关键词:
高超声速飞行器
姿态控制
深度神经网络
最优控制
摘要:
针对高超声速飞行器在宽飞行包线、强气动不确定性条件下的姿态控制问题,提出了一种考虑系统时频域性能指标的智能最优控制方法。该方法分为离线与在线两部分:离线过程中,根据高超声速飞行器动力学模型与线性二次调节器(LQR)控制设计方法,生成大量姿态控制仿真样本数据集,构建控制性能指标评价模型,筛选最优控制参数,建立以飞行状态与气动不确定性为输入,最优LQR控制参数为输出的神经网络映射关系;在线过程中,通过实时气动参数辨识,捕获高超声速飞行器气动不确定性,运用智能参数优化网络,使得在气动不确定性条件下,高超声速飞行器姿态控制仍为满足控制指标的最优控制参数。最后,通过仿真验证了本文提出的方法能够有效提高宽飞行包线、强不确定性情况下高超声速飞行器姿态控制的鲁棒性。