基于自適應(yīng)神經(jīng)模糊系統(tǒng)的高超聲速飛行器再入預(yù)測(cè)制導(dǎo)

冉茂鵬,王青,莫華東,董朝陽(yáng)

(北京航空航天大學(xué)自動(dòng)化科學(xué)與電氣工程學(xué)院,北京 100191)

基于自適應(yīng)神經(jīng)模糊系統(tǒng)的高超聲速飛行器再入預(yù)測(cè)制導(dǎo)

冉茂鵬,王青,莫華東,董朝陽(yáng)

(北京航空航天大學(xué)自動(dòng)化科學(xué)與電氣工程學(xué)院,北京 100191)

針對(duì)高超聲速飛行器再入運(yùn)動(dòng)過(guò)程模型的非線(xiàn)性特性,提出了一種基于自適應(yīng)神經(jīng)模糊系統(tǒng)(ANFIS)的再入預(yù)測(cè)校正制導(dǎo)方法。在以能量為自變量的三自由度再入方程的基礎(chǔ)上分別設(shè)計(jì)了縱向制導(dǎo)律和側(cè)向制導(dǎo)律。以能量和剩余航程偏差為輸入?yún)?shù),側(cè)傾角調(diào)節(jié)量為輸出參數(shù),設(shè)計(jì)了ANFIS控制器,并將其應(yīng)用于縱向制導(dǎo)。側(cè)向制導(dǎo)基于橫程與能量的近似線(xiàn)性關(guān)系,設(shè)計(jì)了由分段漏斗形橫程走廊控制的側(cè)傾角反轉(zhuǎn)邏輯。仿真結(jié)果表明,所設(shè)計(jì)的制導(dǎo)律具有制導(dǎo)指令解算速度快,制導(dǎo)和落點(diǎn)精度高且對(duì)再入初始偏差及過(guò)程擾動(dòng)不敏感的優(yōu)點(diǎn)。

控制科學(xué)與技術(shù)；再入制導(dǎo)；預(yù)測(cè)校正；高超聲速飛行器；自適應(yīng)神經(jīng)模糊系統(tǒng)

0 引言

當(dāng)前的再入制導(dǎo)方法主要包括標(biāo)準(zhǔn)軌道法和預(yù)測(cè)制導(dǎo)法兩大類(lèi)。標(biāo)準(zhǔn)軌道法是預(yù)先在飛行器的機(jī)載計(jì)算機(jī)中裝訂標(biāo)準(zhǔn)再入軌道參數(shù),然后進(jìn)行跟蹤制導(dǎo)。標(biāo)準(zhǔn)軌道制導(dǎo)易于實(shí)現(xiàn)、對(duì)機(jī)載計(jì)算機(jī)的速度和容量要求都比較低。但是這種方法受再入初始誤差及再入過(guò)程環(huán)境不確定性及偏差等因素的影響比較大,從而導(dǎo)致落點(diǎn)控制精度低[1]。預(yù)測(cè)制導(dǎo)法是以消除實(shí)際軌道的預(yù)測(cè)落點(diǎn)和實(shí)際落點(diǎn)之間的偏差為目標(biāo)的制導(dǎo)方法。由于在飛行過(guò)程中不斷預(yù)測(cè)落點(diǎn)偏差,并不斷進(jìn)行校正,因此,預(yù)測(cè)制導(dǎo)法能夠獲得較高的落點(diǎn)精度,而且對(duì)飛行過(guò)程中的不確定性具有良好的魯棒性[2]。

近些年來(lái),各國(guó)學(xué)者對(duì)預(yù)測(cè)制導(dǎo)法進(jìn)行了廣泛深入的研究,取得了很多重要的理論成果。文獻(xiàn)[3]提出了一種基于能量的預(yù)測(cè)制導(dǎo)方法,在以能量為自變量的再入飛行器三自由度運(yùn)動(dòng)學(xué)方程的基礎(chǔ)上,分別設(shè)計(jì)了縱向制導(dǎo)律和側(cè)向制導(dǎo)律。文獻(xiàn)[4]利用偽譜法將再入動(dòng)力學(xué)微分方程約束轉(zhuǎn)換為代數(shù)方程約束,將制導(dǎo)問(wèn)題轉(zhuǎn)換為不需要積分彈道的最優(yōu)規(guī)劃問(wèn)題,設(shè)計(jì)了一種最優(yōu)預(yù)測(cè)制導(dǎo)方法。文獻(xiàn)[5]針對(duì)高升阻比飛行器提出了一種全程預(yù)測(cè)再入制導(dǎo)算法。該方法將路徑約束轉(zhuǎn)化為側(cè)傾角大小的上下限,從而保證再入過(guò)程中的所有非線(xiàn)性約束條件均得到滿(mǎn)足。

在新一代高超聲速飛行器需求的推動(dòng)下,美國(guó)宇航局馬歇爾研究中心于1999年底啟動(dòng)了先進(jìn)制導(dǎo)和控制計(jì)劃[6],此后,具有自主性、自適應(yīng)性和魯棒性的再入制導(dǎo)方法研究進(jìn)入高潮。在再入制導(dǎo)中使用自適應(yīng)控制和智能控制方法,能夠使系統(tǒng)對(duì)參數(shù)誤差、外界擾動(dòng)和不確定性具有強(qiáng)魯棒性。最優(yōu)控制、自適應(yīng)控制和智能控制等理論在再入制導(dǎo)中的應(yīng)用,被認(rèn)為是未來(lái)高超聲速再入飛行器設(shè)計(jì)開(kāi)發(fā)中的重要趨勢(shì)之一[7]。

自適應(yīng)神經(jīng)模糊系統(tǒng)(ANFIS)將模糊推理系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來(lái),既能發(fā)揮二者的優(yōu)點(diǎn),又能彌補(bǔ)各自的不足。它采用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)機(jī)制,基于大量已知數(shù)據(jù)進(jìn)行建模,同時(shí)又具有模糊推理系統(tǒng)易于表達(dá)人類(lèi)知識(shí)和推理邏輯的優(yōu)點(diǎn)。雖然目前還缺乏完善的穩(wěn)定性分析手段,但ANFIS已經(jīng)被證明是一種復(fù)雜系統(tǒng)建模和控制的有效工具,已成功應(yīng)用于多個(gè)領(lǐng)域[8-11]。

基于智能控制算法的自組織能力、自適應(yīng)能力、自學(xué)習(xí)能力和強(qiáng)魯棒性,本文提出一種基于ANFIS的再入預(yù)測(cè)制導(dǎo)方法。針對(duì)高超聲速飛行器再入運(yùn)動(dòng)模型的非線(xiàn)性特性,設(shè)計(jì)并訓(xùn)練ANFIS控制器,并用于再入制導(dǎo)系統(tǒng)中,從而實(shí)時(shí)地將偏差信息輸入智能控制器快速形成制導(dǎo)信號(hào)。仿真結(jié)果表明,該制導(dǎo)方法制導(dǎo)指令解算速度快,制導(dǎo)和落點(diǎn)精度高且對(duì)再入初始偏差及過(guò)程擾動(dòng)不敏感。

1 再入制導(dǎo)問(wèn)題

高超聲速飛行器再入的三自由度無(wú)量綱運(yùn)動(dòng)方程一般以時(shí)間為自變量,但是由于在預(yù)測(cè)制導(dǎo)過(guò)程中不能事先確定終端時(shí)間,為彈道的積分帶來(lái)了諸多困難,而如果采用能量作為微分方程組的自變量,則不會(huì)出現(xiàn)這種問(wèn)題。本文引入如下類(lèi)似能量的變量[12]:

式中:r為無(wú)量綱地心距;v為無(wú)量綱速度。r和v的無(wú)量綱參數(shù)分別為R0和R0為地球平均半徑,g0為海平面引力加速度。由(1)式對(duì)無(wú)量綱時(shí)間求導(dǎo),可知e是單調(diào)遞增的變量,忽略地球自轉(zhuǎn),建立以能量為自變量的再入運(yùn)動(dòng)模型:

式中:θ為經(jīng)度;φ為緯度;γ為航跡角;ψ為航向角; aL為無(wú)量綱升力加速度;aD為無(wú)量綱阻力加速度; σ為側(cè)傾角;速度可以由求得,從而減少方程組維數(shù)。

再入約束包括過(guò)程約束和終端約束。過(guò)程約束主要指為確保機(jī)體安全必須滿(mǎn)足的熱流密度約束、過(guò)載約束、動(dòng)壓約束和防止彈道振蕩的擬平衡滑翔約束。終端約束一般包括經(jīng)緯度、速度和高度約束。運(yùn)動(dòng)方程組(2)式的兩個(gè)控制量分別為攻角α與側(cè)傾角σ,其中攻角控制變量暗含在升力系數(shù)和阻力系數(shù)中,一般由攻角-馬赫數(shù)函數(shù)直接確定。因此, σ為唯一的控制量。

2 基于ANFIS的再入制導(dǎo)系統(tǒng)設(shè)計(jì)

基于ANFIS的高超聲速飛行器再入制導(dǎo)系統(tǒng)分為縱向制導(dǎo)和側(cè)向制導(dǎo)兩部分,縱向制導(dǎo)確定控制量側(cè)傾角的數(shù)值大小,側(cè)向制導(dǎo)確定側(cè)傾角的符號(hào)。

縱向制導(dǎo)主要包括預(yù)測(cè)環(huán)節(jié)和ANFIS控制器,預(yù)測(cè)環(huán)節(jié)通過(guò)預(yù)測(cè)計(jì)算獲得終端落點(diǎn)偏差信息, ANFIS控制器根據(jù)偏差信息及相關(guān)參數(shù)對(duì)側(cè)傾角的數(shù)值進(jìn)行調(diào)節(jié),循環(huán)至落點(diǎn)偏差在預(yù)定的范圍內(nèi)然后輸出校正后的側(cè)傾角數(shù)值。側(cè)向制導(dǎo)采用基于橫程走廊的側(cè)向制導(dǎo)邏輯,求得側(cè)傾角的符號(hào)。得到側(cè)傾角的數(shù)值和符號(hào)后,根據(jù)飛行器狀態(tài)參數(shù)和運(yùn)動(dòng)學(xué)方程,利用數(shù)值積分計(jì)算軌跡直至下一個(gè)制導(dǎo)周期,再重復(fù)預(yù)測(cè)校正制導(dǎo)循環(huán)。制導(dǎo)系統(tǒng)原理框圖如圖1所示。

圖1 基于ANFIS的制導(dǎo)系統(tǒng)原理框圖Fig.1 Block diagram of ANFIS-based guidance system

3 縱向制導(dǎo)

先由過(guò)程約束建立高度-速度(H-v)再入走廊。再利用擬平衡滑翔條件(QEGC)將再入走廊約束轉(zhuǎn)換為控制變量約束,從而過(guò)程約束可由側(cè)傾角的約束間接施加[13]。根據(jù)飛行特點(diǎn),將飛行軌跡分為初始下降段和占大部分飛行時(shí)間的擬平衡滑翔段兩部分。初始下降段以常值側(cè)傾角|σ0|飛行,擬平衡滑翔段是主要飛行段,采用基于ANFIS的預(yù)測(cè)校正制導(dǎo)。

3.1 自適應(yīng)神經(jīng)模糊系統(tǒng)

1993年,學(xué)者Jang Roger提出ANFIS.它將模糊控制的3個(gè)基本過(guò)程,即模糊化、模糊推理和反模糊化,全部用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn),利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)機(jī)制從輸入輸出樣本數(shù)據(jù)中抽取規(guī)則,構(gòu)成自適應(yīng)神經(jīng)模糊控制器,通過(guò)離線(xiàn)訓(xùn)練或在線(xiàn)學(xué)習(xí)算法進(jìn)行模糊推理規(guī)則的自調(diào)整,使其系統(tǒng)朝著自組織、自適應(yīng)、自學(xué)習(xí)的方向發(fā)展。典型的ANFIS結(jié)構(gòu)如圖2所示,規(guī)則庫(kù)由如下兩條規(guī)則組成:1)if x1is A1and x2is B1then y=p1x1+q1x2+r1;2)if x1is A2and x2is B2then y=p2x1+q2x2+r2.

ANFIS屬于一種典型的自適應(yīng)網(wǎng)絡(luò),當(dāng)前提參數(shù)固定時(shí),總輸出可以表示為結(jié)論參數(shù)的線(xiàn)性組合。對(duì)于前提參數(shù)和結(jié)論參數(shù),可以通過(guò)反向傳播(BP)算法或BP算法和最小二乘估計(jì)(LSE)法的混合算法來(lái)進(jìn)行訓(xùn)練。ANFIS為模糊建模的過(guò)程提供了一種能夠從數(shù)據(jù)集中提取模糊規(guī)則的學(xué)習(xí)方法,通過(guò)學(xué)習(xí)能夠有效地計(jì)算出隸屬度函數(shù)的最佳參數(shù),使得設(shè)計(jì)出來(lái)的模糊推理系統(tǒng)能夠最好地模擬出實(shí)際或希望的輸入輸出關(guān)系。

圖2 典型ANFIS的結(jié)構(gòu)Fig.2 Typical ANFIS architecture

3.2 ANFIS控制器的生成

ANFIS建模的基本思路:首先生成一個(gè)初始參數(shù)化模糊推理系統(tǒng)(FIS)的模型結(jié)構(gòu),該模型確定了輸入輸出隸屬度函數(shù)個(gè)數(shù)和模糊規(guī)則數(shù)目;然后根據(jù)訓(xùn)練數(shù)據(jù),使用Matlab提供的anfis函數(shù)訓(xùn)練初始FIS,按照一定的誤差準(zhǔn)則來(lái)調(diào)整隸屬度函數(shù),使得FIS不斷地逼近給定的訓(xùn)練數(shù)據(jù)。

根據(jù)上述建模思路,ANFIS控制器實(shí)現(xiàn)的主要過(guò)程包括:根據(jù)任務(wù)要求,確定合適的ANFIS輸入輸出參數(shù);生成訓(xùn)練、校驗(yàn)和測(cè)試數(shù)據(jù);最后利用Matlab生成ANFIS控制器。

3.2.1 確定ANFIS的輸入?yún)?shù)

由高超聲速飛行器再入運(yùn)動(dòng)方程特性可知,側(cè)傾角調(diào)節(jié)量Δσ與剩余航程偏差Δs存在單調(diào)非線(xiàn)性關(guān)系,二者之間邏輯關(guān)系明顯,即Δs越小、Δσ越小,Δs越大、Δσ越大。另外,能量值e在再入過(guò)程中是一個(gè)單調(diào)遞增的量,它能夠表征制導(dǎo)系統(tǒng)的調(diào)節(jié)能力。對(duì)于相同的剩余航程偏差值Δs,當(dāng)e值較小時(shí),此時(shí)飛行器速度較大,所處高度較高,側(cè)傾角只需要較小的調(diào)節(jié)量Δσ就可以使得Δs變得足夠小;反之,當(dāng)e較大時(shí),軌跡調(diào)節(jié)能力較小,則側(cè)傾角需要較大的調(diào)節(jié)量Δσ才可以使得Δs變得足夠小。根據(jù)能量值e、剩余航程偏差值Δs和側(cè)傾角調(diào)節(jié)量Δσ的邏輯關(guān)系,選擇e和Δs作為ANFIS控制器的兩個(gè)輸入?yún)?shù)。

3.2.2 訓(xùn)練、校驗(yàn)和測(cè)試數(shù)據(jù)的生成

考慮到以e和Δs為輸入?yún)?shù),采用以能量為自變量的再入運(yùn)動(dòng)方程,縱向制導(dǎo)采用全程預(yù)測(cè)積分,側(cè)向制導(dǎo)采用后文設(shè)計(jì)方法,仿真生成大量的輸入和輸出數(shù)據(jù)對(duì)。將數(shù)據(jù)分為3組,分別作為訓(xùn)練數(shù)據(jù)、校驗(yàn)數(shù)據(jù)和測(cè)試數(shù)據(jù)。

3.2.3 利用Matlab生成ANFIS控制器

根據(jù)所生成的數(shù)據(jù),利用Matlab中提供的圖形化編輯工具ANFIS自動(dòng)生成自適應(yīng)神經(jīng)模糊控制器,這比人工建立模糊規(guī)則表的方法更加簡(jiǎn)便、高效和客觀。主要過(guò)程有:

1)調(diào)出ANFIS編輯器并導(dǎo)入數(shù)據(jù)。

2)用相減聚類(lèi)法生成初始FIS.

3)訓(xùn)練ANFIS參數(shù)。用訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)對(duì)初始FIS進(jìn)行訓(xùn)練,訓(xùn)練過(guò)程中訓(xùn)練數(shù)據(jù)誤差及校驗(yàn)數(shù)據(jù)誤差變化趨勢(shì)一致,均能夠迅速降低并趨于穩(wěn)定,訓(xùn)練誤差終值為0.126 88.訓(xùn)練后得到的ANFIS輸入?yún)?shù)隸屬度函數(shù)如圖3所示。

圖3 輸入?yún)?shù)隸屬度函數(shù)Fig.3 Membership functions of input parameters

4)測(cè)試訓(xùn)練后的ANFIS性能。用測(cè)試數(shù)據(jù)對(duì)得到的ANFIS進(jìn)行測(cè)試,得到的輸出值與測(cè)試數(shù)據(jù)輸出項(xiàng)基本重疊,平均測(cè)試誤差值為0.129 86,接近于訓(xùn)練誤差終值,表明了所設(shè)計(jì)的ANFIS的有效性。

4 側(cè)向制導(dǎo)

側(cè)向制導(dǎo)律的主要任務(wù)是決定側(cè)傾角的符號(hào)。其設(shè)計(jì)目標(biāo)是:尋求適當(dāng)?shù)膫?cè)傾角反轉(zhuǎn)邏輯使得末端的橫程保持在設(shè)定的誤差范圍內(nèi),并盡量減少反轉(zhuǎn)次數(shù)。引入橫程參數(shù)χ:

式中:stogo為剩余航程;Ψ為從當(dāng)前位置到末端位置的視線(xiàn)角。在側(cè)傾角兩次反轉(zhuǎn)之間,χ與e近似呈線(xiàn)性關(guān)系,故使用橫程參數(shù)確定側(cè)傾角的反轉(zhuǎn)比傳統(tǒng)的使用方位角誤差確定側(cè)傾角的反轉(zhuǎn)更合理。據(jù)此,設(shè)計(jì)一個(gè)以能量為自變量的分段漏斗形橫程走廊,用以控制側(cè)傾角的反轉(zhuǎn),其形式如圖4所示,其中,e0和ef分別為再入點(diǎn)及末端能量,e1和e2是一組根據(jù)任務(wù)情況需要而變化的能量值,χh和χl分別為設(shè)計(jì)的再入初始段和末段對(duì)橫程的要求精度。

圖4 側(cè)向制導(dǎo)橫程走廊Fig.4 Lateral guidance crossrange corridor

側(cè)向制導(dǎo)邏輯為:當(dāng)橫程超出走廊上邊界,側(cè)傾角符號(hào)為負(fù);當(dāng)橫程超出走廊下邊界,側(cè)傾角符號(hào)為正;當(dāng)橫程位于橫程走廊內(nèi),側(cè)傾角符號(hào)保持不變。制導(dǎo)邏輯數(shù)學(xué)表達(dá):

開(kāi)始再入時(shí),初始側(cè)傾角符號(hào)選為與初始橫程相反的方向。

施加腐殖質(zhì)、零價(jià)鐵和復(fù)合調(diào)理劑均明顯降低了水稻各部位砷的含量。與對(duì)照相比，施加腐殖質(zhì)、零價(jià)鐵粉和復(fù)合調(diào)理劑后，早稻稻米中砷含量分別下降了29.6%，47.3%和53.8%；晚稻稻米中砷含量分別下降了 24.1%，27.8%和 60.2%，差異顯著（P<0.01）。施加復(fù)合調(diào)理劑，晚稻稻米砷含量達(dá)到食品安全國(guó)家標(biāo)準(zhǔn)（GB 2762—2012）。

5 仿真驗(yàn)證

以遠(yuǎn)程高超聲速再入滑翔飛行器CAV-L為仿真對(duì)象,特征參數(shù):質(zhì)量907 kg,氣動(dòng)參考面積0.35m2,端頭半徑Rd=0.1m,最大升阻比2.4.駐點(diǎn)熱流密度、動(dòng)壓和過(guò)載約束分別為1 000 kW/m2、400 kPa和4 g.目標(biāo)點(diǎn)經(jīng)緯度為(220°,40°),給定終端速度1 800m/s,高度24 km,位置誤差(水平距離)小于20 km,速度誤差小于100m/s,高度誤差小于2 km.

5.1 標(biāo)準(zhǔn)條件下制導(dǎo)方法性能仿真

為驗(yàn)證設(shè)計(jì)的制導(dǎo)方法的有效性,將基于ANFIS的制導(dǎo)方法(工況1)與全程預(yù)測(cè)制導(dǎo)方法[5](工況2)進(jìn)行對(duì)比。再入初始參數(shù)見(jiàn)表1所示。

表1 標(biāo)準(zhǔn)條件再入初始參數(shù)Tab.1 Reentry initial parameters under standard condition

再入段制導(dǎo)按能量終止,仿真結(jié)果見(jiàn)表2,可以看出兩種制導(dǎo)方法的終端約束均被滿(mǎn)足且誤差數(shù)值很小。由于ANFIS訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)均是離線(xiàn)完成,因此與全程預(yù)測(cè)校正制導(dǎo)方法相比,基于ANFIS制導(dǎo)方法在減少制導(dǎo)指令解算時(shí)間方面更有優(yōu)勢(shì)。

表2 標(biāo)準(zhǔn)條件下仿真結(jié)果Tab.2 Simulation results under standard condition

圖5為三維再入軌跡,圖6為再入地面航跡?；贏NFIS的制導(dǎo)方法滿(mǎn)足航程約束,且軌跡平滑,與全程預(yù)測(cè)校正軌跡基本一致。

圖5 三維再入軌跡Fig.5 Three-dimensional reentry trajectories

圖6 地面航跡曲線(xiàn)Fig.6 Ground flight path curves

圖7為控制變量σ和橫程的歷程曲線(xiàn)。側(cè)傾角在允許范圍內(nèi)變化,反轉(zhuǎn)次數(shù)均為3次,且在兩次反轉(zhuǎn)之間,橫程與能量近似呈線(xiàn)性關(guān)系,可見(jiàn)使用橫程確定側(cè)傾角的反轉(zhuǎn)是合理和有效的。圖8為熱流密度、動(dòng)壓和過(guò)載的歷程曲線(xiàn),可以看出再入過(guò)程中的約束均得到滿(mǎn)足。

圖7 側(cè)傾角及橫程歷程Fig.7 Time histories of bank angle and crossrange

5.2 擾動(dòng)條件下制導(dǎo)方法性能仿真

5.2.1 初始狀態(tài)偏差仿真

分別考慮6個(gè)再入點(diǎn)狀態(tài)參數(shù)的偏差情況,參數(shù)偏差和主要仿真結(jié)果見(jiàn)表3,地面航跡見(jiàn)圖9.仿真結(jié)果表明,在再入點(diǎn)初始狀態(tài)存在一定偏差的情況下,基于ANFIS的再入制導(dǎo)律也能滿(mǎn)足終端精度要求。

圖8 熱流密度、動(dòng)壓及過(guò)載歷程Fig.8 Time histories of heat flux,dynamic pressure and acceleration

表3 再入點(diǎn)參數(shù)誤差及仿真結(jié)果Tab.3 Reentry parameter errors and simulation results

5.2.2 再入過(guò)程擾動(dòng)仿真

對(duì)再入過(guò)程存在擾動(dòng)的情況下進(jìn)行Monte Carlo仿真?？紤]的隨機(jī)擾動(dòng)包括大氣密度偏差(±25%)、飛行器質(zhì)量偏差(±5%)、升力系數(shù)偏差(±10%)和阻力系數(shù)偏差(±10%),其中括號(hào)內(nèi)數(shù)值表示偏差最大范圍,制導(dǎo)系統(tǒng)對(duì)偏差值不可預(yù)測(cè),其他仿真設(shè)置與標(biāo)準(zhǔn)條件仿真相同。200次仿真結(jié)果的地面航跡見(jiàn)圖10,制導(dǎo)精度統(tǒng)計(jì)如圖11和圖12所示,可見(jiàn):仿真飛行均滿(mǎn)足航程要求,且軌跡平滑;終端位置偏差基本小于10 km,速度偏差小于10m/s,高度偏差小于1.5 km,這對(duì)于再入制導(dǎo)而言精度是較高的,表明制導(dǎo)方法對(duì)過(guò)程擾動(dòng)具有較強(qiáng)的魯棒性。

圖9 初始參數(shù)偏差仿真地面航跡曲線(xiàn)Fig.9 Ground flight path curves with initial parameter deviations

圖10 過(guò)程擾動(dòng)仿真地面航跡曲線(xiàn)Fig.10 Ground flight path curveswith disturbances

圖11 過(guò)程擾動(dòng)仿真終端點(diǎn)經(jīng)緯度散布Fig.11 Longitude and latitude dispersion of terminal points with disturbance

6 結(jié)論

圖12 過(guò)程擾動(dòng)仿真終端點(diǎn)速度和高度散布Fig.12 Velocity and height dispersion of terminal pointswith disturbance

本文著眼于加快高超聲速飛行器再入制導(dǎo)方法的指令生成速度,提高自適應(yīng)性、制導(dǎo)精度及抗干擾能力,根據(jù)智能系統(tǒng)及再入運(yùn)動(dòng)的特性,提出了一種基于ANFIS的再入預(yù)測(cè)校正制導(dǎo)方法。分析研究和仿真結(jié)果表明:1)以能量和剩余航程偏差作為輸入的ANFIS控制器及對(duì)應(yīng)的再入制導(dǎo)系統(tǒng)是有效的;2)與全程預(yù)測(cè)制導(dǎo)方法相比,該方法能減少制導(dǎo)指令的解算時(shí)間;3)基于橫程和能量的近似線(xiàn)性關(guān)系設(shè)計(jì)的橫程走廊,能對(duì)側(cè)向運(yùn)動(dòng)進(jìn)行合理和有效的控制;4)落點(diǎn)數(shù)據(jù)表明該方法的制導(dǎo)和落點(diǎn)精度高;5)擾動(dòng)條件下仿真結(jié)果表明該方法具有良好的魯棒性。因此,本文提出的制導(dǎo)方法在提高制導(dǎo)系統(tǒng)自適應(yīng)性和制導(dǎo)精度方面具有一定的潛在工程應(yīng)用價(jià)值。

References)

[1] 趙漢元.飛行器再入動(dòng)力學(xué)和制導(dǎo)[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,1997:7-22.

ZHAO Han-yuan.Fight vehicle reentry dynamics and guidance [M].Changsha:National University of Defense Technology Press,1997:7-22.(in Chinese)

[2] Joshi A,Sivan K.Predictor corrector reentry guidance algorithm with path constraints for atmospheric entry vehicles[J].Journalof Guidance,Control,and Dynamics,2007,30(5):1307-1318.

[3] 王青,冉茂鵬,趙洋.基于預(yù)測(cè)校正法的高超聲速飛行器再入制導(dǎo)[J].北京航空航天大學(xué)學(xué)報(bào),2013,39(12):1563-1567.

WANG Qing,RANMao-peng,ZHAO Yang.Reentry guidance for hypersonic vehicle based on predictor-correctormethod[J].Journal of Beijing University of Aeronautics and Astronautics,2013, 39(12):1563-1567.(in Chinese)

[4] 水尊師,周軍,葛致磊.基于高斯偽譜方法的再入飛行器預(yù)測(cè)校正制導(dǎo)方法研究[J].宇航學(xué)報(bào),2011,32(6):1249-1255.

SHUIZun-shi,ZHOU Jun,GE Zhi-lei.On-line predictor-corrector reentry guidance law based on Gauss pseudospectral method [J].Journal of Astronautics,2011,32(6):1249-1255.(in Chinese)

[5] Xue SB,Lu P.Constrained predictor-corrector entry guidance[J]. Journal of Guidance,Control,and Dynamics,2010,33(4):1273-1281.

[6] Hanson JM.Advanced guidance and control project for reusable launch vehicles,AIAA-2000-3957[R].US:AIAA,2000.

[7] 吳宏鑫,孟斌.高超聲速飛行器控制研究綜述[J].力學(xué)進(jìn)展,2009,39(6):756-765.

WU Hong-xin,MENG Bin.Review on the control of hypersonic flight vehicles[J].Advances in Mechanics,2009,39(6):756-765.(in Chinese)

[8] Salah O,Ramadan A A,Sessa S,et al.ANFIS-based sensor fusion system of sit-to-stand for elderly people assistive device protocols[J].International Journal of Automation and Computing, 2013,10(5):405-413.

[9] Xu H Z,Li X H.Inferring rules for adverse load combinations to crack in concrete dam from monitoring data using adaptive neuronfuzzy inference system[J].Science China-Technological Sciences, 2012,55(1):136-141.

[10] 柴天佑,張亞軍.基于未建模動(dòng)態(tài)補(bǔ)償?shù)姆蔷€(xiàn)性自適應(yīng)切換控制方法[J].自動(dòng)化學(xué)報(bào),2011,37(7):774-786.

CHAITian-you,ZHANG Ya-jun.Nonlinear adaptive switching controlmethod based on unmodeled dynamics compensation[J]. Acta Automatica Sinica,2011,37(7):774-786.(in Chinese)

[11] 王艷永,鄧方,孫健.改進(jìn)的自適應(yīng)神經(jīng)模糊推理系統(tǒng)的角度傳感器誤差補(bǔ)償方法[J].控制理論與應(yīng)用,2013, 30(10):1342-1346.

WANG Yan-yong,DENG Fang,SUN Jian.Improved adaptive neural-network-based fuzzy inference system angular sensor error compensation method[J].Control Theory and Applications, 2013,30(10):1342-1346.(in Chinese)

[12] Lu P.Predictor-corrector entry guidance for low-lifting vehicles[J]. Journal ofGuidance,Control,and Dynamics,2008,31(4):1067-1075.

[13] Shen Z J,Lu P.Onboard generation of three-dimensional constrained of guidance[J].Journal of Guidance,Control,and Dynamics,2003,26(1):111-121.

ANFIS-based Predictive Reentry Guidance for Hypersonic Vehicles

RAN Mao-peng,WANG Qing,MO Hua-dong,DONG Chao-yang
(School of Automation Science and Electrical Engineering,Beihang University,Beijing 100191,China)

An adaptive neuro-fuzzy inference system(ANFIS)based predictor-corrector guidance is proposed for the nonlinearity of the reentry kinematic equations of hypersonic vehicles.The energy-based three degrees of freedom reentry kinematic equations are established,and the longitudinal and lateral guidance laws are designed.For the longitudinal guidance,an ANFIScontroller is designed by taking energy and range error as system inputs and bank angle variation as system output.The lateral guidance is based on the approximate linearity between crossrange and energy.A lateral reversal logic based on the cross range corridor is designed.Simulation results show that the proposed guidance law has the advantages of less calculating time and high guidance precision,and is not sensitive to the initial errors and disturbances.

control science and technology;reentry guidance;predictor-corrector;hypersonic vehicle; adaptive neuro-fuzzy inference system

V448.234

A

1000-1093(2014)12-2016-07

10.3969/j.issn.1000-1093.2014.12.013

2014-02-24

國(guó)家自然科學(xué)基金項(xiàng)目(61074027、61273083);國(guó)防預(yù)先研究項(xiàng)目(9140C48020212HK0101)

冉茂鵬(1990—),男,博士研究生。E-mail:rmppinbo@asee.buaa.edu.cn;

王青(1968—),女,教授,博士生導(dǎo)師。E-mail:wangqing@buaa.edu.cn