【《飞行器姿态控制系统研究的国内外文献综述》5400字】

引言飞行器姿态控制系统研究的国内外文献综述1.1飞行器姿态控制设计方法研究现状姿态控制的目的一是为了使飞行器能够跟踪姿态角指令到达目标点，二是为了使飞行器在飞行过程中保持姿态稳定。姿态控制设计方法的发展和控制理论的发展密切相关，控制理论的发展分为三个阶段[1]：(1)二十世纪五十年代，经典控制理论发展时期。一般是以传递函数为基础，通过时域指标和频域指标进行控制系统分析和设计，对设计人员的经验要求较高；(2)二十世纪六七十年代，现代控制理论发展时期。通常是以状态空间形式为基础，提出了自适应控制、卡尔曼滤波以及最优控制等方法。应用范围由原来的单输入单输出系统扩展到了多输入多输出系统，且可以是定常或时变的，还可以考虑系统的初始条件；(3)二十世纪七十年代至今，非线性控制理论蓬勃发展，出现了滑模变结构理论、鲁棒控制、模糊控制、神经网络控制等先进控制理论方法，其目的在于增大控制理论在工程上的应用范围，促进控制方法的智能化。传统的姿态控制系统设计一般是将飞行器的运动分解为俯仰、偏航和滚动三个通道，再分别对每个通道进行独立设计。飞行器运动模型具有变系数、非线性的特点，为了便于稳定性分析和控制系统的设计，通常是采用“小扰动法”对飞行器模型线性化。然后再选取一系列特征点，利用系数冻结法将系统划分为基于特征点分段的分段定常系统，然后再利用频率校正、根轨迹法等经典控制理论进行控制器设计。此方法思路简单、易于工程实现且效果良好，因而仍是姿控系统中的主要应用方法。但由于各位学者与研究人员对控制技术的研究越来越深入，模型越来越复杂，无法再简单地用小扰动线性化的方法进行泰勒展开，经典控制理论设计方法的局限性也越来越明显。随着控制理论的发展，现代控制方法能够降低干扰的影响，跟踪系统未建模动态，抑制系统的不确定性，控制性能有了很大的改善，这使得相关专家和学者们尝试把各种现代控制理论方法应用在飞行器控制系统的设计中，希望使其控制性能更为有效。滑模变结构控制理论通过建立滑模面与设计指数趋近律，不断改变控制结构，使被控变量趋于期望值。文献[2]等在存在有界外部干扰和不确定性的情况下，利用滑模变结构控制技术解决了可重复使用火箭X-33上升过程中的控制问题，实现了对姿态角的较为精确的跟踪。文献[3]基于滑模变结构理论，提出了一种纵向自动驾驶仪设计方法，利用空气舵与反作用喷气推进器，解决了导弹的大攻角飞行问题。非线性动态逆理论通过状态反馈建立原系统的逆模型，再与原系统模型串联，再利用线性系统控制理论知识进行设计，但这种方法对模型精度要求较高。文献[4]讨论了非线性动态逆方法在大气层内载入飞行控制器设计中的应用，提高了飞行器跟踪不同参考轨迹的灵活性。文献[5]采用非线性动态逆的方法实现了直升机的姿态控制与航迹跟踪。近年来智能控制的概念成为了研究的热点，将神经网络的自适应性应用到非线性控制方法中，使控制律具有一定的容错性和自适应性。文献[6]在将PID神经元网络理论与变结构控制理论相结合，完成了PID神经元网络变结构控制器的设计，并通过李雅普诺夫稳定性理论对姿态控制系统的稳定性进行了证明。文献[7]用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练，建立了智能诊断模型，并应用于某导弹姿态控制系统的故障诊断。1.2模型参考自适应控制研究现状自适应控制已经存在了60多年，自这个概念被提出以来，各种实现自适应的方法层出不穷，模型参考自适应是其中一个重要分支[8]。第一个自适应控制问题美国麻省理工学院Whitater[9]等人为了解决飞机飞行控制系统的自适应问题提出了模型参考自适应控制的方法，其自适应规律称为MIT调节律，但仅限于试验性质，没有系统的理论性，且该方法无法保证控制系统稳定性。之后德国的学者Parks[10]提出了应用李雅普诺夫稳定性理论重新设计了模型参考自适应律，但是需要控制对象的全部状态，不易实现。法国学者Landau[11]将波波夫超稳定理论来设计自适应参数调节律。两大稳定性理论出现后，NarendraKS[12]等人应用直接法设计了模型参考自适应系统。1979年，NarendraKS和ValavaniLS[13]提出了间接修改控制器参数的模型参考自适应系统方案。到现在为止，MARC的自适应律设计方法有以下三种：1)局部参数最优化法(MIT方法)局部参数最优化法是最先采用的设计方法，其核心思想就是选择性能指标并设计自适应律使其最小或者最大，具体方法是采用梯度下降[14]的方法对待调参数求偏导。文献[15]就是在光电跟踪伺服系统中应用局部参数最优化设计方法设计了自适应控制律。这种设计方法简单易于实现，但是稳定性得不到保证，要检验其稳定性确保误差收敛。2)李雅普诺夫方法李雅普诺夫方法是解决系统稳定性的重要工具，其基本思想是通过构造使系统稳定的李雅普诺夫函数。具体步骤为：①对给定系统，列出它的广义误差方程；②找出一正定函数V作为系统李雅普诺夫函数；③对V，求其沿对象运动方程轨迹的导数；④求出令其导数为负定的条件，从而推导出自适应律。文献[16]在超声电机的位置控制系统中引入了模型参考自适应，并用李雅普诺夫的方法设计了自适应律。文献[17]通过李雅普诺夫方法设计了特定伺服电机的模型参考自适应转速控制器。但是可供选择的李雅普诺夫函数不唯一，需要依靠充分的理论知识和经验选择合适的李雅普诺夫函数，如果选择不恰当，会影响自适应系统的调节速度。3)波波夫超稳定性理论波波夫超稳定性理论是用来处理由线性定常前向通道和非线性时变反馈回路所组成系统的稳定性问题，其核心思想是使前向通道传递函数是严格正实函数的同时，非线性时变反馈回路满足波波夫积分不等式[18]，以此为准则设计系统回路。文献[19]基于波波夫超稳定性理论提出了永磁同步电机控制系统的转速估算方法，保证了较高的转速辨识精度。波波夫超稳定性方法的适用前提条件有严格限制，需要将被控系统转化为线性定常前向通道和非线性时变反馈回路的形式，对控制理论的掌握程度要求很高，并且此方法设计推导过程也具有一定复杂性，因此目前的相关文献研究基本都是电机控制方面[20][21]，在其他领域的实际应用很少。自模型参考自适应被提出以来，各位学者在原有设计方案上提出了各种改进方法。文献[22]一种具有可变参考模型的自适应控制系统的结构，设计出了非定常参考模型的MRAC系统，这种结构在改进误差响应的动特性上具有一定的灵活性。文献[23]在现有只适用对象模型分母与分子阶数差不大于1的成熟简便设计方法基础上，推广出模型为任意相对阶数的模型参考自适应控制系统设计方法。文献[24]将分数阶模型参考自适应控制器应用至SCARA机器人机械臂系统的轨迹跟踪问题中，该方法能够减少经典控制方法中存在的延迟时间和超调量。文献[25]为了实现无人机的理想位置和高度跟踪响应，提出了一种由模型参考自适应和极点配置组成的混合控制器，增强了系统的鲁棒性，提高了误差收敛速度。随后，随着人工智能的发展，神经网络、遗传算法和模糊算法等研究逐渐成熟，智能算法和模型参考自适应的算法也相应发展。文献[26]提出将反向传播网络的非线性映射特性和联想记忆功能用于模型参考自适应控制中，用以克服传统模型参考自适应控制算法的不足，文献[27]也是将神经网络和模型参考自适应相结合的典型文献；文献[28]根据神经网络内模控制的思想，提出了一种基于小波网络的模型参考自适应控制方法。近几年关于模型参考自适应的研究大都基于某一项工业应用仿真，比如舵机加载系统的力矩控制、电机轴上的转动惯量的在线辨识、四旋翼飞行器的自适应控制以及在磨矿过程中的应用等等。自模型参考自适应控制被提出以来，科研人员对模型参考自适应控制系统的性能和稳定性做了大量的工作，其理论发展已经相当成熟，这也是将其选择为本课题基本框架的原因之一。1.3神经网络控制研究现状神经网络控制出现于二十世纪六十年代，八九十年代进入快速发展时期，发展至今，在自适应控制[29]、系统辨识[30]、内模控制[31]、故障诊断[32]及容错控制[33]等方面都有相关研究。众所周知，神经网络具有可以逼近任意复杂非线性函数的特性，利用这一点，在处理非线性系统中的不确定性问题上表现出了优异的性能，神经网络也凭此得到很多控制领域学者的青睐。神经网络在控制领域中的应用在近些年的发展趋势大致可以总结为以下三点：1)面向系统与控制的神经网络的研究开发用神经网络直接替换控制系统闭环中的控制器，输出量直接作为输入送给被控对象。图1.1为神经网络控制器系统典型结构框图，为被控对象当前输出，为系统参考输入，e为二者之差，将这些量送入神经网络进行训练，最终得到最佳的控制量，使系统的输出逐渐逼近于参考输入。早在1992年，文献[34]中就将神经网络控制器应用在了温度控制系统上。文献[35]将神经网络控制器和逆模型相结合，并在倒立摆系统中做了仿真试验。文献[36]中提出了神经网络自适应逆的方法，和直接替换控制器不同的是，它将神经网络输出的控制信号叠加到原控制信号上作为修正。翎客航天研究了一种状态预测神经网络控制技术，并在小型可回收火箭上做了飞行试验，验证了其高度控制与空中悬停技术[37]。将神经网络作为控制器的方法结构简单直观，易于理解，但是对于干扰复杂的控制系统，这种方法的抗扰能力差，鲁棒性不强。因此后来神经网络被用来逼近系统的扰动项或估计故障，文献[38]在四旋翼无人机上，利用径向基网络实现了对被控对象不确定性和扰动部分的逼近，改善了传统控制方法中对模型依赖性较大的问题。文献[39]同样是用径向基网络对扰动量进行估计，并于传统PD控制算法结合，实现了对飞行器的协同编队控制。文献[40]利用神经网络对飞航飞行器的故障状态和发生故障位置进行判断，并对故障程度进行参数辨识，实现了飞航飞行器的智能故障诊断和容错控制。图1.1神经网络控制系统结构框图Fig.1.1NeuralNetworkControlSystemStructureBlockDiagram2)将神经网络与现有的控制结构或者算法相结合，用神经网络的优势弥补传统控制结构算法的不足一般是在传统控制算法的基础上，利用神经网络等智能算法去优化算法中的某一或某些参数。将神经网络的自适应性融入到传统控制算法中，一定程度上解决了对模型过度依赖的问题，提高了控制系统的鲁棒性和容错性[41]。文献[42]中针对系统参数变化范围大的问题，将神经网络嵌入到自抗扰控制器中，保证了观测器的估计品质，增强了自抗扰控制器的适应性。文献[43]针对飞行器非线性模型，将神经网络和动态逆控制及鲁棒控制结合起来，并将神经网络的逼近误差反馈到权值更新率中，改善了系统的动态性能。文献[44]设计了基于反馈增益的反步法控制，利用神经网络对模型不确定性进行补偿。文献[45]在高超声速飞行器的高度控制中，利用RBF神经网络逼近动态面控制的中间控制信号，降低了计算量。文献[46]利用神经网络调整PID控制增益，提高了系统的自适应性。将传统控制算法和神经网络结合起来，在保证控制效果的基础上，一定程度上提高了控制的智能化。3)神经网络和其他智能算法结合成更新型的控制器神经网络也可以和其他算法(诸如模糊算法，遗传算法等)相结合为新型控制器。早在1991年，文献[47]就提出了一种用于模糊逻辑控制和决策系统的通用神经网络模型。进入21世纪以来，神经网络和其他控制算法结合相关文献层出不穷，文献[48]在非线性系统离线控制中，提出了一种应用神经网络和遗传算法的比例积分控制参数整定方法，文献[49]将模糊控制与遗传算法和神经网络结合应用在温室气候控制中，提出了一种自适应神经网络模糊控制系统，并结合遗传算法工具对控制器参数进行自适应调整，对系统响应跟随期望值方面有了显著改善。文献[50]提出一种基于小波神经网络的控制方法，该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。文献[51]将遗传算法、小波网络和神经网络结合来研究。参考文献卢娟芝.空地战术导弹姿态控制回路设计方法研究:(硕士学位论文).南京:南京理工大学,2014.YuriShtessel,CharlesHall,MarkJackson.Reusablelaunchvehiclecontrolinmultiple-time-scaleslidingmodes[J].JournalofGuidanceControlandDynamics,2000,23(6):1013-1020.ThukralA,InnocentiM.Aslidingmodemissilepitchautopilotsynthesisforhighangleofattackmaneuvering[J].ControlSystemsTechnology,1998,6(3):359-371.CostaR,ChuQP,MulderJA.Reentryflightcontrollerdesignusingnonlineardynamicinversion[J].JournalofSpacecraftandRockets,2003,40(1):64-71.麻士东,杨国庆.直升机姿态与航迹非线性动态逆飞行控制模型[J].华中科技大学学报(自然科学版),2016,44(12):92-96.袁钢,施建洪,李瑞涛.基于PIDNN变结构理论的新型弹道导弹姿控系统设计[J].海军航空工程学院学报,2014,29(3):225-229.高静斌,吴静,任宏滨.基于改进BP神经网络的某导弹姿态控制系统故障诊断[J].导弹与航天运载技术,2007,35(6):53-56.刘晓东,马飞,张玉等.基于BP神经网络的模型参考自适应姿态控制[J].航天控制,2019,37(06):3-7.梁学忠,许吉顺.关于模型参考自适应控制系统[J].哈尔滨电工学院学报,1988,11(4):384-393.ParksPC.LyapunovRedesignofmodelreferenceadaptivecontrolsystem[J].IEEETransactionsonAutomaticControl,1966,11(3):262-267.LandauID.Ahyperstabilitycriterionformodelreferenceadaptivecontrolsystems[J].IEEETransactionsonAutomaticControl,1969,14(5):552-555.NarendraKS,ValavaniLS.Stabilityadaptivecontrollerdesign-directcontrol[J].IEEETransactionsonAutomaticControl,1978,23(4):570-583.NarendraKS,ValavaniLS.Directandindirectmodelreferenceadaptivecontrol,Automatica,1979,15(6):653-664.李航.统计学习方法[M].北京：清华大学出版社，2012:78-93.林森,陈娟.光电跟踪伺服系统中的模型参考自适应控制[J].长春工业大学学报(自然科学版),2012,33(2):141-145.贺红林,赵淳生.基于模型参考自适应技术的超声电机测控研究[J].传感器与微系统,2008,2