摘 要:提出一种基于RBF神经网络的Terminal滑模控制方案,消除通常滑模控制的到达过程,保证跟踪误差在有限时间内趋于零。不需要对建模误差、模型摄动和外界干扰进行各种假设,通过在线调整RBF神经网络的权值来消除它们的影响。最后在高超声速条件下,对空天飞行器再入大气层姿态控制进行仿真,结果表明该方法的有效性。
关键词:空天飞行器再入; Terminal滑模控制; RBF神经网络;有限时间内收敛
空天飞行器(aerospace vehicle, ASV)集作战飞机、空天运载器、轨道航天器等多种功能于一身,是先进的航空航天飞行器。ASV对于未来的空间战争、争夺制天权具有重大的意义,一直是各国航天计划研究的重点[1]。ASV再入大气层是其飞行的关键模态之一,其间要经历高超音速、超音速、跨音速阶段,飞行环境多变,不仅受到过热、过载的限制,而且在大攻角条件下飞行使得气动参数的非线性比一般飞机加剧,这些都增加了控制难度,因而一直是研究的难点和热点。文献[2]研究了X-33发射和返回的滑模控制,但是没有考虑不确定。文献[3]详细研究了X-38的非线性动态逆控制,对不确定和外部侧风干扰都建立了模型,然而其自适应能力不强,不能适应多变的环境。文献[4]研究了自适应输出反馈控制方法,但跟踪时间较长。文献[5]研究了Backstepping控制方法,同样存在收敛时间长的问题。
滑模控制系统一旦进入滑模态,不仅对匹配干扰具有不变性,系统以降阶方式运行,而且其性能可以事先设计,因而一直受到关注。但通常滑模控制在其到达阶段不具有这种不变性和鲁棒性。Terminal滑模采用非线性的滑模面,使系统在初始阶段就到达滑模态,因而具有全程鲁棒性,并且可以使误差在有限时间内收敛到零,而不是渐进稳定,是一种新型的控制方法[6]。本文提出一种基于Termi-nal滑模的鲁棒自适应控制方法,通过在线调整RBF神经网络的权值自动补偿建模误差、模型摄动等的影响,增强了系统的鲁棒性,同时有限时间收敛特性使其特别适合快动态系统。
针对ASV再入飞行模态外界环境恶劣,气动参数变化剧烈的特点,设计了基于RBFNN的鲁棒Terminal滑模控制方案。不需要扰动的先验知识,采用RBFNN在线估计,并消除它们的影响。理论证明及仿真结果都证明了该方法的快速性和鲁棒性。
|
