林統(tǒng)喜 陸興華

摘 要：當(dāng)飛機(jī)在大回環(huán)飛行中，由于受到空氣動力學(xué)的擾動較大，需要進(jìn)行飛行姿態(tài)穩(wěn)定性控制，傳統(tǒng)方法采用分段線性化控制方法，在大擾動條件下，飛行過程中各段的控制誤差不斷方法，導(dǎo)致飛行穩(wěn)定性不好。提出一種基于自適應(yīng)反步跟蹤的飛行器反饋調(diào)整穩(wěn)定性控制算法。構(gòu)建大回環(huán)飛行中的飛行穩(wěn)定性控制的參量模型系統(tǒng)，考慮外界干擾的情況下，進(jìn)行飛行器反饋調(diào)整穩(wěn)定性控制目標(biāo)函數(shù)構(gòu)建，采用自適應(yīng)反步跟蹤方法擬合控制過程的狀態(tài)誤差響應(yīng)，實現(xiàn)控制器優(yōu)化設(shè)計。仿真結(jié)果表明，采用該算法進(jìn)行飛行器的穩(wěn)定性控制，系統(tǒng)誤差受到外界擾動的影響較小，控制器的自適應(yīng)收斂性較高，展示了較好的應(yīng)用性能。

關(guān)鍵詞：自適應(yīng)；反步跟蹤；飛行器控制；反饋調(diào)整

中圖分類號：TP276 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-2163（2016）02-

Feedback stabilization control algorithm based on adaptive backstepping tracking

LIN Tongxi1 ，LU Xinghua2

（1 Guangzhou Huali Science and Technology Vocational College Zengcheng District， Zengcheng Guangdong 511325，China ； 2 Huali College Guangdong University of Technology， Zengcheng Guangzhou 511325， China）

Abstract： When the aircraft in a large loop flight， due to aerodynamic perturbation is larger， it needs to control the flight attitude stability， the traditional method using piecewise linearization control method， under large disturbance conditions. During the flight of the segments of the control error continuous method， leading to flight stability. An adaptive backstepping control algorithm based on adaptive backstepping is proposed. Build a giant flying in the flight stability control parameter model system， consider outside interference， aircraft feedback adjustment stability control objective function was constructed， using adaptive backstepping tracking method fitting process of the state error and response control， realize the control for optimization design. The simulation results show that this algorithm is used to control the stability of the vehicle， the system error is less affected by external disturbance， the adaptive convergence of the controller is higher， and the performance of the system is demonstrated.

Key words： adaptive； backstepping tracking； aircraft control； feedback adjustment

0 引言

隨著自動控制技術(shù)的發(fā)展，采用自適應(yīng)自動控制處理技術(shù)進(jìn)行模式識別、組合優(yōu)化和人工智能控制，實現(xiàn)控制信息的自適應(yīng)處理，提高自動控制系統(tǒng)的穩(wěn)定性。自動控制技術(shù)在探測制導(dǎo)、飛行器控制、魚雷控制和導(dǎo)彈控制等領(lǐng)域展示了較好的民用和軍用價值。在飛行器控制中，在極端飛行環(huán)境下，受到大擾動誤差和劇烈飛行等因素的影響，導(dǎo)致飛行穩(wěn)定性受限，需要進(jìn)行飛行器的穩(wěn)定性跟蹤控制，提高飛行器的姿態(tài)平穩(wěn)性。因此，研究飛行姿態(tài)穩(wěn)定性控制算法，在飛行控制和設(shè)計中具有較好的應(yīng)用價值，相關(guān)的算法研究受到人們的極大重視。

傳統(tǒng)方法中，對飛行器穩(wěn)定性控制算法主要有基于神經(jīng)網(wǎng)絡(luò)模糊控制的反饋調(diào)制算法，基于模糊推理機(jī)的飛行器控制算法和基于線性擾動特征分解的飛行控制算法等，上述方法采用非線性控制器，使控制器參數(shù)在有限個線性模型之間連續(xù)變化，會出現(xiàn)抖振和跟蹤誤差，同時會帶來系統(tǒng)參數(shù)不確定性的問題[1-3]。對此，相關(guān)文獻(xiàn)進(jìn)行了算法改進(jìn)設(shè)計，其中，文獻(xiàn)[4]提出一種基于常規(guī)積分滑膜雙曲正切模型跟蹤的飛行器穩(wěn)定性控制算法，設(shè)計廣義模糊雙曲正切模型，進(jìn)行飛行狀態(tài)的誤差修正，提高了飛行穩(wěn)定性，但是該控制算法存在計算開銷過大，自適應(yīng)收斂性能不好的問題；文獻(xiàn)[5]提出一種基于頻域徙動特征挖掘的飛行器反饋調(diào)整穩(wěn)定性控制算法，采用單頻脈沖信號檢測理論，結(jié)合高階統(tǒng)計量特征提取進(jìn)行控制算法設(shè)計，提高控制穩(wěn)定性，但是該算在進(jìn)行飛行控制中，受到波束主瓣寬度的影響較大，導(dǎo)致控制系統(tǒng)的穩(wěn)定性和收斂性不好[6-8]。針對上述問題，本文提出一種基于自適應(yīng)反步跟蹤的飛行器反饋調(diào)整穩(wěn)定性控制算法。構(gòu)建大回環(huán)飛行中的飛行穩(wěn)定性控制的參量模型系統(tǒng)，考慮外界干擾的情況下，進(jìn)行飛行器反饋調(diào)整穩(wěn)定性控制目標(biāo)函數(shù)構(gòu)建，采用自適應(yīng)反步跟蹤方法擬合控制過程的狀態(tài)誤差響應(yīng)，實現(xiàn)控制器優(yōu)化設(shè)計。最后通過仿真實驗進(jìn)行了性能測試和驗證，展示了本文算法在實現(xiàn)飛行器優(yōu)化控制中的有效性能，得出有效結(jié)論，展示了較好的應(yīng)用價值。

1 飛行穩(wěn)定性控制的約束參量與控制目標(biāo)模型構(gòu)建

1.1 大回環(huán)飛行中的飛行穩(wěn)定性控制的參量模型

為了實現(xiàn)對大回環(huán)飛行中的飛行器的穩(wěn)定性控制，首先構(gòu)建控制參量模型，假定采用最小信息熵泛函方法進(jìn)行反演控制，飛行器在大回環(huán)飛行中因變量自變量的 組觀測值為：

從圖可見，采用本文算法進(jìn)行飛行器的穩(wěn)定性控制，姿態(tài)角調(diào)整的收斂性和連續(xù)性較好，表明采用該算法進(jìn)行飛行器的穩(wěn)定性控制，系統(tǒng)誤差受到外界擾動的影響較小，展示了較好的控制性能。

4 結(jié)束語

本文提出一種基于自適應(yīng)反步跟蹤的飛行器反饋調(diào)整穩(wěn)定性控制算法。構(gòu)建大回環(huán)飛行中的飛行穩(wěn)定性控制的參量模型系統(tǒng)，考慮外界干擾的情況下，進(jìn)行飛行器反饋調(diào)整穩(wěn)定性控制目標(biāo)函數(shù)構(gòu)建，采用自適應(yīng)反步跟蹤方法擬合控制過程的狀態(tài)誤差響應(yīng)，實現(xiàn)控制器優(yōu)化設(shè)計。仿真結(jié)果表明，采用該算法進(jìn)行飛行器的穩(wěn)定性控制，系統(tǒng)誤差受到外界擾動的影響較小，控制器的自適應(yīng)收斂性較高，展示了較好的應(yīng)用價值。

參考文獻(xiàn)

[1] DUFRENOIS F. A one-class kernel fisher criterion for outlier detection[J]. IEEE Transactions on Neural Networks & Learning Systems， 2014， 26（5）： 982-994.

[2] GAO X， LU T， LIU P， et al. A soil moisture classification model based on SVM used in agricultural WSN[C]. 2014 IEEE 7th Joint International， Information Technology and Artificial Intelligence Conference （ITAIC）， Chongqing， 2014： 432-436.

[3] SEOK K. Semi-supervised regression based on support vector machine[J]. Computer Engineering & Applications， 2014， 25（2）： 447-454.

[4] PLAN Y and VERSHYNIN R. Robust 1-bit compressed sensing and sparse logistic regression： A convex programming approach[J]. IEEE Transactions on Information Theory， 2013， 59（1）： 482-494.

[5] 侯森， 羅興國， 宋克. 基于信息源聚類的最大熵加權(quán)信任分析算法[J]. 電子學(xué)報， 2015， 43（5）： 993-999. （HOU Sen， LUO Xing-guo， SONG Ke. A Maximum Entropy Weighted Trust-Analysis Algorithm Based on Sources Clustering[J]. Chinese Journal of Electronics， 2015， 43（5）： 993-999.）

[6] 孫淑杰， 侯立剛， 蘇成利， 徐利軍. 一種基于虛擬參考反饋調(diào)整的無模型自適應(yīng)控制[J]. 信息與控制， 2012，41（5）： 602-607，616.（ SUN Shujie， HOU Ligang， SU Chengli， XU Lijun. A Model Free Adaptive Control Based on VRFT[J]. 信息與控制， 2012，41（5）： 602-607，616.）

[7] 范永青 王文慶 江祥奎 王麗楊. 一類非線性系統(tǒng)的廣義模糊雙曲正切模型自適應(yīng)控制器設(shè)計[J]. 控制與決策， 2016， 31（03）： 417-422.

[8] ZHANG J L， ZHANG H G， LUO Y H， et al. Nearly optimal control scheme using adaptive dynamic programming based on generalized fuzzy hyperbolic model[J]. Acta Automatica Sinica， 2013， 39（2）： 142-149.

[9] Zhang H G， Liu X R， Gong Q X， et al. New sufficient conditions for robust fuzzy hyperbolic tangent control of uncertain nonlinear systems with time-varying delay[J]. Fuzzy Sets and Systems， 2010， 161（15）： 1993-2011.

[10] 呂慶， 方勇純， 任逍. 加速抑制隨機(jī)初態(tài)誤差影響的迭代學(xué)習(xí)控制[J]. 自動化學(xué)報， 2014， 40（7）： 1295-1302.