针对气动舵受限下的弹性高超声速飞行器控制问题,提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中,为了降低对模型参数的依赖程度,应用强化学习算法在线调整比例积分微分(proportional integral derivative,PID)控制参...针对气动舵受限下的弹性高超声速飞行器控制问题,提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中,为了降低对模型参数的依赖程度,应用强化学习算法在线调整比例积分微分(proportional integral derivative,PID)控制参数,给出智能PID控制策略。对于高度子系统,考虑气动舵的动态特性,利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题,以非线性模型预测控制为优化分配模板生成大量样本数据集,经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外,通过引入自适应超螺旋微分器处理外部扰动,增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性,并通过仿真验证了所设计控制方案能够快速计算控制指令,实现高精度跟踪控制。展开更多
文摘针对气动舵受限下的弹性高超声速飞行器控制问题,提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中,为了降低对模型参数的依赖程度,应用强化学习算法在线调整比例积分微分(proportional integral derivative,PID)控制参数,给出智能PID控制策略。对于高度子系统,考虑气动舵的动态特性,利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题,以非线性模型预测控制为优化分配模板生成大量样本数据集,经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外,通过引入自适应超螺旋微分器处理外部扰动,增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性,并通过仿真验证了所设计控制方案能够快速计算控制指令,实现高精度跟踪控制。
