平流層飛艇巡航姿態(tài)自適應神經(jīng)網(wǎng)絡補償控制*

劉其睿，李 勇

（1.北京控制工程研究所，北京100190；2.空間智能控制技術國家級重點實驗室，北京100190；3.中國空間技術研究院研究發(fā)展中心，北京100094）

平流層飛艇巡航姿態(tài)自適應神經(jīng)網(wǎng)絡補償控制*

劉其睿1，2，李 勇3

（1.北京控制工程研究所，北京100190；2.空間智能控制技術國家級重點實驗室，北京100190；3.中國空間技術研究院研究發(fā)展中心，北京100094）

研究了一種基于自適應神經(jīng)網(wǎng)絡補償?shù)钠搅鲗语w艇前向速度與姿態(tài)控制系統(tǒng)設計方法.針對近似模型進行常規(guī)線性動態(tài)補償器設計，并引入自適應徑向基函數(shù)（RBF，radial basis function）神經(jīng)網(wǎng)絡對模型誤差進行補償.根據(jù)Lyapunov方法得到神經(jīng)網(wǎng)絡權值自適應律，保證了閉環(huán)系統(tǒng)誤差信號一致最終有界.仿真結果表明對于兩類不同的飛艇模型，所設計的控制器在響應性及對未知環(huán)境風速作用的魯棒性方面均具有良好的效果.

平流層飛艇；巡航姿態(tài)；神經(jīng)網(wǎng)絡；自適應

平流層飛艇是工作在平流層中下層（20～40 km）的可控浮空器，因其可作為執(zhí)行高空長航時應用任務的平臺，近年來成為了全球范圍的研究熱點.實現(xiàn)平流層飛艇自主運行的關鍵就是要解決其自主綜合控制問題［1］，巡航控制問題是其中的一個重要方面.

由于平流層飛艇動力學模型具有非線性、多變量及參數(shù)慢時變等特點，經(jīng)典的線性控制理論難以解決其控制問題，目前的研究文獻多集中于動態(tài)逆、反步法、滑模控制等先進控制方法領域［2］.文獻［3］將線性矩陣不等式（LMI，linear matrix inequality）方法應用于飛艇的魯棒航向控制系統(tǒng)設計，所得到的控制器對于具有參數(shù)不確定性的飛艇模型有著良好的跟蹤性能.但控制律的狀態(tài)反饋形式要求狀態(tài)量精確已知，另一方面采用固定增益使得控制律具有較大的保守性.

2001年，Calise等人提出了一種基于反饋線性化和自適應神經(jīng)網(wǎng)絡補償?shù)闹苯幼赃m應輸出反饋控制方法［4］，其基本思路是利用徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡對非線性動力學函數(shù)的逼近能力補償反饋線性化帶來的模型誤差，以提高常規(guī)線性控制器的魯棒性，根據(jù)Lyapunov方法設計神經(jīng)網(wǎng)絡權值的自適應律，從而保證閉環(huán)系統(tǒng)誤差信號一致最終有界.本文主要參考這一思路，對平流層飛艇的前向速度與姿態(tài)控制系統(tǒng)進行了設計.

1 平流層飛艇的數(shù)學描述

目前公開發(fā)表的研究文獻中，歐陽晉［5］等人給出了較為完整的飛艇參數(shù)數(shù)據(jù)，所建立的飛艇模型采用剛體假設.本文所研究的飛艇模型以文獻［5］中所給出的模型為基礎.假設飛艇具有對稱平面xoz，重心在對稱平面內(nèi)，慣量積 Ixy＝Ixz＝0.直接取推力 Tthrust和滾動、俯仰、偏航力矩 Mroll、Mpitch、Myaw作為控制量.其六自由度動力學和運動學方程描述如下：

其中式（1）也可寫為如下形式：

在上述方程中，f1（·），f2（·）是矩陣形式的函數(shù).狀態(tài)向量x＝[ u v w p q r]T，代表飛艇在本體系的三個線速度分量和三個角速度分量；姿態(tài)角向量Θ＝[ φ θ ψ]T，代表飛艇本體系相對地面系的三個姿態(tài)角分量，詳細說明參見參考文獻［5］.式（1）中的控制量u＝[ TthrustMrollMpitchMyaw]T.在式（3）中，Mm為質(zhì)量矩陣

式中，m為飛艇質(zhì)量，Ix，Iy，Iz，Ixz為飛艇繞 ox，oy，oz軸的轉(zhuǎn)動慣量和繞 xoz平面的慣量積，mii（i＝1，2，…，6）為飛艇的流體附加質(zhì)量，xG，zG是飛艇質(zhì)心在ox，oz軸的坐標.式（3）右邊有流體慣性力項 Df，空氣動力項At，重力項G，浮力項B，其具體表達式見參考文獻［5］，此處不再贅述.式中的控制量 U＝[Tthrust0 0 MrollMpitchMyaw]T，僅在形式上與式（1）中的u有區(qū)別.f2（·）的形式如下：本文的設計目標為設計控制量u，使得飛艇巡航速度矢量在存在參數(shù)不確定和未知風速干擾條件下跟蹤期望的巡航速度指令，即使得前向速度u和巡航姿態(tài)角Θ分別跟蹤前向速度指令uc及姿態(tài)角指令

2 基于自適應神經(jīng)網(wǎng)絡補償?shù)淖藨B(tài)控制器設計

2.1 基于自適應神經(jīng)網(wǎng)絡補償?shù)目刂品椒?/h3>

對于一般的非線性單輸入單輸出（SISO，singleinput-single-output）系統(tǒng)

式中，x′是 n維狀態(tài)向量，u′，y′分別是系統(tǒng)輸入和輸出信號.假設系統(tǒng)滿足輸出反饋線性化條件并具有相對階 r［6］，即

式中 hr?drh／d tr，且有?hi／?u′＝0，0≤i＜r及?hr／?u′≠0.引入變換

其中 Δ′＝Δ′（x′，u′）＝hr（x′，u′）－′，u′）可視為擾動信號.此時系統(tǒng)的實際控制輸入u′可直接求逆得到

假設系統(tǒng)輸出y′要求跟蹤已知的參考輸入y′c.偽控制信號v′選為如下形式：

圖1 基于自適應神經(jīng)網(wǎng)絡補償?shù)目刂圃O計原理

線性動態(tài)補償器是單輸入雙輸出系統(tǒng)

自適應神經(jīng)網(wǎng)絡的輸出

式中ηci是每個神經(jīng)元的中心值.神經(jīng)網(wǎng)絡的輸入η′為

式中，

這里 n1≥n，d＞0.

神經(jīng)網(wǎng)絡權值自適應律為

式中，F(xiàn)＞0，λw＞0是自適應增益.φf是 φ經(jīng)過低通濾波器 T－1（s）的輸出.T（s）是多項式，其設計與線性動態(tài)補償器（10）有關.多項式 Ddc（s），Ndc（s），Nad（s）以及 T（s）需要滿足一定的條件［4］.

文獻［4］的定理2采用 Lyapunov方法證明：在設計參數(shù)滿足一定的條件下，上述控制器設計能夠保證閉環(huán)系統(tǒng)的誤差信號一致最終有界（關于系統(tǒng)的解一致最終有界的定義見參考文獻［11］）.

2.2 姿態(tài)控制器設計

在本文的姿態(tài)控制器設計問題中，以姿態(tài)角Θ作為輸出量，容易驗證系統(tǒng)（1）～（2）滿足輸出反饋線性化條件，且系統(tǒng)相對階為2

但函數(shù)h2（·）的形式難以直接得到.考慮將式（3）中的 Mm分解為確定項和不確定項 ΔMm，式（2）中的 f2分解為確定項和不確定項 Δf2

注意到經(jīng)過以上式（17）～（19）的處理，將流體附加質(zhì)量、流體慣性力、空氣動力等項歸納到不確定項中，使得只包含確定項的近似模型無需考慮流體附加質(zhì)量、空氣動力系數(shù)等參數(shù)的具體數(shù)值.而通常這些參數(shù)需要數(shù)值估算或?qū)嶒灉y定，難以得到精確值.在此基礎上，原系統(tǒng)模型（1）～（2）可改寫為如下形式：

式中，Δu、Δv、Δw及 Δ′是近似模型與實際對象之間的偏差.根據(jù)反饋線性化的思想，引入輸入變換

系統(tǒng)模型（1）～（2）轉(zhuǎn)化為

顯然實際控制信號 u可由式（23）及（24）逆計算得到.這樣原設計問題就轉(zhuǎn)化為偽控制信號 v1及 vΘ的設計問題.

觀察式（25）及（26）兩組方程，式（25）是一階系統(tǒng)，其控制設計問題較為簡單，這里采用常規(guī)的線性動態(tài)補償器設計.式（26）是二階系統(tǒng)，且與式（25）相比屬于快動態(tài)，其控制設計較為困難.將式（26）按照滾動、俯仰、偏航通道分解為三個SISO子系統(tǒng)，在每個通道上的統(tǒng)一形式為

于是可以按照圖1的標準模型將偽控制信號vs設計為如下形式：

式中，Θsc是Θc在 vs相應通道上的分量，通過二階濾波器可以很容易的得到.vdc是線性動態(tài)補償器的輸出，用于使式（27）在 Δ′s＝0時的近似模型穩(wěn)定.vad是自適應神經(jīng)網(wǎng)絡的輸出，用于近似抵消 Δ′s.并按照上一節(jié)中的介紹依次進行vdc及vad的設計.

對于v1的設計則較為簡單，可按經(jīng)典方法設計傳遞函數(shù)形式的動態(tài)補償器如下：

根據(jù)文獻［4］的定理2，如上所述的控制器設計能夠保證閉環(huán)系統(tǒng)的誤差信號一致最終有界.

3 仿真結果

本文的仿真分別對兩類飛艇模型A和B進行驗證.飛艇模型A的參數(shù)如質(zhì)量、轉(zhuǎn)動慣量、附加質(zhì)量和氣動參數(shù)等數(shù)值引自參考文獻［5］及文獻［10］.考慮到飛艇模型A是在近海平面高度飛行的19 m小型驗證艇，為驗證本控制器設計對平流層飛艇的控制效果，在參考文獻［1］所給250 m大艇數(shù)據(jù)的基礎上計算得到飛艇模型B的參數(shù).為考察控制器的抗干擾能力，根據(jù)平流層風速特性并不失一般性，在仿真中引入風速模型為地面系X軸方向存在－10 m／s的恒定風速，同時三軸均存在均方差為0.316 m／s的零均值高斯白噪聲隨機風速.控制器設計參數(shù)如下.

滾動、俯仰、偏航通道的線性動態(tài)補償器統(tǒng)一設計為

為消除穩(wěn)態(tài)偏差，分別在每個通道增加了PI控制.

飛艇模型A在無風和有風兩種情況下的仿真見圖2和圖3.可見在速度與姿態(tài)控制系統(tǒng)的作用下，飛艇能夠迅速跟蹤參考指令，在無風情況時響應時間在10 s左右，穩(wěn)態(tài)偏差小，并且在存在未知風速時仍能穩(wěn)定跟蹤，表現(xiàn)出良好的機動性與魯棒性.飛艇模型B在有風擾時的仿真見圖4.其控制效果要好于飛艇模型A.

圖2 無風擾時的飛艇模型A速度與姿態(tài)跟蹤性能

圖3 有風擾時的飛艇模型A速度與姿態(tài)跟蹤性能

圖4 有風擾時的飛艇模型B速度與姿態(tài)跟蹤性能

4 結 論

本文應用基于自適應神經(jīng)網(wǎng)絡補償?shù)脑O計方法，對平流層飛艇的前向速度與姿態(tài)控制系統(tǒng)進行了設計.該控制器設計方案對模型參數(shù)信息僅有較少的要求.仿真結果表明，對于兩類不同的飛艇模型，本文所設計的控制器均具有良好的響應性和對未知的環(huán)境風速作用的魯棒性，控制器設計是有效的和可靠的.

［1］Mueller J B，Paluszek M A，Zhao Y Y.Development of an aerodynamic model and control law design for a high altitude airship［C］.AIAA 3rd“Unmanned Unlimited”Technical Conference，Workshop and Exhibit，Chicago，Sep 2004

［2］Paiva E C，Benjovengo F，Bueno S S，et al.Nonlinear control approaches for an autonomous unmanned robotic airship［C］.AIAA Aviation Technology，Integration and Operations Conference，Belfast，Northern Ireland，Sep 2007

［3］屈衛(wèi)東，羅昌行，歐陽晉.無人飛艇的魯棒航向控制系統(tǒng)設計［J］.系統(tǒng)仿真學報，2004，16（11）：2575-2579

［4］Calise A J，Hovakimyan N，Idan M.Adaptive output feedback control of nonlinear systems using neural networks［J］.Automatica，2001，37（8）：1201-1211

［5］歐陽晉.空中無人飛艇的建模與控制方法研究［D］.上海交通大學，2003

［6］Isidori A.Nonlinear control systems［M］.Berlin：Springer，1995

［7］Kim Y，Lewis F.High level feedback control with neural networks［M］.NJ：World Scientific，1998

［8］Ioannu P A，Sun J.Robust adaptive control［M］.Englewood Cliffs，NJ：Prentice-Hall，1996

［9］Sanner R，Slotine J.Gaussian networks for direct adaptive control［J］.IEEE Transactions on Neural Networks，1992，3（6）：837-864

［10］王曉亮，劉丹，單雪雄.飛艇最優(yōu)飛行軌跡研究［J］.力學季刊，2005，26（4）：555-561

［11］Khalil H K.Nonlinear systems［M］.3rd ed.Upper Saddle River，NJ：Prentice-Hall，2002

Adaptive Neural Network Compensation for Stratospheric Airship Attitude Control of Cruising Phase

LIU Qirui1，2，LI Yong3
（1.Beijing Institute of Control Engineering，Beijing 100190，China；2.National Laboratory of Space Intelligent Control，Beijing 100190，China；3.R＆D Center，China Academy of Space Technology，Beijing 100094，China）

By designing a speed and attitude control system based on the adaptive neural network compensation，this paper investigates the cruise tracking control problem for the stratospheric airship.An adaptive RBFNN（radial basis function neural network）is used to compensate modeling errors，which come from the approximate model applied to a regular linear controller design.The network weight adaptation law，derived from the Lyapunov stability analysis，guarantees that the tracking errors are ultimately bounded.Simulation results demonstrate the excellent performance and robustness of the controller，even if environmental winds with unknown information exist.

stratospheric airship；cruise tracking；neural network；adaptive control

V448

A

1674-1579（2009）04-0034-05

*中國空間技術研究院自主研發(fā)課題及國家自然科學基金（60804016）資助項目.

2009-03-10

劉其睿（1981—），男，山東人，碩士研究生，研究方向為航天器智能控制 （e-mail：raymann67＠163.com）.