CN114740722B 一种高速直升机的飞行控制方法 （南京航空航天大学）

本发明公开一种高速直升机的飞行控制方度控制回路组成的增量动态逆控制框架，采用2建立系统控制函数与舵面实际操纵信号相关的高速直升机非仿射非线性动力学系统，所述高速直升机非仿射非线性动力学系统根据姿态内回路输出的舵面实际操纵信号实时建立跟随高速直升机飞行系统期望速度跟踪指令的速度外回路，所述1为速度虚拟控制指令，u10为速度虚拟控制指令的采样信号，Δu1为u1的增量，V,⃞(x,xs,u")为速度外回路控制函数g1(.)在u1变化方向上的梯度，xic为速度外回路期性动力学系统变化相对较慢状态向量的导数，KP模型的控制分配中引入将速度外回路控制系统补偿为线性传递关系的第一伪线性控制信号；建立跟随姿态内回路期望控制指令的姿态内回路，所述姿态内回2为角速度虚拟控制指令，u20为角速度虚拟控制指令V,8(s,u:")为姿态内回路控制函数g2(.)在u对较快状态向量的导数，KP2和KI2为姿态内3制信号的补偿信号以及第二伪线性控制信号通过表达式预测，其中，Vad为3.根据权利要求2所述一种高速直升机的飞行控制方法，其特征在于，更新所述Pi-wik为第i个隐藏层可调4[0003]以小扰动线性化模型为基础的特定飞行状态飞行控制律设计方法是目前通常做法，将非线性函数在系统选定的平衡状态或参考轨迹附近展开成泰勒级数后只保留线性器复杂扰动和模型不确定性的有效方法，人工神经网络具有逼近连续非线性函数的能力，经网络可以提供训练点之间的插值，而无需额外的计算工作量。Pi-Sigma神经网络(Pi-在提出一种基于增量动态逆和Pi-Sigma神经网络的飞行控制架5一种具有线性传递关系并且完成解耦的伪线性控制信号VL，得到速度虚拟控制指令信号U1T和旋具有一定的误差，设计Pi-Sigma神经网络补偿增量动态逆模型误差，神经网络的输入通过引入求和神经元和乘法神经元来实现神经网络的快进行预测得到，神经网络在姿态回路的补偿值Vad2通过神逆控制方法，引入速度回路控制子系统的控制函数在速度虚拟控制指令变化方向上的梯u10+Δu1，u20+Δu2，6[0017](1)本发明针对高速直升机多模态机动，将各操纵面之间的气动交叉耦合视为部[0018](2)本发明分别设计了速度外回路和姿态内回路，在控制分配率中引入增量动态(角速度单位)。[0025]如图1所示为一种高速直升机的飞行控制方法的控制架构，该方法包括如下五个u2)(2),非仿射非线性动力学系统状态向量x1,x2的导数，u1,u2表示非仿射非线性7一种具有线性传递关系并且完成解耦的伪线性控制信号VL，得到速度虚拟控制指令信号U1du力矢量在机体坐标系水平面的投影与X轴的夹角θ2。根据所得舵面实际操纵信号更新非仿表示速度外回路期望控制指令状态向量的导数，vL1为将速度外回路增量动态逆控制系[0042]式(4)中，V,8(s,u:")表示姿态内回路控制函数g2(.)在u2变化方向上的梯度，表示姿态内回路期望控制指令状态向量的导数，vL2为将姿态内回路增量动态逆控制系8具有一定的误差，设计Pi-Sigma神经网络补偿增量动态逆模型误差，神经网络的输入通过引入求和神经元和乘法神经元来实现神经网络的快进行预测得到，神经网络在姿态回路的补偿值Vad2通过神9