同时外部力矩扰动d2为如下形式:
[0328]
[0329] 控制力矩向量Mc的饱和度为:Mcmax=104×[0.2,2,2]TkN·m
[0330] 系统初始状态为:α0=-2°,β0=1°,,μ0=2°,p=q=r=0deg/s,高度为H0=210km,速度为V0=4000m/s,期望信号yd为
[0331]
[0332] 为避免期望信号αd可能产生的不连续性,在期望信号后加入一阶滤波器 如式(4)所示,系统输出上下界可以表示为:
[0333]
[0334]
[0335] 鲁棒跟踪控制器设计为式(49),辅助系统设计为式(30),干扰观测器设计为式(6),虚拟控制律设计为式(23),自适应律设计为式(37)和(50)所示,各参数设计为如下形式:
[0336] K1=diag{0.04,0.04,0.04},K2=diag{80,80,80},
[0337] C1=diag{10,10,10},C2=diag{120,120,120},
[0338] L1=diag{1,1,2},L2=diag{2,2,4},L3=diag{30,30,60},
[0339] Π1=1,ρ1=2,δ1=10,δ2=1,a1=0.01,
[0340] b11=b12=b13=1000,b21=b22=b23=1。
[0341] 控制器作用下的近空间飞行器控制控制仿真结果如图1-4所示。由图1可以看出,在设计的控制器作用下,系统输出能够快速跟踪到期望信号,且稳态误差趋向于零。同时,由图2可知,系统的状态姿态角速率在跟踪控制过程能够保持稳定。从图3可以知道系统跟踪误差一致保持在约束边界中,因此,由图3可得,系统输出在存在约束情况下也能快速跟踪到期望信号。最后,从图4可以得到,通过所设计控制器的作用,系统在存在输入饱和情况下仍然能保持稳定。
[0342] 综上所述,仿真结果证明了该控制方法的有效性。
[0343] 本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。