专利摘要

本发明提出了一种高超声速飞行器升降舵故障控制方法。所述方法首先基于高超声速飞行器巡航段的纵向模型建立其升降舵发生卡死故障的模型；然后设计状态反馈控制律并建立故障模式、大小、发生时刻已知情况下实现容错控制所需的匹配条件；进而考虑升降舵发生未知故障的情况，推导出控制器参数的自适应学习律。该发明能够通过快速有效地自适应调整正常冗余升降舵的控制输出，实现对发生故障的升降舵所损失的控制效力的补偿，保证高超声速飞行器在某一升降舵发生故障时的飞行安全，并且最大程度恢复飞行器的期望性能。

权利要求

1.一种高超声速飞行器升降舵故障的自适应容错控制方法，其特征在于，包括以下步骤：

步骤1，建立高超声速飞行器巡航段纵向运动学及动力学模型，所述模型表示为：

$\stackrel{·}{V}=\frac{T\cos \alpha -D}{m}-\frac{\mu \sin \gamma }{r^2}$

$\stackrel{·}{\gamma }=\frac{L+T\sin \alpha }{\mathrm{mV}}-\frac{\left(\mu V^{2}r\right)\cos \gamma }{{\mathrm{Vr}}^2}$

$\stackrel{·}{h}=V\sin \gamma$

$\stackrel{·}{\alpha }=q-\stackrel{·}{\gamma }$

$\stackrel{·}{q}=M_{\mathrm{yy}}/I_{\mathrm{yy}}$

其中V、γ、h、α、q分别表示高超声速飞行器的速度、航迹角、高度、攻角和俯仰角速率；L、D、T分别为升力、阻力和推力；m、μ、r分别表示飞行器的质量、重力常数、飞行器到地心的距离，其中r=R_E+h，R_E为地球半径；I_yy、M_yy分别表示俯仰转动惯量和俯仰转动力矩；

步骤2，建立控制系统输入-输出模型；

针对所述高超声速飞行器巡航段纵向运动学及动力学模型，以高超声速飞行器的速度V和高度h为输出、油门开度β_c和升降舵舵偏角δ_e作为控制输入，建立输入-输出模型，其表达式如下：

$\stackrel{...}{V}=f_v+b_{11}{\beta }_c+b_{12}{\delta }_e$

h⁽⁴⁾=f_h+b₂₁β_c+b₂₂δ_e

其中f_V、f_h、b₁₁、b₁₂、b₂₁、b₂₂分别是关于V、γ、h、α、q和飞行器气动参数的非线性函数；总的舵偏角δ_e与左、右两个升降舵的舵偏角δ_e1和δ_e2的关系为：δ_e=d₁δ_e1+d₂δ_e2，其中d₁和d₂为组合关系系数；

步骤3，考虑步骤2所述输入-输出模型升降舵发生卡死故障的情况，建立升降舵的故障模型，其表达式如下：

${\delta }_{\mathrm{ej}}=v_j+{\sigma }_j({\bar{\delta }}_j-v_j),j=\mathrm{1,2}$

其中， 表示升降舵卡死故障的大小；v_j表示第j个升降舵的控制输入；σ_j代表故障模式，当第j个升降舵发生故障时，σ_j=1，否则σ_j=0；

步骤4，基于速度追踪误差和高度追踪误差定义两个滑模面s₁和s₂：

s₁=λ₁₀e₁₀+λ₁₁e₁₁+λ₁₂e₁₂+e₁₃

s₂=λ₂₀e₂₀+λ₂₁e₂₁+λ₂₂e₂₂+λ₂₃e₂₃+e₂₄

其中，e₁₁=V-V_d，e₁₀=∫e₁₁， e₂₁=h-h_d，e₂₀=∫e₂₁， V_d和h_d为期望的速度和高度信号；λ₁₀,λ₁₁,λ₁₂,λ₂₀,λ₂₁,λ₂₂,λ₂₃为正常数，λ₁₀,λ₁₁,λ₁₂,λ₂₀,λ₂₁,λ₂₂,λ₂₃的取值满足：

s³+λ₁₂s²+λ₁₁s+λ₁₀

s⁴+λ₂₃s³+λ₂₂s²+λ₂₁s+λ₂₀

为Hurwitz多项式；

步骤5，确定标称控制输入，其表达式如下：

$\left[\begin{array}{c}{\beta }_c\\ v_0\end{array}\right]=B^{-1}\left[\begin{array}{cc}-f_1& -a_1\mathrm{sgn}\left(s_1\right)\\ -f_2& -a_2\mathrm{sgn}\left(s_2\right)\end{array}\right],B=\left[\begin{array}{cc}{b}_{11}& b_{12}\\ b_{21}& b_{22}\end{array}\right]$

其中v₀为升降舵δ_e的标称偏转量；a₁和a₂为两个正常数，决定滑动模态的收敛速度；f₁和f₂分别由下式确定：

$f_1=-{\stackrel{...}{V}}_d+f_v+{\lambda }_{10}{e}_{11}+{\lambda }_{11}{e}_{12}+{\lambda }_{12}{e}_{13}$$f_2=h_d^{\left(4\right)}+f_h+{\lambda }_{20}{e}_{21}+{\lambda }_{21}{e}_{22}+{\lambda }_{22}{e}_{23}+{\lambda }_{23}{e}_{24}$

sgn(·)为符号函数，其定义如下：

$\mathrm{sgn}\left(x\right)=\begin{array}{}\end{array}\left\{\begin{array}{cc}1& x>0\\ 0& x=0\\ -1& x<0\end{array}\right.$

或者为减小滑模控制产生的抖振，β_c、v₀分别由下式确定：

$\left[\begin{array}{c}{\beta }_c\\ v_0\end{array}\right]=B^{-1}\left[\begin{array}{cc}-f_1& -a_1\mathrm{sat}\left(\frac{s_1}{ϵ}\right)\\ -f_2& -a_2\mathrm{sat}\left(\frac{s_2}{ϵ}\right)\end{array}\right],B=\left[\begin{array}{cc}{b}_{11}& b_{12}\\ b_{21}& b_{22}\end{array}\right]$

其中，ε为一个小的正常数；sat(·)为饱和函数，其定义如下：

$\mathrm{sat}\left(x\right)=\left\{\begin{array}{cc}x& \mathrm{if}\left|x\right|\le 1\\ \mathrm{sgn}\left(x\right)& \mathrm{if}\left|x\right|>1\end{array}\right.$

步骤6，基于步骤5给出的标称控制信号v₀，确定自适应容错控制律：

$v_j={\hat{k}}_{1j}{v}_0+{\hat{k}}_{2j},j=\mathrm{1,2}$

其中 分别为容错控制器的参数估计值，分别由下式确定：

${\stackrel{\stackrel{.}{^}}{k}}_{1j}=-\mathrm{sgn}\left(d_j\right){\Gamma }_{1j}(b_{12}{s}_1+b_{22}{s}_2)v_0$

${\stackrel{\stackrel{.}{^}}{k}}_{2j}=-\mathrm{sgn}\left(d_j\right){\Gamma }_{2j}(b_{12}{s}_1+b_{22}{s}_2)$

其中Γ_1j和Γ_2j为两个正常数，决定了参数自适应律的学习速率。

2.根据权利要求1所述的一种高超声速飞行器升降舵故障的自适应容错控制方法，其特征在于，步骤2中，所述非线性函数f_V、f_h、b₁₁、b₁₂、b₂₁、b₂₂的具体形式分别如下：

$f_v=\frac{{\omega }_1{\stackrel{..}{x}}_0+{\stackrel{.}{x}}^T{\Omega }_2\stackrel{.}{x}}{m}$

$f_h\begin{array}{c}=3\stackrel{..}{V}\stackrel{.}{\gamma }\cos \gamma -3\stackrel{.}{V}{\stackrel{.}{\gamma }}^2\sin \gamma +3\stackrel{.}{V}\stackrel{··}{\gamma }\cos \gamma -3V\stackrel{.}{\gamma }\stackrel{..}{\gamma }\sin \gamma -V{\stackrel{.}{\gamma }}^3\cos \gamma +\frac{({\omega }_1{\stackrel{..}{x}}_0+{\stackrel{.}{x}}^T{\Omega }_2\stackrel{.}{x})\sin \gamma }{m}\\ +V\cos \gamma ({\pi }_1{\stackrel{..}{x}}_0+{\stackrel{.}{x}}^T{\Pi }_2\stackrel{.}{x})\end{array}$

$b_{11}=\left(\frac{\rho V^{2}S{c}_{\beta }{\omega }_n^2}{2m}\right)\cos \alpha ,b_{12}=-\left(\frac{c_e\rho V^{2}S\bar{c}}{2m{I}_{\mathrm{yy}}}\right)(T\sin \alpha +\frac{\partial D}{\partial \alpha })$

$b_{21}=\left(\frac{\rho V^{2}S{c}_{\beta }{\omega }_n^2}{2m}\right)\sin (\alpha +\gamma ),b_{22}=\left(\frac{c_e\rho V^{2}S\bar{c}}{2m{I}_{\mathrm{yy}}}\right)[T\cos (\alpha +\gamma )+\left(\frac{\partial L}{\partial \alpha }\right)\cos \gamma -\left(\frac{\partial D}{\partial \alpha }\right)\sin \gamma ]$

其中，

$x={\left[\mathrm{V\gamma \alpha \beta h}\right]}^T,{\stackrel{..}{x}}_0={\left[\stackrel{..}{V}\stackrel{..}{\gamma }{\stackrel{..}{\alpha }}_0{\stackrel{..}{\beta }}_0\stackrel{..}{h}\right]}^T$

${\stackrel{..}{\alpha }}_0=\frac{1}{2}\rho V^{2}S\bar{c}[C_M\left(\alpha \right)+C_M\left(q\right)-c_e\alpha ]/I_{\mathrm{yy}}-\stackrel{..}{\gamma },{\stackrel{..}{\beta }}_0=-2\xi {\omega }_n\stackrel{.}{\beta }-{\omega }_n^2\beta$

C_M(α)=-0.035α²+0.036617α+5.3261×10^-6

$C_M\left(q\right)=(\bar{c}/2V)q(-6.796{\alpha }^2+0.3015\alpha -0.2289)$

C_M(δ_e)=c_e(δ_e-α)

其中C_M(α)、C_M(δ_e)和为C_M(_q)为俯仰力矩系数；S为参考气动面积；ρ为大气密度；ω_n、ζ、β为发动机动态模型 的自然频率、阻尼比和输出；α₀和β₀为转换模型引入的辅助变量； 为平均气动翼弦；c_e和c_β为计算俯仰力矩系数的相关参数；ω₁、π₁、Ω₂、Π₂为推导V和h的高阶微分所产生的向量及矩阵：

${\omega }_1=[\left(\frac{\partial T}{\partial V}\right)\cos \alpha -\frac{\partial D}{\partial V}\frac{-\mathrm{m\mu }\cos \gamma }{r^2}-T\sin \alpha \frac{\partial D}{\partial \alpha }\left(\frac{\partial T}{\partial \beta }\right)\cos \alpha \frac{2\mathrm{m\mu }\sin \gamma }{r^3}]$

${\pi }_1^T=\left[\begin{array}{c}\frac{\partial L/\partial V+(\partial T/\partial V)\sin \alpha }{\mathrm{mV}}-\frac{L+T\sin \alpha }{{\mathrm{mV}}^2}+\frac{\mu \cos \gamma }{V^2{r}^2}+\frac{\cos \gamma }{r}\\ \frac{\mu \sin \gamma }{{\mathrm{Vr}}^2}-\frac{V\sin \gamma }{r}\\ \frac{\partial L/\partial \alpha +T\cos \alpha }{\mathrm{mV}}\\ \frac{(\partial T/\partial \beta )\sin \alpha }{\mathrm{mV}}\\ \frac{2\mu \cos \gamma }{V{r}^3}-\frac{V\cos \gamma }{r^2}\end{array}\right]$

Ω₂=[ω₂₁ω₂₂ω₂₃ω₂₄ω₂₅],Π₂=[π₂₁π₂₂π₂₃π₂₄π₅]

${\omega }_{21}=\left[\begin{array}{c}\left(\frac{{\partial }^{2}T}{{\partial V}^2}\right)\cos \alpha -\frac{{\partial }^{2}D}{{\partial V}^2}\\ 0\\ -\left(\frac{\partial T}{\partial V}\right)\sin \alpha -\frac{{\partial }^{2}D}{\partial V\partial \alpha }\\ \left(\frac{{\partial }^{2}T}{\partial V\partial \beta }\right)\cos \alpha \\ 0\end{array}\right],{\omega }_{22}=\left[\begin{array}{c}0\\ \frac{\mathrm{m\mu }\sin \gamma }{r^2}\\ 0\\ 0\\ \frac{2\mathrm{m\mu }\cos \gamma }{r^3}\end{array}\right],{\omega }_{23}=\left[\begin{array}{c}-\left(\frac{\partial T}{\partial V}\right)\sin \alpha -\left(\frac{{\partial }^{2}D}{\partial V\partial \alpha }\right)\\ 0\\ -T\cos \alpha \left(\frac{{\partial }^{2}D}{{\partial \alpha }^2}\right)\\ -\left(\frac{\partial T}{\partial \beta }\right)\sin \alpha \\ 0\end{array}\right]$

${\omega }_{24}=\left[\begin{array}{c}\left(\frac{{\partial }^{2}T}{\partial V\partial \beta }\right)\cos \alpha \\ 0\\ -\left(\frac{\partial T}{\partial \beta }\right)\sin \alpha \\ 0\\ 0\end{array}\right],{\omega }_{25}=\left[\begin{array}{c}0\\ \frac{2\mathrm{m\mu }\cos \gamma }{r^3}\\ 0\\ 0\\ \frac{-6\mathrm{m\mu }\sin \gamma }{r^4}\end{array}\right]$

${\pi }_{21}=\left[\begin{array}{c}\frac{{\partial }^{2}L/{\partial V}^2+({\partial }^{2}T/{\partial V}^2)\sin \alpha }{\mathrm{mV}}-\frac{2[\partial L/\partial V+(\partial T/\partial V)\sin \alpha ]}{{\mathrm{mV}}^2}+\frac{2(L+T\sin \alpha )}{{\mathrm{mV}}^3}-\frac{2\mu \cos \gamma }{V^3{r}^2}\\ -\frac{\mu \sin \gamma }{V^2{r}^2}-\frac{\sin \gamma }{r}\\ \frac{({\partial }^{2}L/\partial \alpha \partial V)+(\partial T/\partial V)\cos \alpha }{\mathrm{mV}}-\frac{\partial L/\partial \alpha +T\cos \alpha }{{\mathrm{mV}}^2}\\ \frac{({\partial }^{2}T/\partial \beta \partial V)\sin \alpha }{\mathrm{mV}}-\frac{(\partial T/\partial \beta )\sin \alpha }{{\mathrm{mV}}^2}\\ -\frac{2\mu \cos \gamma }{V^2{r}^3}-\frac{\cos \gamma }{r^2}\end{array}\right]$

${\pi }_{22}=\left[\begin{array}{c}-\frac{\mu \sin \gamma }{V^2{r}^2}-\frac{\sin \gamma }{r}\\ \frac{\mu \cos \gamma }{{\mathrm{Vr}}^2}-\frac{V\cos \gamma }{r}\\ 0\\ 0\\ -\frac{2\mu \sin \gamma }{{\mathrm{Vr}}^2}+\frac{V\sin \gamma }{r^2}\end{array}\right],{\pi }_{23}=\left[\begin{array}{c}\frac{({\partial }^{2}L/\partial V\partial \alpha )+(\partial T/\partial V)\cos \alpha }{\mathrm{mV}}-\frac{\partial L/\partial \alpha +T\cos }{{\mathrm{mV}}^2}\\ 0\\ \frac{{\partial }^{2}L/\partial {\alpha }^2-T\sin }{\mathrm{mV}}\\ \frac{(\partial T/\partial \beta )\cos \alpha }{\mathrm{mV}}\\ 0\end{array}\right]$

${\pi }_{24}=\left[\begin{array}{c}\frac{({\partial }^{2}T/\partial V\partial \beta )\sin \alpha }{\mathrm{mV}}-\frac{(\partial T/\partial \beta )\sin \alpha }{{\mathrm{mV}}^2}\\ 0\\ \frac{(\partial T/\partial \beta )\cos \alpha }{\mathrm{mV}}\\ 0\\ 0\end{array}\right],{\pi }_{25}=\left[\begin{array}{c}-\frac{2\mu \cos \gamma }{V^2{r}^3}-\frac{\cos \gamma }{r^2}\\ -\frac{2\mu \sin \gamma }{{\mathrm{Vr}}^3}+\frac{V\sin \gamma }{r^2}\\ 0\\ 0\\ -\frac{6\mu \cos \gamma }{{\mathrm{Vr}}^4}+\frac{2V\cos \gamma }{r^3}\end{array}\right]$

ω₁、π₁、Ω₂、Π₂的表达式中L、T、D的一阶、二阶偏导数计算式如下：

L=_ρV²SC_L2,C_L=0.6203α

D=_ρV²SC_D2,C_D=0.6450α²+0.0043378α+0.003772

T=ρV²SC_T2,$C_T=\left\{\begin{array}{cc}0.02576\beta & \mathrm{if\beta }\le 1\\ 0.0224+0.00336\beta & \mathrm{if\beta }>1\end{array}\right..$

说明书

技术领域

本发明属于自动控制技术领域，尤其是涉及一种高超声速飞行器升降舵故障控制方法。

背景技术

高超声速飞行器是迄今为止飞行过程最为复杂的一种飞行器，与亚声速/超声速飞行器相比有许多不同的飞行特性。由于工作条件大范围变化，高超声速飞行器高低空的气动力特性的巨大差异和质量分布的快速变化，导致飞行器的动力学特征和模型参数在飞行中变化非常显著。发动机与机身一体化构形使得弹性机身、推进系统以及结构动力学之间的强耦合作用，导致高超声速飞行器的飞行动力学特征非常复杂，存在很大的不确定性。另外，由于重量、大小和成本的限制，高超声速飞行器通常装备最少组合的控制舵面，一个控制舵面发生故障往往对飞行器产生所需控制力矩的能力具有破坏性的影响。这就要求在出现控制面失效和各种异常故障状态时，高超声速飞行器的控制系统具有高度的自主容错能力。

目前针对高超声速飞行器的容错控制已有一些研究成果。美国Dryden飞行研究中心采用离线最优控制方法通过重新分配控制效力实现了对控制面故障的容错（Reconfigurable control design for the full X-33flight envelope.AIAA2001-4379,2001.）。Zhu等人提出了一种基于奇异摄动理论的直接容错控制方法（Direct fault tolerant RLV attitude control a singular perturbation approach.AIAA2002-4778,2002）。Johnson等人基于直接自适应控制和神经网络动态逆设计终端能量管理段和进场着陆段的容错控制方案（Fault tolerance through direct adaptive control using neural networks.AIAA2006-6553,2006）。姜斌等人基于模糊控制、自适应控制、鲁棒控制和滑模控制等理论与方法设计了多种故障诊断与容错控制方案，增强了姿控系统的可靠性（近空间飞行器故障诊断与容错控制的研究进展.南京航空航天大学学报，2012）。目前针对高超声速飞行器的容错控制方法大多数需要检测和隔离发生故障的执行机构，需要获取发生故障的升降舵的故障信息，包括故障发生时间、具体哪个升降舵发生故障和故障的大小。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足,提出了一种高超声速飞行器升降舵故障控制方法。所述方法不需要额外的故障诊断环节，即不需要检测和辨识升降舵的故障模式、故障大小和故障发生时间，能够通过在线自适应调节正常升降舵的偏转角度补偿故障升降舵损失的控制效力，保证飞行器的稳定性，并恢复其高度和速度跟踪性能。

为解决上述技术问题，本发明所采用的技术方案是：

一种高超声速飞行器升降舵故障控制方法，其特征在于，包括以下步骤：

步骤1，建立高超声速飞行器巡航段纵向运动学及动力学模型，所述模型表示为：

V·=Tcosα-Dm-μsinγr2 一种高超声速飞行器升降舵故障控制方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。