具有预设性能的高超声速飞行器快速非仿射控制方法研究

Owing to the super maneuver and high-speed, good transient performance and real-time performance are required for the control systems of hypersonic flight vehicles (HFVs). Unfortunately, the existing control methodologies cannot guarantee HFVs’ control systems with satisfactory transient performance or real-time performance. Furthermore, based on the existing control schemes, the non-affine models of HFVs have to be simplified as affine appearances of control inputs, which will lead to the losing of some key dynamic characteristics. As a result, the obtained control methods are partially or totally invalid. For this reason, this project investigates fast non-affine control strategies with prescribed performance for HFVs. Firstly, by designing a new performance function and making an error transformation, a guaranteeing transient performance-based prescribed performance control approach is addressed for HFVs. Then, direct/indirect non-affine control methodologies with high reliabilities are exploited for HFVs on the basis of Mean Value Theorem and Implicit Function Theorem. Finally, by reducing the unknown dynamics of HFVs’ models and exploring advanced learning algorithms for neural networks’ weight vectors, fast approximation methods with low computational loads and good real-time performance are proposed to estimate the unknown dynamics of HFVs’ models. The research results can provide important guiding significances for the designing of HFVs’ control systems. Meanwhile, they are very valuable in both theories and applications for promoting the HFVs’ developments and enhancing the national ability of attack and defense.

高超声速飞行器（HFV）的超机动快速飞行特性，使其对控制系统的动态性能与实时性都提出了极高的要求。但是，现有控制方法不仅无法满足这两方面的要求，还需要将HFV的非仿射模型强行简化为关于控制输入的仿射模型，这必然会造成某些关键动力学特性的丢失，而且也会带来控制方法部分或完全失效的风险。为此，本项目拟开展具有预设性能的HFV快速非仿射控制方法研究。首先，通过突破新型性能函数设计与误差变换等关键问题，提出保动态性能的HFV预设性能控制方法。其次，采用中值定理与隐函数定理等方法，深入研究具有高可靠性的HFV直/间接非仿射控制方法。最后，通过削减HFV模型未知动态的个数与探索神经网络权值矩阵的先进学习算法，构建计算量低、实时性好的HFV模型未知动态的快速逼近方法。项目预期成果可为HFV控制系统的设计提供重要参考，对于加快我国HFV的预研步伐以及提升国家空间攻防能力都具有十分重要的理论意义与实用价值。

高超声速飞行器（Hypersonic Flight Vehicle, HFV）的传统控制方法均是基于其仿射模型建立的，并且只关注控制系统的稳态精度，不能保证控制系统满意的动态性能指标。有鉴于此，本项目系统深入地研究了具有预设性能的HFV快速非仿射控制方法。（1）针对传统预设性能控制方法依赖模型精确误差初值，且不能实现跟踪误差小超调甚至零超调收敛的技术缺陷，通过构建一种新型性能函数与转换误差，提出了跟踪误差的小超调约束新机制。引入所设计的新型性能函数对HFV的速度跟踪误差与高度跟踪误差进行约束，并严格证明了预设性能的可达性，实现了速度跟踪误差与高度跟踪误差的小超调甚至零超调收敛；采用一种新型神经逼近策略在线逼近HFV速度子系统与高度子系统的未知动态，不仅保证了控制器的鲁棒性，并且在线学习量降到了最低，实现了对HFV未知模态的快速逼近，保证了控制系统良好的实时性； 进一步，基于模糊小波神经网络，为HFV提出了一种具有执行评价结构的新型预设性能控制方法，评价网能够根据实际跟踪效果提供一个增强信号，以改善控制执行网，从而提高了闭环控制系统的控制性能。（2）系统研究了HFV的直/间接非仿射控制方法。首先，研究了HFV的间接非仿射控制方法，分别提出了基于中值定理、隐函数定理与附加滤波器的HFV非仿射模型的等价仿射化方法，再基于HFV的仿射模型设计具有预设性能的简约神经控制器，避免了传统HFV仿射控制方法的失效风险。然后，探索了HFV的直接非仿射控制方法，直接基于非仿射模型设计控制器，避免了复杂的模型仿射化过程。（3）深入研究了HFV模型未知动态的快速逼近方法；通过提出HFV的模型变换策略，将模型的未知模态归一化，最大限度地减少了用于模型逼近的神经网络个数；深入研究了神经网络权值的先进调整算法，降低了在线学习量，保证了控制系统满意的实时性。