CN119396011A 一种基于模糊模型的事件触发鲁棒自适应饱和制导方法 （山东理工大学）

一种基于模糊模型的事件触发鲁棒自适应种基于模糊模型的事件触发鲁棒自适应饱和制不确定项和有限时域约束的非线性系统的最优控制问题；设计有限时域输入饱和最优控制策触发状态的输入饱和最优控制策略及机动目标曲正切模型的自适应动态规划技术构建评价网决了导弹在拦截机动目标时受到系统不确定性21.一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其特征在于包括以下步S3、基于微分对策理论，将导弹拦截问题转S5、引入周期事件触发机制，构造拦截导弹依赖S6、利用基于广义模糊双曲正切模型的自适应动2.根据权利要求1所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其aβ对时间t的导数；3a,a,分3.根据权利要求2所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其i(t)=f(x)+g(x)u(t)+h(x)v(t)（6式中，表示微分对策系统的状态x(t)对时间t的导数，x(t)eR'，x(t)=[x;x]，是一个2维实数向量空间，其余的R同理；f(x)是局部Lipschitz连4.根据权利要求3所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其45.根据权利要求3所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其效拦截。6.根据权利要求5所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其(t)=f(x)+g(x)(u(t)+g(x))+h(x)(v(t)+h(x))（8是正的常数；f(x)是局部Lipschitz连续的函数，且f(0)=0；匹配的不确定性函数g(x)eR'、h(x)eR'是范数有界的，即满足不等式和llF(xls万。g(0)=h(0)=0；(it)=f(x)+g(x)u(i)+h(x)v(i)（95x(t)L(x,u,v)=A(x,t)+u(u)-v'Q,v表示从时间t到t,期间对系统状态和控制输入式中，Q,>0是一阶矩阵；se[0u]J,是J(x,t)关于时间的偏导数，即J,=⃞J(x,t)lot；J.是J(x,t)关于xH(x,u',v,J'(x,i))SH(x,u',v',J"(x,t))SH(x,且;6得到非线性的微分对策系统有限时域的7.根据权利要求6所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其8.根据权利要求6所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其统状态记为x(lh)，l是采样周期的索引，表示第l次周期采样，Ih表示第l次周期采样时S5.3、定义当前周期采样状态和上一次触发状态之间的差值为式中，表示等同于；(i,+I)h表示第i次触发后又进行了l次周期采样的时刻；N是7页对应的代价函数；8(x)、h(x)表示页对应的g(x)te[th,t1h)。9.根据权利要求8所述的一种基于模糊模型的事件触发鲁棒自适应饱和制导方法，其S6.1、对于t时刻和时刻及其对应的系统状态x(t)、，其最优代价函数内克积，为j维列向量，是x。(t)在时刻的值；和r.8;e.是Hamiltonian函数的逼近误差；是函数对x的偏导数，.是对t的偏导数，即，;9；函数的表达式解方法，研发过载约束下能实现对智能机动目标精准拦截的鲁棒微分博弈拦截制导技术，[0004]随着机器学习技术的发展，学者们提出了许多有效的方aβ分别为8、a、p对时间t的导数；j,、S2.1、当导弹M和目标A都不再发生机动时，两者之间的最小距离为零控脱靶量re(t)x(t)eR'，x(t)=[x;x]，是一个2维实数向量空间，其余的R同理；f(x)是局。(t)=f(x)+g(x)(u(t)+g(x))+h(x)(v(t)+h(x))（8制输入，且u(t)的模满足不等式IUKP，是正常数；非线性函数g(x)eR、是范数有界的，即满足不等式和，其中和是正的常数；f(x)是局部Lipschitz连续的函数，且f(0)=0；匹配的不确定性函数g(x)eR'、h(x)eR'是范数有界的，即满足不等式lg(xlsg和llF(xls万。i(t)=f(x)+g(x)u(t)+h(x)v(t)（9x(t)；是与微分对策系统不确定L(x,u,v)=A(x,t)+u(u)-v"Q,v表示从时间t到期间对系统状态和控制输入件是H(x,u',v,J"(xr,i))SH(xr,u',v,J"(x,i)≤H(x,u,v",J',且;当v的值最大、u的值最小时，J(x,t)的值即为最优的代价函数，用J'(x,t)表v'分别表示为：UU')：U(u')=ps,"g(x)tanh(y')+p'Q,得到非线性的微分对策系统有限时s;是J'(x,t)对t的偏导数；u'(t)、v')分别为控制输入u(t)、v()的制输入用表示，其中x(lh)仅在违反触发条件时被式中，表示等同于；(i,+I)h表示第i次触发后又进行了l次周期采样的时刻；N是自然数集；当违反了事件触发条件时，新的触发时刻th(x)表示对应r.I.的估计值；S6.3、推导出导弹M的近似饱和事件触发最优控制输入及目标A的近似事式中，p(x)和分别是和的估计值，p(x)记作A，;;式中，是理想权值r.的逼近误差；将函数记i是；函数的表达式在存储器上并可在处理器上运行的计算机程序，通过处理器执行软件实现上述的算法计如图1所示，一种基于模糊模型的事件触发鲁棒自适应饱和制导方法包括以下步i是r对时间t的导数；a、β分别表示导弹M、目标A的航迹角（fligt,是自动驾驶仪时间常数。S2.1、当导弹M和目标A都不再发生机动时，两者之间的最小距离为零控脱靶量小于零，即b→0,i<0；x(t)eR'，x(i)=[x;x,]，是一个2维实数向量空间，其余的R同理；f(x)是局基于有限时域微分对策的制导模型是通过进行一系列数学变换来处理有限时域量，T=In(r(0))-In(r(i))，其中In(i(t)=f(x)+g(x)(u(t)+g(x))+h(x)(v(t)+F(x))（8制输入，且u(t)的模满足不等式IUKP，p是正常数；非线性函数、是范数有界的，即满足不等式llg(xsgn和llh(x)shn，其中8m和是正的常数；f(x)是局部Lipschitz连续的函数，且f(0)=0；匹配的不确定性函数g(x)eR'、万(x)eR'是范数有界的，即满足不等式llg(xsgn和llF(xls万。和是正的常数，且满足g(0)=h(0)=0；(t)=f(x)+g(x)u(1)+h(x)(I)（9x(t)性相关的项；表示终端状态约束（即为S6构建的终端状态约束L()表示从时间t到期间对系统状态和控制输入的刻画；其中A(x,t)是正定函数，U(u)表示一个非二次型泛函，J,是J(x,t)关于时间的偏导数，即；J.是J(x,t)关于x的偏导数，即J:=J(x,t)lax；,且;;当v的值最大、u的值最小时，J(x,t)的值即为最优的代价函数，用J'(x,t)表v'分别表示为：式中，用符号y表示，即；.是U(u')=PJ"g(x)tanh(y')+p'Q,In(1-tanh2(y'))（15得到非线性的微分对策系统有限时描述微分对策中的最优控制问题。Nash_Pontryagin极大极小值原理是最优控制理论中的到控制器（控制器指的是把状态传输给最优控制输入(u',v')触发条件即为后续的式持控制输入的连续性。传输到控制输入的状态x(i,h)用表示，相应的事件触发的最优控制输入用表示，其中x(lh)仅在违反触发条件时N是自然数集；当违反了事件触发条件时，新的触发时刻tg(3)h(x)表示对应式中，geR'是偏移量；x。(t)为广义模糊输入e表示克罗内克积，为j维列向量是x。(t)在时刻的性变换的个数是j；r.I.的估计值；S6.3、推导出导弹M的近