-
摘要: 考虑甲板运动和舰尾流等扰动影响下的舰载机着舰轨迹跟踪问题, 提出一种基于预定义时间的自适应抗干扰控制策略. 建立着舰轨迹生成、引导、控制和进近动力补偿等子系统, 将轨迹跟踪问题转换为子系统的稳定问题. 针对舰尾流引起的时变扰动和甲板运动对理想着舰点的变化影响, 采用长短记忆神经网络进行甲板运动预估并在引导指令中予以修正, 借助非线性扰动观测器估计未知干扰对模型集总外界扰动进行前馈补偿. 为提升着舰轨迹跟踪与姿态控制的精确性和快速性, 设计基于反步架构的预定义时间控制策略, 通过李雅普诺夫稳定性分析证明了系统能够在设定的时间内收敛. 数字和半实物仿真结果表明, 在甲板运动和舰尾流扰动影响下所设计的控制策略能够满足着舰轨迹的快速准确跟踪, 实现预定义时间稳定.Abstract: Considering the landing trajectory tracking of carrier-based aircraft under the influence of deck motion and ship wake, an adaptive robust control strategy based on predefined time is proposed in this paper. The subsystems for ship trajectory generation, guidance, control, and approach power compensation are established, transforming the trajectory tracking problem into a stability problem for these subsystems. To address the time-varying disturbances caused by ship wake and deck motion on the ideal landing point, a long short-term memory neural network is utilized for deck motion estimation, and a nonlinear disturbance observer is designed to estimate unknown disturbances. To enhance the accuracy and speed of landing trajectory tracking and attitude control, a predefined time control strategy based on backstepping architecture has been developed. Lyapunov stability analysis demonstrates that the system can converge within the set time. The numerical and Hardware-in-Loop(HIL) simulation results indicate that the control strategy designed to account for deck motion and ship wake disturbances can meet the requirements for fast and accurate tracking of carrier-based aircraft landing trajectories while achieving predefined time stability.
-
Key words:
- Landing control /
- ship wake /
- deck movement /
- long-short memory neural network /
- predefined-time control
-
舰载机是依托航母为起降平台, 执行海战中侦查、预警、电子干扰与目标攻击等任务的关键力量. 作为实际对抗的前提, 舰载机的安全起降是航母强大战斗力与生存能力的有效保证, 也是各国航母作战系统中的一项关键技术[1]. 尤其在着舰时, 面向舰尾流扰动、甲板运动及系统自身通道耦合与时延等不利因素影响需要将飞机精确降落到狭小的甲板上, 是整个过程中危险程度与事故率最高的阶段. 因此, 舰载机着舰系统对轨迹跟踪鲁棒性、精确性及快速性有严格要求, 着舰控制依旧存在诸多挑战[2−3].
考虑舰载机着舰过程中存在舰尾流和甲板运动等外界干扰, 文献[4]对“魔毯”着舰控制技术进行研究, 并进一步分析了不同控制模态的舰尾流抑制能力. 文献[5]采用扰动观测器估计舰尾流扰动并获取甲板运动量测信息进行实时补偿, 设计了基于自适应逆最优控制的自动着舰方法. 文献[6] 借助非奇异快速终端滑模观测器估计舰尾流扰动, 设计基于反步法的控制策略并考虑执行机构物理约束, 提升着舰姿态的稳定性. 为进一步实现甲板运动的有效估计, 文献[7−9] 基于自回归AR模型、移动平均模型MA和粒子滤波对甲板运动进行预测. 部分研究引入BP[10]和RNN[11] 等神经网络模型, 借助深度学习进行甲板运动预估[12]. 但BP神经网络忽视数据的时序性, RNN虽然考虑了时序性, 却容易受到梯度消失和梯度爆炸等影响, 不适用于长相关性数据预测. 而基于长短记忆(Long short term memory, LSTM)神经网络通过添加门结构与单元状态, 有效避免了RNN的缺陷[13], 成为甲板运动预测的有效方法[14−15].
为提升着舰轨迹跟踪控制性能, 部分学者考虑在控制器设计中引入预设性能或障碍李雅普诺夫函数, 对跟踪误差或着舰姿态进行直接限制, 抑制其幅值及波动. 文献[16]采用时变矢量制导律计算随甲板运动变化的着舰引导指令, 借助性能函数提升着舰控制精度. 文献[17]设计基于反步架构的预设性能着舰控制策略, 将着舰轨迹跟踪误差限制在设置的性能范围内. 部分研究考虑直接升力控制技术, 实现低动压和低速状态下减小飞行轨迹跟踪误差[18]. 文献[19]基于多操纵面分配的综合直接力着舰控制方法, 降低升降舵配平能力需求并减小操纵负担. 文献[20]考虑将用于航迹跟踪与姿态控制的变量进行解耦, 提出基于非线性动态逆控制框架下的直接升力着舰策略, 实现姿态控制与航迹误差的准确修正. 文献[21]在直接升力控制中应用深度强化学习更新参数, 设计基于近端策略优化算法的自动着舰纵向控制器, 提升执行机构的响应速度并降低动态误差.
上述控制器应用在舰载机着舰控制系统中, 其收敛特性往往为渐进收敛, 稳定时间较长且不利于着舰时的姿态稳定. 而在舰载机着舰时为确保成功率, 控制器误差必须在短时间内收敛. 针对该问题, 部分研究采用有限时间控制策略, 文献[22]针对无人机自动着舰系统设计自适应神经网络有限时间滑模控制方法; 文献[23]利用扰动观测器估计外部扰动, 借助有限时间滑模鲁棒控制保证着舰轨迹和姿态跟踪的快速收敛. 然而有限时间控制的收敛时间与系统初值密切相关, 不同的初值的收敛时间不尽相同. 为改进这一缺陷, 部分研究考虑采用固定时间策略, 文献[24]基于固定时间制导律调整着舰轨迹, 设计非奇异快速终端积分滑模控制器提升收敛速度. 文献[25]进一步考虑着舰过程中的状态约束, 采用基于障碍李雅普诺夫函数的固定时间控制方法, 保证位置跟踪误差在固定时间收敛时姿态跟踪不超过约束边界. 虽然固定时间控制保证收敛时间是与初值无关的常数, 但该数值通常是系统参数的复杂函数, 难以根据实际工况和任务约束进行调整, 限制了其在工程实际中的应用.
针对已有研究的局限性, 部分学者提出预定义时间控制[26−27], 该方法引入了时间常数与控制参数之间的显示关系, 其收敛时间不仅与系统初值无关, 而且可以通过控制器参数自由设置. 文献[28−29]分别给出基于预定义时间的反步法控制和自适应滑模控制框架. 文献[30]针对非线性多智能体系统给出了基于预定义时间的自适应复合学习控制方法, 保证了系统内信号和轨迹跟踪误差能够在设定的时间内稳定. 工程中, 典型的应用场景是机械臂末端轨迹控制[31−32]、受油机姿态稳定控制[33] 等系统, 但在舰载机着舰控制领域中鲜有报道.
基于以上分析, 本文建立了由着舰轨迹生成、着舰引导、姿态控制和进近动力补偿等子系统组成的舰载机着舰引导控制系统. 面向甲板运动和舰尾流等复杂扰动影响下的舰载机着舰轨迹跟踪问题, 设计了基于反步架构的预定义时间的自适应鲁棒控制方法. 不同于已有方法未能对收敛时间进行设置, 该方法在控制器设计中引入预定义时间结构项, 通过设定参数限制收敛时间. 考虑甲板运动引起的着舰点位置偏差, 采用LSTM神经网络进行预估并在着舰引导指令中予以修正, 减小轨迹跟踪控制误差. 借助扰动观测器估计舰尾流等引起的未知扰动, 实现系统集总不确定的前馈补偿. 通过数字仿真和半实物仿真进行验证, 仿真结果表明, 在甲板运动和舰尾流等扰动作用下, 所提方法能够实现舰载机着舰轨迹的快速准确跟踪, 飞机姿态在指定时间内收敛, 且跟踪精度更高、稳定性更好.
1. 问题描述
1.1 舰载机模型
考虑如下舰载机动力学模型[34]
$$ \begin{equation} \left\{ \begin{aligned} &\dot X = V\cos \gamma \cos \chi \\ &\dot Y = V\cos \gamma \sin \chi \\ &\dot Z = - V\sin \gamma \end{aligned} \right. \end{equation} $$ (1) $$ \left\{ \begin{aligned} &\dot V = (T\cos \alpha \cos \beta - D - mg\sin \gamma )/m \\ &\dot \chi = [T(\sin \alpha \sin \mu - \cos \alpha \sin \beta \cos \mu )+\\&\qquad L\sin \mu - Y\cos \mu ]/mV\cos \gamma \\& \dot \gamma = [T(\sin \mu \sin \beta \cos \alpha + \cos \mu \sin \alpha )+\\ &\qquad L\cos \mu + Y\sin \mu - mg\cos \gamma ]/mV \end{aligned} \right. $$ (2) $$ \left\{ {\begin{aligned} &{\dot p = ({c_1}r + {c_2}p)q + {c_3}l + {c_4}n}\\ &{\dot q = {c_5}pr - {c_6}({p^2} - {r^2}) + {c_7}m}\\ &{\dot r = ({c_8}p - {c_2}r)q + {c_4}l + {c_9}n} \end{aligned}} \right. $$ (3) $$ \left\{ \begin{aligned} &\dot \alpha = q - (p\cos \alpha + r\sin \alpha )-\\ &\qquad (\dot \gamma \cos \mu + \dot \chi \sin \mu \cos \gamma )/\cos \beta \\ &\dot \beta = p\sin \alpha - r\cos \alpha - \dot \gamma \sin \mu + \dot \chi \cos \mu \cos \gamma \\ &\dot \mu = \dot \chi (\sin \gamma + \cos \gamma \sin \mu \tan \beta ) + \dot \gamma \cos \alpha \tan \beta +\\ &\qquad (p\cos \alpha + r\sin \alpha )/\cos \beta \end{aligned} \right. $$ (4) 该模型的控制输入为$ {\boldsymbol{u}} = {\left[ {{\delta _e},\;{\delta _a},\;{\delta _r}} \right]^{\rm{T}}} $, 状态量为$ {\boldsymbol{x}} = {\left[ {\alpha ,\;\beta ,\;\mu ,\;p,\;q,\;r,\;V,\;\chi ,\;\gamma ,\;X,\;Y,\;Z} \right]^{\rm{T}}} $; $ V $, $ \alpha $和$ \beta $分别表示飞行速度、迎角和侧滑角; $ p $, $ q $和$ r $分别表示在机体坐标系下舰载机绕三轴转动的角速率; $ \chi $, $ \gamma $和$ \mu $分别表示航迹方位角、航迹倾斜角和航迹滚转角; $ X $, $ Y $和$ Z $分别表示惯性坐标系下舰载机的三轴位置; $ m $表示舰载机重量, $ g $表示重力加速度常数; $ T $表示发动机推力, $ {c_i}(i = 1,\;\cdots,\;8) $均表示转动惯量系数[24]; $ L $, $ D $和$ Y $分别表示升力、阻力和侧力; $ l $, $ m $和$ n $分别表示滚转力矩、俯仰力矩和偏航力矩, 其表达式分别为
$$ \begin{split} &\left[ {\begin{array}{*{20}{l}} L\\ D\\ Y \end{array}} \right] = \bar qS\left[ {\begin{array}{*{20}{l}} {({C_{L0}} + {C_{L\alpha }}\alpha )}\\ {({C_{D0}} + {C_{D\alpha }}\alpha + {C_{D{\alpha ^2}}}{\alpha ^2})}\\ {{C_{Y\beta }}\beta } \end{array}} \right]\\& \left[ {\begin{array}{*{20}{l}} l\\ m\\ n \end{array}} \right] = \bar qS\left[ {\begin{array}{*{20}{l}} {b{C_{ltot}}}\\ {\bar c{C_{mtot}}}\\ {b{C_{ntot}}} \end{array}} \right] \end{split} $$ 其中,
$$ \begin{split} &{C_{ltot}} = {C_{l\beta }}\beta + {C_{lp}}\frac{{bp}}{{2V}} + {C_{lr}}\frac{{br}}{{2V}} + {C_{l{\delta _a}}}{\delta _a} + {C_{l{\delta _r}}}{\delta _r}\\ &{C_{mtot}} = {C_{m0}} + {C_{m\alpha }}\alpha + {C_{mq}}\frac{{cq}}{{2V}} + {C_{m{\delta _e}}}{\delta _e}\\ &{C_{ntot}} = {C_{n\beta }}\beta + {C_{np}}\frac{{bp}}{{2V}} + {C_{nr}}\frac{{br}}{{2V}} + {C_{n{\delta _a}}}{\delta _a} + {C_{n{\delta _r}}}{\delta _r} \end{split} $$ 式中, $ \bar q = 0.5\rho {V^2} $表示动压, $ \rho $表示空气密度, $ S $表示机翼面积, $ \bar c $表示平均气动弦长, $ b $表示机翼展长, $ {\delta _e} $, $ {\delta _a} $和$ {\delta _r} $分别表示升降舵、副翼和方向舵偏角. $ {C_{ij}}\;(i = L,\;D,\;Y,\;l,\;m,\;n$; $j \,= \,0,\;\alpha ,\;\beta ,\;p,\;q,\;r,\; {\delta _e}, {\delta _a},\;{\delta _r}) $均表示气动参数.
1.2 甲板运动模型
航母在航行中受到海浪无规则波动引起的舰体运动, 造成理想着舰点不断变化, 影响着舰位置精度. 甲板运动可以近似为沿舰体三轴的线运动纵荡$ \Delta {x_s} $、横摇$ \Delta {y_s} $和垂荡$ \Delta {z_s} $, 绕舰体三轴的角运动纵摇$ \theta_s $、横摇$ \varphi _s $和艏摇$ \psi_s $. 引入平稳随机过程理论并借助传递函数描述甲板运动, 线运动和角运动传递函数可表示为
$$ \begin{split}& {G_T}(s) = \frac{{{b_3}{s^2} + {b_2}s + {b_1}}}{{{s^4} + {a_4}{s^3} + {a_3}{s^2} + {a_2}s + {a_1}}}\\& {G_A}(s) = \frac{{{o_3}{s^2} + {o_2}s + {o_1}}}{{{s^4} + {h_4}{s^3} + {h_3}{s^2} + {h_2}s + {h_1}}} \end{split} $$ (5) 式中, $ a_i $、$ b_j $、$ h_i $和$ {o_j}(i = 1,\;2,\;3,\;4;j = 1,\;2,\;3) $分别表示传递函数参数值.
受甲板运动影响, 理想着舰点位置变化为:
$$ \left\{ \begin{aligned} &{x_c} = {V_s}t\cos ({\psi _s} + {\psi _0}) + \Delta {x_1} + \Delta {x_2}\\ &{y_c} = {V_s}t\sin ({\psi _s} + {\psi _0}) + \Delta {y_1} + \Delta {y_2}\\& {z_c} = \Delta {z_1} + \Delta {z_2} \end{aligned} \right. $$ (6) 式中, $ V_s $表示航母的前进速度, $ \psi _0 $表示航母的速度方向与斜角甲板中心线之间的夹角, $ \left[ {\Delta {x_1},\;\Delta {y_1},\;\Delta {z_1}} \right] $和$ \left[ {\Delta {x_2},\;\Delta {y_2},\;\Delta {z_2}} \right] $分别表示甲板运动的平动和转动, 具体的表达式为
$$\left\{ \begin{aligned} &\Delta {x_1} = \Delta {x_s}\cos {\psi _s} - \Delta {y_s}\sin {\psi _s}\\& \Delta {y_1} = \Delta {y_s}\sin {\psi _s} + \Delta {y_s}\cos {\psi _s}\\ &\Delta {z_1} = \Delta {z_s} \end{aligned} \right. $$ (7) $$ \left\{ \begin{aligned} \Delta {x_2} = \;&- {L_{TD}}\cos {\psi _s} + {L_{TD}} - {Y_{TD}}\sin {\psi _s}-\\ & {G_{TD}}\sin {\theta _s}\cos {\psi _s}\\ \Delta {y_2} =\;& - {L_{TD}}\sin {\psi _s} + {Y_{TD}}\cos {\psi _s} - {Y_{TD}}+\\ &{G_{TD}}\sin {\varphi _s}\cos {\psi _s}\\ \Delta {z_2} =\;& {L_{TD}}\sin {\theta _s} + {Y_{TD}}\sin {\varphi _s}-\\ & {G_{TD}}\sin {\varphi _s}\cos {\theta _s} + {G_{TD}} \end{aligned} \right. $$ (8) 式中, $ {L_{TD}} $、$ {Y_{TD}} $和$ {G_{TD}} $均表示理想着舰点与航母舰体重心之间的三轴轴向距离.
1.3 舰尾流扰动模型
舰载机着舰过程中通常受到舰尾流扰动, 参考标准MIL-F-8785C, 典型舰尾流扰动表达式为
$$ \begin{equation} \left\{ \begin{aligned}& {u_g} = {u_1} + {u_2} + {u_3} + {u_4}\\& {v_g} = {v_1} + {v_2}\\& {w_g} = {w_1} + {w_2} + {w_3} + {w_4} \end{aligned} \right. \end{equation} $$ (9) 式中, $ u_g $、$ v_g $和$ w_g $分别表示舰尾流水平分量、横向分量和垂直分量, $ u_i $、$ v_i $和$ {w_i}(i = 1,\;2,\;3,\;4) $分别表示舰尾流扰动的随机大气紊流、舰尾流稳态分量、周期性分量及随机扰动四个组成部分.
1.4 控制目标
考虑舰载机动力学、舰尾流扰动和甲板运动模型, 本文的控制目标是针对着舰过程中面临复杂风场和甲板运动等多种干扰下的轨迹跟踪控制需求, 借助LSTM神经网络预估甲板运动并将其作为校正信息引入着舰引导, 采用非线性扰动观测器估计风干扰影响并进行补偿, 结合预定义时间控制律设计得到着舰末端自适应抗干扰控制器, 实现复杂扰动情形下的快速准确降落至理想着舰点, 保障着舰成功率. 整个着舰引导控制系统结构由着舰轨迹生成、着舰引导、着舰姿态控制和进近动力补偿等系统组成, 如图1所示.
2. 着舰轨迹生成与着舰引导系统
2.1 基于甲板运动预估的着舰轨迹生成系统
定义舰载机理想着舰轨迹$ {{\boldsymbol{p}}_1} = {[{x_g},\;{y_g},\;{z_g}]^{\rm{T}}} $, 其中$ {x_g} = X $和$ {y_g} = y_c $分别表示舰载机在惯性坐标系下纵轴的位置和理想着舰点的横向位置, $ z_g $表示为
$$ \begin{equation} {z_g} = \left\{ \begin{aligned} &h,&&\frac{{{x_c} - x \ge h}}{{\tan {\gamma _\tau }}}\\&({x_c} - x)\tan {\gamma _\tau }{\kern 1pt} ,&& {\mathrm{else}} \end{aligned} \right. \end{equation} $$ (10) 式中, $ h $和$ \gamma _\tau $分别表示舰载机相对航母甲板在惯性系下的高度和下滑航迹角, 均为常值. 舰尾流和海浪波动等扰动使得理想着舰点不断变化, 产生侧偏距和高度偏差. 为抵消该偏差, 通常在着舰引导指令中进行补偿. 由于数据传输和系统响应的延迟, 需要超前叠加补偿指令. 本文采用基于LSTM的甲板运动预测方法, 通过甲板运动历史数据采集并训练神经网络对其进行预测, 实现超前补偿.
LSTM包括遗忘门、输入门和输出门. 上述结构控制信息的流动, 使得记忆单元状态$ {c_t} $通过不同的门进行更新与调整. 遗忘门提供$ {c_t} $被舍弃的比例, 输入门负责更新$ {c_t} $, 输出门改变$ {c_t} $影响当前隐藏状态$ {h_t} $, 使得LSTM能够在长时间跨度上保留与更新甲板运动信息, 如图2所示.
遗忘门可表示为
$$ \begin{equation} {f_t} = \sigma ({W_f}{h_{t - 1}} + {U_f}{x_t} + {b_f}) \end{equation} $$ (11) 式中, $ {f_t} \in (0,\;1) $为保留的历史信息比例, $ {h_{t - 1}} $和$ {x_t} $分别表示上一拍的隐藏状态和当前拍的甲板运动信息, $ {W_f} $和$ {U_f} $均为权值矩阵, $ {b_f} $表示偏置数值, $ \sigma $表示sigmoid激活函数, 其表达式为
$$ \begin{equation} \sigma (x) = 1/(1 + {{\rm{e}}^{ - x}}) \end{equation} $$ (12) 输入门可表示为
$$ \begin{equation} {\tilde c_t} = {i_t} \cdot \tanh ({W_c}{h_{t - 1}} + {U_c}{x_t} + {b_c}) \end{equation} $$ (13) 式中, $ {\tilde c_t} $表示待选择的记忆单元状态, $ {W_c} $和$ {U_c} $均为权值矩阵, $ {b_c} $为偏置数值, $ {i_t} $表示选择系数, 其表达式为
$$ \begin{equation} {i_t} = \sigma ({W_i}{h_{t - 1}} + {U_i}{x_t} + {b_i}) \end{equation} $$ (14) 式中, $ {W_i} $和$ {U_i} $均为权值矩阵, $ {b_i} $为偏置数值.
输出门可表示为
$$ \begin{equation} {o_t} = \sigma ({W_o}{h_{t - 1}} + {U_o}{x_t} + {b_o}) \end{equation} $$ (15) 式中, $ {W_o} $和$ {U_o} $均为权值矩阵, $ {b_o} $为偏置数值.
结合遗忘门和输入门的输出信息, 更新当前拍的记忆单元状态$ {c_t} $为
$$ \begin{equation} {c_t} = {f_t} \cdot {c_{t - 1}} + {i_t} \cdot {\tilde c_t} \end{equation} $$ (16) 将当前拍的隐藏状态$ {h_t} $作为的LSTM单元输出信息和下一拍的输入量, 其表达式为
$$ \begin{equation} {h_t} = {o_t} \cdot \tanh ({c_t}) \end{equation} $$ (17) 通过LSTM输出信息$ h_t $能够获得预估的甲板运动信息$ {x_p} $
$$ \begin{equation} {x_p} = {W_p} \cdot {h_t} + {b_p} \end{equation} $$ (18) 2.2 着舰引导系统
定义2.1节得到的舰载机期望侧向和纵向着舰轨迹为$ {{\boldsymbol{x}}_{1r}}{ = }{[{y_r},\;{z_r}]^{\rm{T}}} $, 实时位置为$ {{\boldsymbol{x}}_1}{ = }{[y,\;z]^{\rm{T}}} $, 令$ {{\boldsymbol{x}}_{1r}} $通过一阶滤波器, 可得
$$ \begin{equation} {\kappa _0}{{\dot{\boldsymbol{x}}}_{1\bar c}} + {{\boldsymbol{x}}_{1\bar c}} = {{\boldsymbol{x}}_{1r}} \end{equation} $$ (19) 式中, $ {{\boldsymbol{x}}_{1\bar c}}(0) = {{\boldsymbol{x}}_{1r}}(0) $, $ {\kappa _0} > 0 $为设计参数.
定义期望轨迹的跟踪误差为$ {{{\boldsymbol{e}}_{{{{\boldsymbol{x}}}_{\bf{1}}}}}} = {{\boldsymbol{x}}_{1\bar c}} - {{\boldsymbol{x}}_1} $, 设计着舰引导律为
$$ \begin{equation} {{\dot{\boldsymbol{x}}}_{1d}} = {{\bar{\boldsymbol{K}}}_1}{\mathop{\rm sgn}} ({{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}) {\left\| {{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}} \right\|^{0.5}} + {{\boldsymbol{K}}_1}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}} + {{\dot{\boldsymbol{x}}}_{1\bar c}} \end{equation} $$ (20) 式中, $ {{\boldsymbol{K}}_1} = {\rm{diag}} \{{k_{11}},\;{k_{12}}\} $和$ {{\bar{\boldsymbol{K}}}_1} = {\rm{diag}} \{{\bar k_{11}},\;{\bar k_{12}}\} $为正定矩阵, $ {{\boldsymbol{x}}_{1d}}{ = }{[{y_d},\;{z_d}]^{\rm{T}}} $.
选择李雅普诺夫函数为
$$ \begin{equation} {V_1} = 0.5{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}} + 0.5{\boldsymbol{\varepsilon }}_1^{\rm{T}}{{\boldsymbol{\varepsilon }}_1} \end{equation} $$ (21) 式中, $ {{\boldsymbol{\varepsilon }}_1} = {{\boldsymbol{x}}_{1\bar c}} - {{\boldsymbol{x}}_{1r}} $, 对$ {V_1} $求导可得
$$ \begin{split} {{\dot V}_1} =\;& - {\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}({{{\bar{\boldsymbol{K}}}}_1}{\mathop{\rm sgn}} ({{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}){\left\| {{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}} \right\|^{0.5}}{ + }{{\boldsymbol{K}}_1}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}) - \\ &\kappa _0^{ - 1}{\boldsymbol{\varepsilon }}_1^{\rm{T}}{{\boldsymbol{\varepsilon }}_1} - {\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}({{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}) - {\boldsymbol{\varepsilon }}_1^{\rm{T}}{{{\dot{\boldsymbol{x}}}}_{1r}} \end{split} $$ (22) 进一步可得
$$ \begin{split} {{\dot V}_1} \le\;& - {\lambda _{\min }}({{{\bar{\boldsymbol{K}}}}_1}){\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{\mathop{\rm sgn}} ({{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}){\left\| {{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}} \right\|^{0.5}} - \\ &{\lambda _{\min }}({{\boldsymbol{K}}_1}){\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}} - \kappa _0^{ - 1}{\boldsymbol{\varepsilon }}_1^{\rm{T}}{{\boldsymbol{\varepsilon }}_1} - \\ & {\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}({{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}) - {\boldsymbol{\varepsilon }}_1^{\rm{T}}{{{\dot{\boldsymbol{x}}}}_{1r}} \end{split} $$ (23) 式中, $ {\lambda _{\min }}(*) $为矩阵的最小特征值.
考虑以下不等式
$$ \begin{equation} \left\{ \begin{aligned} &-{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}({{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}) \le 0.5{\sigma _1}{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}} + \\& \qquad 0.5\sigma _1^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}} \right\|^2}\\& - {\boldsymbol{\varepsilon }}_1^{\rm{T}}{{{\dot{\boldsymbol{x}}}}_{1r}} \le 0.5{\sigma _2}{\boldsymbol{\varepsilon }}_1^{\rm{T}}{{\boldsymbol{\varepsilon }}_1} + 0.5\sigma _2^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_{1r}}} \right\|^2} \end{aligned} \right. \end{equation} $$ (24) 式中, $ {\sigma _1} $和$ {\sigma _2} $为正常数.
带入式(23)可得
$$ \begin{split} {{\dot V}_1} \le\;& - {\lambda _{\min }}({{{\bar{\boldsymbol{K}}}}_1}){\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{\mathop{\rm sgn}} ({{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}){\left\| {{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}}} \right\|^{0.5}} + \\& 0.5\sigma _2^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_{1r}}} \right\|^2} - ({\lambda _{\min }}({{\boldsymbol{K}}_1}) - 0.5{\sigma _1}){\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}^{\rm{T}}{{\boldsymbol{e}}_{{{\boldsymbol{x}}_1}}} - \\ & (\kappa _0^{ - 1} - 0.5{\sigma _2}){\boldsymbol{\varepsilon }}_1^{\rm{T}}{{\boldsymbol{\varepsilon }}_1} + 0.5\sigma _1^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}} \right\|^2} \end{split} $$ (25) 设计参数使得$ \kappa _0^{ - 1} - 0.5{\sigma _2} $和$ {\lambda _{\min }}({{\boldsymbol{K}}_1}) - 0.5{\sigma _1} $均大于零, 式(25) 可进一步表示为
$$ \begin{equation} {\dot V_1} \le - 2{K_{v1}}{V_1} + {\sigma _{v1}} \end{equation} $$ (26) 式中, $ {K_{v1}} = \min \left\{ {{\lambda _{\min }}({{\boldsymbol{K}}_1}) - 0.5{\sigma _1},\;\kappa _0^{ - 1} - 0.5{\sigma _2}} \right\} $, $ {\sigma _{v1}} = 0.5\sigma _1^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_1} - {{{\dot{\boldsymbol{x}}}}_{1d}}} \right\|^2} + 0.5\sigma _2^{ - 1}{\left\| {{{{\dot{\boldsymbol{x}}}}_{1r}}} \right\|^2} $
由式(26)可得, 李雅普诺夫函数(21)中的信号有界稳定, 当舰载机前向速度和下滑速度确定时, 可求出期望航迹方位角和航迹倾斜角为
$$ \begin{equation} \left[ {\begin{array}{*{20}{c}} {{\chi _c}}\\ {{\gamma _c}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {\arctan ({{\dot y}_d}/\dot X)}\\ { - \arcsin ({{\dot z}_d}/V)} \end{array}} \right] \end{equation} $$ (27) 3. 着舰姿态控制与进近动力补偿系统
3.1 模型转换
将式(1) ~ (4)中的状态量转换为仿射形式, 定义$ {x_2} = \chi $, $ {{\boldsymbol{x}}_3} = {\left[ {\mu ,\;\theta ,\;\beta } \right]^{\rm{T}}} $, $ {{\boldsymbol{x}}_4} = {\left[ {p,\;q,\;r} \right]^{\rm{T}}} $, 并考虑舰尾流引起的时变扰动$ {d_i}(i = \chi ,\;\mu ,\;\theta ,\;\beta ,\;p,\;q,\;r,\;\alpha ) $, 则舰载机姿态控制和进近动力补偿子系统可表示为
$$ \begin{equation} \left\{ \begin{aligned} &{{\dot x}_2} = {f_2} + {g_2}\mu + {d_\chi }\\& {{{\dot{\boldsymbol{x}}}}_3} = {{\boldsymbol{f}}_3} + {{\boldsymbol{g}}_3}{{\boldsymbol{x}}_4} + {{\boldsymbol{d}}_3}\\ &{{{\dot{\boldsymbol{x}}}}_4} = {{\boldsymbol{f}}_4} + {{\boldsymbol{g}}_4}{\boldsymbol{u}} + {{\boldsymbol{d}}_4}\\ &\dot \alpha = {f_\alpha } + {g_\alpha }T + {d_\alpha } \end{aligned} \right. \end{equation} $$ (28) 式中, $ {f}_i $和$ {{\boldsymbol{g}}_i}(i = 1,\;2,\;3,\;4,\;\alpha ) $的详细表达式在后续各个子控制系统设计中给出, $ {{\boldsymbol{d}}_3} = {\left[ {{d_\mu },\;{d_\theta },\;{d_\beta }} \right]^{\rm{T}}} $, $ {{\boldsymbol{d}}_4} = {\left[ {{d_p},\;{d_q},\;{d_r}} \right]^{\rm{T}}} $.
3.2 着舰姿态控制系统
步骤1. 航迹方位角控制: 取姿态控制子系统中关于航迹方位角$ x_2 $的仿射形式表达式为
$$ \begin{equation} {\dot x_2} = {f_2} + {g_2}\mu + {d_\chi } \end{equation} $$ (29) 式中, $ {f_2} $和$ {g_2} $分别为
$$ \begin{split} &{f_2} = [T(\sin \alpha \sin \mu - \cos \alpha \sin \beta \cos \mu ) + \\ &\ \ \ \ \ \ \ L(\sin \mu - \mu ) - Y\cos \mu ]/mV\cos \gamma\\& {g_2} = L/mV\cos \gamma \end{split} $$ 期望航迹方位角信号$ x_c $通过一阶低通滤波器获取参考值及一阶导数
$$ \begin{equation} {\kappa _1}{\dot x_{2d}} + {x_{2d}} = {x_{2c}} \end{equation} $$ (30) 式中, $ {x_{2d}}(0) = {x_{2c}}(0) $, $ {\kappa _1} > 0 $为设计参数.
定义航迹方位角误差为$ {e_2} = {x_2} - {x_{2d}} $, 则航迹方位角误差动力学为
$$ \begin{equation} {\dot e_2} = {f_2} + {g_2}\mu + {d_\chi } - {\dot x_{2d}} \end{equation} $$ (31) 定义滑模面$ {s_2} $为
$$ \begin{split} &{s_2} = {e_2} + {\Phi _2}\\ &{\Phi _2} = \frac{\pi }{{2{\eta _3}{T_{c3}}\sqrt {{n_{\chi 1}}{n_{\chi 2}}} }}({n_{\chi 1}}V_{21}^{ - \frac{{{\eta _3}}}{2}} + {n_{\chi 2}}V_{21}^{\frac{{{\eta _3}}}{2}}){{\dot e}_2} \end{split} $$ (32) 式中, $ {\eta _3} \in (0,\;1) $, $ {n_{\chi 1}} > 0 $, $ {n_{\chi 2}} > 0 $均表示设计参数, $ {T_{c3}} > 0 $为预定义时间常数, 选择航迹方位角误差的李雅普诺夫函数为$ {V_{21}} = 0.5e_2^{\rm{T}}{e_2} $.
对$ s_2 $求导可得
$$ \begin{equation} {\dot s_2} = {f_2} + {g_2}\mu + {d_\chi } - {\dot \chi _d} + {\dot \Phi _2} \end{equation} $$ (33) 设计虚拟控制输入$ \mu_c $为
$$ \begin{split} {\mu _c} =\;& g_2^{ - 1}\Big[ \frac{\pi }{{2{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}{s_2}({n_{\chi 3}}V_{22}^{ - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{\frac{{{\eta _4}}}{2}}) - \\ &{f_2} - {{\overset{\frown} d}_\chi } + {{\dot \chi }_d} - {\dot{ {\overset{\frown} \Phi} }_2}\Big] \\[-1pt]\end{split} $$ (34) 式中, $ {\eta _4} \in (0,\;1) $, $ {n_{\chi 3}} > 0 $, $ {n_{\chi 4}} > 0 $均表示设计参数, $ {T_{c4}} > 0 $为预定义时间常数, $ {\dot{ {\overset{\frown} \Phi} }_2} $为参考信号$ {\Phi _2} $通过TD跟踪微分器后得到的数值微分信号. $ {{\overset{\frown} d} _\chi } = {\hat d_\chi }{\mathop{\rm sgn}} ({s_2}) $, $ {\hat d_\chi } $表示扰动估计值, 估计误差为$ {\tilde d_\chi } = {d_\chi } - {\hat d_\chi } $, $ {V_{22}} $的表达式为
$$ \begin{equation} {V_{22}} = 0.5s_2^{\rm{T}}{s_2} + 0.5\tilde d_\chi ^{\rm{T}}{\tilde d_\chi } \end{equation} $$ (35) 设计扰动观测器为
$$ \begin{split} &{{\hat d}_\chi } = {K_2}(\chi - {D_2})\\ &{{\dot D}_2} = {{\hat d}_\chi } + {f_2} + {g_2}\mu - \\& \ \ \ \ {\kern 11pt} \frac{{\pi K_2^{ - 1}}}{{2{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}{{\tilde d}_\chi }({n_{\chi 3}}V_{22}^{ - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{\frac{{{\eta _4}}}{2}}) \end{split} $$ (36) 式中, $ {K_2} > 0 $为设计参数.
则$ {\tilde d_\chi } $的导数为
$$ \begin{split} {\dot{ \tilde d}_\chi } =\;& {{\dot d}_\chi } - {K_2}{{\tilde d}_\chi } - \\ & \frac{\pi }{{2{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}{{\tilde d}_\chi }({n_{\chi 3}}V_{22}^{ - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{\frac{{{\eta _4}}}{2}}) \end{split} $$ (37) 步骤2. 姿态角控制: 在舰载机着舰过程中, 期望的侧滑角$ {\beta _r} = 0 $, 期望的攻角$ \alpha_r $保持配平攻角, 当$ \beta = 0 $时, 有$ \theta = \alpha + \gamma $, 则期望的俯仰角为$ {\theta _c} = {\alpha _r} + {\gamma _c} $. 取姿态控制子系统中关于航迹滚转角、俯仰角和侧滑角$ {{\boldsymbol{x}}_3} $的仿射形式表达式为
$$ \begin{equation} {{\dot{\boldsymbol{x}}}_3} = {{\boldsymbol{f}}_3} + {{\boldsymbol{g}}_3}{{\boldsymbol{x}}_4} + {{\boldsymbol{d}}_3} \end{equation} $$ (38) 式中, $ {{\boldsymbol{f}}_3} $和$ {{\boldsymbol{g}}_3} $分别为
$$ \begin{split} &{{\boldsymbol{f}}_3} = \left[ {\begin{array}{*{20}{c}} {\dot \chi (\sin \gamma + \cos \gamma \sin \mu \tan \beta ) + \dot \gamma \cos \alpha \tan \beta }\\ { - \dot \chi \cos \gamma \sin \mu - \dot \gamma (\cos \mu + \cos \beta )\sec \beta }\\ { - \dot \gamma \sin \mu + \dot \chi \cos \mu \cos \gamma } \end{array}} \right]\\ &{{\boldsymbol{g}}_3} = \left[ {\begin{array}{*{20}{c}} {\cos \alpha \sec \beta }&0&{\sin \alpha \sec \beta }\\ { - \cos \alpha \tan \beta }&1&{ - \sin \alpha \tan \beta }\\ {\sin \alpha }&0&{ - \cos \alpha } \end{array}} \right] \end{split} $$ 考虑$ {{\dot{\boldsymbol{x}}}_3} $的期望参考信号为$ {{\boldsymbol{x}}_{3c}} = \left[ {{\mu _c},\;{\theta _c},\;{\beta _c}} \right] $, 令其通过一阶低通滤波器可得
$$ \begin{equation} {{\boldsymbol{\kappa }}_2}{{\dot{\boldsymbol{x}}}_{3d}} + {{\boldsymbol{x}}_{3d}} = {{\boldsymbol{x}}_{3c}} \end{equation} $$ (39) 式中, $ {{\boldsymbol{x}}_{3d}}({\bf{0}}) = {{\boldsymbol{x}}_{3c}}({\bf{0}}) $, $ {{\boldsymbol{\kappa }}_2} = {\rm{diag}}\{ {{\kappa _{21}},\;{\kappa _{22}},\;{\kappa _{23}}}\} $, $ {\kappa _{2i}}(i = 1,\;2,\;3) > 0 $为设计参数.
定义姿态角误差为$ {{\boldsymbol{e}}_3} = {{\boldsymbol{x}}_3} - {{\boldsymbol{x}}_{3d}} $, 则姿态角误差动力学为
$$ \begin{equation} {{\dot{\boldsymbol{e}}}_3} = {{\boldsymbol{f}}_3} + {{\boldsymbol{g}}_3}{{\boldsymbol{x}}_4} + {{\boldsymbol{d}}_3} - {{\dot{\boldsymbol{x}}}_{3d}} \end{equation} $$ (40) 设计滑模面$ {{\boldsymbol{s}}_3} $为
$$ \begin{split} &{{\boldsymbol{s}}_3} = {{\boldsymbol{e}}_3} + {{\boldsymbol{\Phi }}_3}\\ &{{\boldsymbol{\Phi }}_3} = \frac{\pi }{{2{\eta _5}{T_{c5}}\sqrt {{n_{\theta 1}}{n_{\theta 2}}} }}({n_{\theta 1}}V_{31}^{ - \frac{{{\eta _5}}}{2}} + {n_{\theta 2}}V_{31}^{\frac{{{\eta _5}}}{2}}){{{\dot{\boldsymbol{e}}}}_3} \end{split} $$ (41) 式中, $ {\eta _5} \in (0,\;1) $, $ {n_{\theta 1}} > 0 $, $ {n_{\theta 2}} > 0 $均表示设计参数, $ {T_{c5}} > 0 $为预定义时间常数, 选择姿态角误差的李雅普诺夫函数为$ {V_{31}} = 0.5{\boldsymbol{e}}_3^{\rm{T}}{{\boldsymbol{e}}_3} $.
对$ {{\boldsymbol{s}}_3} $求导可得
$$ \begin{equation} {{\dot{\boldsymbol{s}}}_3} = {{\boldsymbol{f}}_3} + {{\boldsymbol{g}}_3}{{\boldsymbol{x}}_4} + {{\boldsymbol{d}}_3} - {{\dot{\boldsymbol{x}}}_{3d}} + {{\dot{\boldsymbol{\Phi}}}_3} \end{equation} $$ (42) 设计虚拟控制输入$ {{\boldsymbol{x}}_{4c}} $为
$$ \begin{split} {{\boldsymbol{x}}_{4c}} =\;& {\boldsymbol{g}}_3^{ - 1}( - {{\boldsymbol{f}}_3} - {{{\overset{\frown} {\boldsymbol{d}}}}_3} + {{{\dot{\boldsymbol{x}}}}_{3d}} - {{\dot{ {\overset{\frown} {\boldsymbol{\Phi}}} }}_3} - \\ & \frac{\pi }{{2{\eta _6}{T_{c6}}\sqrt {{n_{\theta 3}}{n_{\theta 4}}} }}{{\boldsymbol{s}}_3}({n_{\theta 3}}V_{32}^{ - \frac{{{\eta _6}}}{2}} + {n_{\theta 4}}V_{32}^{\frac{{{\eta _6}}}{2}}) \end{split} $$ (43) 式中, $ {\eta _6} \in (0,\;1) $, $ {n_{\theta 3}} > 0 $, $ {n_{\theta 4}} > 0 $均表示设计参数, $ {T_{c6}} > 0 $为预定义时间常数, $ {{\dot{\overset{\frown} {\boldsymbol{\Phi}}}_3}} $为参考信号$ {{\boldsymbol{\Phi }}_3} $通过跟踪微分器后得到的数值微分信号. $ {{{\overset{\frown} {\boldsymbol{d}}} }_3} = {[{\hat d_{31}}{\mathop{\rm sgn}} ({s_{31}}),\;{\hat d_{32}}{\mathop{\rm sgn}} ({s_{32}}),\;{\hat d_{33}}{\mathop{\rm sgn}} ({s_{33}})]^{\rm{T}}} $, 此处$ {\hat d_{3i}}(i = 1,\;2,\;3) $和$ {s_{3i}} $分别表示扰动估计值$ {{\hat{\boldsymbol{d}}}_3} = [ {{\hat d}_\mu },\;{{\hat d}_\theta }, {{\hat d}_\beta } ]^{\rm{T}} $和滑模面$ {{\boldsymbol{s}}_3} $的第$ i $个分量, $ {{\tilde{\boldsymbol{d}}}_3} = {{\boldsymbol{d}}_3} - {{\hat{\boldsymbol{d}}}_3} $为扰动观测器估计误差, $ {V_{32}} $的表达式为.
$$ \begin{equation} {V_{32}} = 0.5{\boldsymbol{s}}_3^{\rm{T}}{{\boldsymbol{s}}_3} + 0.5{\tilde{\boldsymbol{d}}}_3^{\rm{T}}{{\tilde{\boldsymbol{d}}}_3} \end{equation} $$ (44) 设计扰动观测器$ {{\hat{\boldsymbol{d}}}_3} $为
$$ \begin{split} &{{{\hat{\boldsymbol{d}}}}_3} = {{\boldsymbol{K}}_3}({{\boldsymbol{x}}_3} - {{\boldsymbol{D}}_3})\\& {{{\dot{\boldsymbol{D}}}}_3} = {{{\hat{\boldsymbol{d}}}}_3} + {{\boldsymbol{f}}_3} + {{\boldsymbol{g}}_3}{{\boldsymbol{x}}_4} - \\& \ \ \ \ \ \ \ \ \frac{{\pi {\boldsymbol{K}}_3^{ - 1}}}{{2{\eta _6}{T_{c6}}\sqrt {{n_{\theta 3}}{n_{\theta 4}}} }}{{{\tilde{\boldsymbol{d}}}}_3}({n_{\theta 3}}V_{32}^{ - \frac{{{\eta _6}}}{2}} + {n_{\theta 4}}V_{32}^{\frac{{{\eta _6}}}{2}}) \end{split} $$ (45) 式中, $ {{\boldsymbol{K}}_3} = {\rm{diag}}\{{k_{31}},\;{k_{32}},\;{k_{33}}\} $为正定矩阵.
则$ {{\tilde{\boldsymbol{d}}}_3} $的导数为
$$ \begin{split} {{{\dot{\tilde{\boldsymbol{d}}}}_3}} =\;& {{{\dot{\boldsymbol{d}}}}_3} - {{\boldsymbol{K}}_3}{{{\tilde{\boldsymbol{d}}}}_3} - \\& \frac{\pi }{{2{\eta _6}{T_{c6}}\sqrt {{n_{\theta 3}}{n_{\theta 4}}} }}{{{\tilde{\boldsymbol{d}}}}_3}({n_{\theta 3}}V_{32}^{ - \frac{{{\eta _6}}}{2}} + {n_{\theta 4}}V_{32}^{\frac{{{\eta _6}}}{2}}) \end{split} $$ (46) 步骤3. 角速率控制: 取姿态控制子系统中关于角速率$ {{\boldsymbol{x}}_4} $的仿射形式表达式为
$$ \begin{equation} {{\dot{\boldsymbol{x}}}_4} = {{\boldsymbol{f}}_4} + {{\boldsymbol{g}}_4}{\boldsymbol{u}} + {{\boldsymbol{d}}_4} \end{equation} $$ (47) 式中, $ {{\boldsymbol{f}}_4} $和$ {{\boldsymbol{g}}_4} $分别为
$$ \begin{split} &{{\boldsymbol{f}}_4} = \left[ {\begin{array}{*{20}{l}} {c_3}\bar qSb\left({C_{lp}}\dfrac{{bp}}{{2V}} + {C_{lr}}\dfrac{{br}}{{2V}}{C_{l\beta }}\beta \right)+\\\quad {c_4}\bar qSb\left({C_{n\beta }}\beta + {C_{np}}\dfrac{{bp}}{{2V}} + {C_{nr}}\dfrac{{br}}{{2V}}\right)+\\ \quad ({c_1}r + {c_2}p)q{\kern 1pt} {\kern 1pt} {\kern 1pt} ; \\ {c_5}pr - {c_6}({p^2} - {r^2}) + {c_7}\bar qS\bar c\Bigg({C_{m0}}+\\ \quad {C_{m\alpha }}\alpha + {C_{mq}}\dfrac{{cq}}{{2V}}\Bigg){\kern 1pt} {\kern 1pt} {\kern 1pt} ;\\ {c_4}\bar qSb\left({C_{lp}}\dfrac{{bp}}{{2V}} + {C_{lr}}\dfrac{{br}}{{2V}} + {C_{l\beta }}\beta \right)\\\quad + {c_9}\bar qSb\left({C_{n\beta }}\beta + {C_{np}}\dfrac{{bp}}{{2V}} + {C_{nr}}\dfrac{{br}}{{2V}}\right)+\\ \quad ({c_8}p - {c_2}r)q \end{array}} \right]\\ &\dfrac{{{{\boldsymbol{g}}_4}}}{{\bar qS}} = \left[ {\begin{array}{*{20}{c}} 0& {\begin{array}{*{20}{c}}b({c_3}{C_{l{\delta _a}}}{\delta _a}+\\ {c_4}{C_{l{\delta _a}}}{\delta _a})\end{array}} & {\begin{array}{*{20}{c}}b({c_3}{C_{l{\delta _r}}}{\delta _r}\\ + {c_4}{C_{l{\delta _r}}}{\delta _r})\end{array}} \\ {\bar c{C_{m{\delta _e}}}{\delta _e}}&0&0\\ 0& {\begin{array}{*{20}{c}}b({c_4}{C_{n{\delta _a}}}{\delta _a}+\\ {c_9}{C_{n{\delta _a}}}{\delta _a}) \end{array}}&{\begin{array}{*{20}{c}} b({c_4}{C_{n{\delta _r}}}{\delta _r}\\ + {c_9}{C_{n{\delta _r}}}{\delta _r})\end{array}} \end{array}} \right] \end{split} $$ 令步骤2中得到的期望角速率信号$ {{\boldsymbol{x}}_{4c}} $通过一阶低通滤波器可得
$$ \begin{equation} {\kappa _3}{{\dot{\boldsymbol{x}}}_{4d}} + {{\boldsymbol{x}}_{4d}} = {{\boldsymbol{x}}_{4c}} \end{equation} $$ (48) 式中, $ {{\boldsymbol{x}}_{4d}}({\bf{0}}) = {{\boldsymbol{x}}_{4c}}({\bf{0}}) $, $ {{\boldsymbol{\kappa }}_3} = {\rm{diag}}\{ {{\kappa _{31}},\;{\kappa _{32}},\;{\kappa _{33}}} \} $, $ {\kappa _{3i}}(i = 1,\;2,\;3) > 0 $为设计参数.
定义角速率误差为$ {{\boldsymbol{e}}_4} = {{\boldsymbol{x}}_4} - {{\boldsymbol{x}}_{4d}} $, 则角速率误差动力学为
$$ \begin{equation} {{\dot{\boldsymbol{e}}}_4} = {{\boldsymbol{f}}_4} + {{\boldsymbol{g}}_4}{\boldsymbol{u}} + {{\boldsymbol{d}}_4} - {{\dot{\boldsymbol{x}}}_{4d}} \end{equation} $$ (49) 设计滑模面$ {{\boldsymbol{s}}_4} $为
$$ \begin{split} &{{\boldsymbol{s}}_4} = {{\boldsymbol{e}}_4} + {{\boldsymbol{\Phi }}_4}\\& {{\boldsymbol{\Phi }}_4} = \frac{\pi }{{2{\eta _7}{T_{c7}}\sqrt {{n_{p1}}{n_{p2}}} }}({n_{p1}}V_{41}^{ - \frac{{{\eta _7}}}{2}} + {n_{p2}}V_{41}^{\frac{{{\eta _7}}}{2}}){{{\dot{\boldsymbol{e}}}}_4} \end{split} $$ (50) 式中, $ {\eta _7} \in (0,\;1) $, $ {n_{p1}} > 0 $, $ {n_{p2}} > 0 $均表示设计参数, $ {T_{c7}} > 0 $为预定义时间常数, 选择角速率误差的李雅普诺夫函数为$ {V_{41}} = 0.5{\boldsymbol{e}}_4^{\rm{T}}{{\boldsymbol{e}}_4} $.
对$ {{\boldsymbol{s}}_4} $求导可得
$$ \begin{equation} {{\dot{\boldsymbol{s}}}_4} = {{\boldsymbol{f}}_4} + {{\boldsymbol{g}}_4}{\boldsymbol{u}} + {{\boldsymbol{d}}_4} - {{\dot{\boldsymbol{x}}}_{4d}} + {{\dot{\boldsymbol{\Phi}}}_4} \end{equation} $$ (51) 设计舵面控制量$ {{\boldsymbol{u}}_c} $为
$$ \begin{split} {{\boldsymbol{u}}_c} =\;& {\boldsymbol{g}}_4^{ - 1}( - {{\boldsymbol{f}}_4} - {{{\overset{\frown} {\boldsymbol{d}}}}_4} + {{{\dot{\boldsymbol{x}}}}_{4d}} - {{{\dot{ {\overset{\frown} {\boldsymbol{\Phi}}} }}_4}} -\\& \frac{\pi }{{2{\eta _8}{T_{c8}}\sqrt {{n_{p3}}{n_{p4}}} }}{{\boldsymbol{s}}_4}({n_{p3}}V_{42}^{ - \frac{{{\eta _8}}}{2}} + {n_{p4}}V_{42}^{\frac{{{\eta _8}}}{2}}) \end{split} $$ (52) 式中, $ {\eta _8} \in (0,\;1) $, $ {n_{p3}} > 0 $, $ {n_{p4}} > 0 $均表示设计参数, $ {T_{c8}} > 0 $为预定义时间常数, $ {{\dot{\overset{\frown} {\boldsymbol{\Phi}}}_4}} $为参考信号$ {{\boldsymbol{\Phi }}_4} $通过跟踪微分器后得到的数值微分信号. $ {{{\overset{\frown} {\boldsymbol{d}}} }_4} = {[{\hat d_{41}}{\mathop{\rm sgn}} ({s_{41}}),\;{\hat d_{42}}{\mathop{\rm sgn}} ({s_{42}}),\;{\hat d_{43}}{\mathop{\rm sgn}} ({s_{43}})]^{\rm{T}}} $, 此处$ {\hat d_{4i}}(i = 1,\;2,\;3) $和$ {s_{4i}} $分别表示$ {{\hat{\boldsymbol{d}}}_4} = {[ {{{\hat d}_p},\;{{\hat d}_q},\;{{\hat d}_r}} ]^{\rm{T}}} $扰动估计值和滑模面$ {{\boldsymbol{s}}_4} $的第$ i $个分量; $ {{\tilde{\boldsymbol{d}}}_4} = {{\boldsymbol{d}}_4} - {{\hat{\boldsymbol{d}}}_4} $为扰动观测器估计误差, $ {V_{42}} $的表达式为
$$ \begin{equation} {V_{42}} = 0.5{\boldsymbol{s}}_4^{\rm{T}}{{\boldsymbol{s}}_4} + 0.5{\tilde{\boldsymbol{d}}}_4^{\rm{T}}{{\tilde{\boldsymbol{d}}}_4} \end{equation} $$ (53) 设计扰动观测器$ {{\hat{\boldsymbol{d}}}_4} $为
$$ \begin{split} {{{\hat{\boldsymbol{d}}}}_4} = \;&{{\boldsymbol{K}}_4}({{\boldsymbol{x}}_4} - {{\boldsymbol{D}}_4})\\ {{{\dot{\boldsymbol{D}}}}_4} = \;&{{{\hat{\boldsymbol{d}}}}_4} + {{\boldsymbol{f}}_4} + {{\boldsymbol{g}}_4}{\boldsymbol{u}} - \\ & \frac{{\pi {\boldsymbol{K}}_4^{ - 1}}}{{2{\eta _8}{T_{c8}}\sqrt {{n_{p3}}{n_{p4}}} }}{{{\tilde{\boldsymbol{d}}}}_4}({n_{p3}}V_{42}^{ - \frac{{{\eta _8}}}{2}} + {n_{p4}}V_{42}^{\frac{{{\eta _8}}}{2}}) \end{split} $$ (54) 式中, $ {{\boldsymbol{K}}_4} = {\rm{diag}}\{{k_{41}},\;{k_{42}},\;{k_{43}}\} $为正定矩阵.
则$ {{{\hat{\boldsymbol{d}}}}_4} $的导数为
$$ \begin{split} {{{\dot{\tilde{\boldsymbol{d}}}}_4}} =\;& {{{\dot{\boldsymbol{d}}}}_4} - {{\boldsymbol{K}}_4}{{{\tilde{\boldsymbol{d}}}}_4} - \\ & \frac{\pi }{{2{\eta _8}{T_{c8}}\sqrt {{n_{p3}}{n_{p4}}} }}{{{\tilde{\boldsymbol{d}}}}_4}({n_{p3}}V_{42}^{ - \frac{{{\eta _8}}}{2}} + {n_{p4}}V_{42}^{\frac{{{\eta _8}}}{2}}) \end{split} $$ (55) 3.3 进近动力补偿系统
舰载机着舰时处于低速低空区域, 其迎角、速度及推力呈反区特性, 需调整推力值保持恒定的迎角. 考虑舰尾流造成的时变扰动, 式(3)中$ \alpha $的仿射形式表达式为
$$ \begin{equation} \dot \alpha = {f_\alpha } + {g_\alpha }{\bar T} + {d_\alpha } \end{equation} $$ (56) 式中, $ {f_\alpha } $和$ {g_\alpha } $的表达式为
$$ \begin{split} {f_\alpha } = \;&q - (p\cos \alpha + r\sin \alpha ) + \\ &(mg\cos \mu \cos \gamma - L)/mV\cos \beta \\ {g_\alpha } =\;&- \sin \alpha /mV\cos \beta \end{split} $$ 由于迎角的参考值$ {\alpha _r} $为常数, 其导数为零. 定义迎角误差为$ {e_\alpha } = \alpha - {\alpha _r} $. 设计滑模面$ {s_5} $为
$$ \begin{split} &{s_5} = {e_\alpha } + {\Phi _\alpha }\\& {\Phi _\alpha } = \frac{\pi }{{2{\eta _9}{T_{c9}}\sqrt {{n_{\alpha 1}}{n_{\alpha 2}}} }}({n_{\alpha 1}}V_{51}^{ - \frac{{{\eta _9}}}{2}} + {n_{\alpha 2}}V_{51}^{\frac{{{\eta _9}}}{2}}){{\dot e}_\alpha } \end{split} $$ (57) 式中, $ {\eta _9} \in (0,\;1) $, $ {n_{\alpha 1}} > 0 $, $ {n_{\alpha 2}} > 0 $均表示设计参数, $ {T_{c9}} > 0 $为预定义时间常数, 选择迎角误差的李雅普诺夫函数为$ {V_{51}} = 0.5e_\alpha ^{\rm{T}}{e_\alpha } $.
对$ s_5 $求导可得
$$ \begin{equation} {\dot s_5} = {f_\alpha } + {g_\alpha }{\bar T} + {d_\alpha } + {\dot \Phi _\alpha } \end{equation} $$ (58) 设计油门控制量$ {{\bar T}_c} $为
$$ \begin{split} {{\bar T}_c} =\;& g_\alpha ^{ - 1}[ - {f_\alpha } - {{\overset{\frown} d}_\alpha } - {{\dot{ {\overset{\frown} \Phi} }_\alpha }} - \\ & \frac{{ \pi }}{{2{\eta _{10}}{T_{c10}}\sqrt {{n_{\alpha 3}}{n_{\alpha 4}}} }}{s_5}({n_{\alpha 3}}V_{52}^{ - \frac{{{\eta _{10}}}}{2}} + {n_{\alpha 4}}V_{52}^{\frac{{{\eta _{10}}}}{2}})] \end{split} $$ (59) 式中, $ {\eta _{10}} \in (0,\;1) $, $ {n_{\alpha 3}} > 0 $, $ {n_{\alpha 4}} > 0 $均表示设计参数, $ {T_{c10}} > 0 $为预定义时间常数, $ {{\dot{ {\overset{\frown} \Phi} }_\alpha }} $为参考信号$ {\Phi _\alpha } $通过TD跟踪微分器后得到的数值微分信号. $ {{\overset{\frown} d} _\alpha } = {\hat d_\alpha }{\mathop{\rm sgn}} ({s_5}) $, $ {\hat d_\alpha } $表示扰动估计值, 估计误差为$ {\tilde d_\alpha } = {d_\alpha } - {\hat d_\alpha } $, $ {V_{52}} $表达式为
$$ \begin{equation} {V_{52}} = 0.5s_5^{\rm{T}}{s_5} + 0.5\tilde d_5^{\rm{T}}{\tilde d_5} \end{equation} $$ (60) 设计扰动观测器$ {\hat d_\alpha } $为
$$ \begin{split} {{\hat d}_\alpha } = \;&{K_5}(\alpha - {D_\alpha })\\ {{\dot D}_\alpha } = \;&{{\hat d}_\alpha } + {f_\alpha } + {g_\alpha }{\bar T} - \\ &\frac{{ \pi {{\tilde d}_\alpha }}}{{2{\eta _{10}}{T_{c10}}\sqrt {{n_{\alpha 3}}{n_{\alpha 4}}} }}({n_{\alpha 3}}V_{52}^{ - \frac{{{\eta _{10}}}}{2}} + {n_{\alpha 4}}V_{52}^{\frac{{{\eta _{10}}}}{2}}) \end{split} $$ (61) 式中, $ {K_5} > 0 $为设计参数.
则$ {\tilde d_\alpha } $的导数为
$$ \begin{split} {{\dot{ \tilde d}_\alpha }} = \;&{{\dot d}_\alpha } - {K_5}{{\tilde d}_\alpha } - \\ & \frac{{ \pi K_5^{ - 1}{{\tilde d}_\alpha }}}{{2{\eta _{10}}{T_{c10}}\sqrt {{n_{\alpha 3}}{n_{\alpha 4}}} }}({n_{\alpha 3}}V_{52}^{ - \frac{{{\eta _{10}}}}{2}} + {n_{\alpha 4}}V_{52}^{\frac{{{\eta _{10}}}}{2}}) \end{split} $$ (62) 注释1. 为了得到参考信号$ {\Phi _i}(i = 2,\;3,\;4,\;\alpha ) $的数值微分, 考虑借助文献[35]中给出的离散二阶系统形式的TD跟踪微分器
$$ \begin{align*} \left\{ \begin{aligned} &{z_1}(k + 1) = {z_1}(k) + {z_2}(k)h\\& {z_2}(k + 1) = {z_2}(k) + {u_{TD}}h \end{aligned} \right. \end{align*} $$ 式中, $ {z_2}(k) $为$ {\Phi _i}(k) $的数值微分值, $ h $为采样时间, 控制信号$ {u_{TD}} = {f_{TD}}({z_1}(k) - {\Phi _i}(k),\;{z_2}(k),\;{r_0},\;{h_0}) $. 其中$ {r_0} $和$ {h_0} $分别为速度和滤波因子, 均为可调节参数, $ {f_{TD}}(*) $为快速控制最优综合函数, 其表达式为
$$ \begin{align*} \left\{ {\begin{aligned} &{{w_T} = {r_0}{h_0},\;{w_d} = {w_T}{h_0}}\\ &{{l_{TD}} = {z_1} + {z_2}{h_0}}\\ &{{a_0} = \sqrt {w_T^2 + 8{h_0}\left| {{l_{TD}}} \right|} }\\ &{{a_{TD}} = \left\{ \begin{aligned} &{z_2} + ({a_0} - {w_T}){\mathop{\rm sgn}} ({l_{TD}})/2&& \left| {{l_{TD}}} \right| > {w_d}\\ &{z_2} + {l_{TD}}/{h_0}&&\left| {{l_{TD}}} \right| \le {w_d} \end{aligned} \right.}\\ &{{f_{TD}} = \left\{ \begin{aligned} &- {r_0}{\mathop{\rm sgn}} ({a_{TD}})&& \left| {{a_{TD}}} \right| > {w_d}\\ &- {r_0}{a_{TD}}/{w_T}&& \left| {{a_{TD}}} \right| \le {w_d} \end{aligned} \right.} \end{aligned}} \right. \end{align*} $$ 在本文中, 采样时间$ h $设置为0.01, 速度因子和滤波因子$ r_0 $和$ h_0 $分别设置为10和0.1.
3.4 稳定性分析
引理1[27]. 对于定义在$ t \in [{t_0},\;\infty ) $上的动态系统$ {\boldsymbol{x}} = f({\boldsymbol{x}}) + {\boldsymbol{d}} $, 其中$ {t_0} \in {{\mathbb{R}}_ + } \cup \{ 0\} $, 若存在一个连续径向无界的李雅普诺夫函数$ V({\boldsymbol{x}}):{{\mathbb{R}}^n} \to {\mathbb{R}} $, 使得任意解$ {\boldsymbol{x}}(t,\;{{\boldsymbol{x}}_0}) $均满足
$$ \begin{equation} \dot V({\boldsymbol{x}}) \le - \frac{{{\pi}}}{{{k_T}{T_c}\sqrt {{k_1}{k_2}} }}({k_1}{V^{1 - \frac{{{k_T}}}{2}}} + {V^{1 + \frac{{{k_T}}}{2}}}) + \varepsilon \end{equation} $$ (63) 式中, $ {T_c} > 0 $, $ {k_1} > 0 $, $ {k_2} > 0 $及$ 0 < {k_T} \le 1 $表示设计参数, $ \varepsilon \in [0,\;\infty ) $为正常数. 则动态系统是预定义时间稳定的, 且收敛时间为$ {T_c} $.
定理1. 对于舰载机航迹方位角模型(29), 在预定义时间虚拟控制律(34) 作用下, 通过设置系统参数$ {T_c} = {T_{c3}} + {T_{c4}} $, 着舰航迹方位角跟踪误差可在预定义时间$ {T_c} $内收敛到平衡点邻域内.
证明. 对定理2的证明分为两个阶段, 滑模面以及航迹方位角跟踪误差趋近于平衡点邻域.
1)首先证明第二阶段, 则如果滑模面达到稳定点, 即$ {s_2} = 0 $, 则式(32)可以简化为
$$ \begin{equation} {e_2} = - {\Phi _2} \end{equation} $$ (64) 对航迹方位角误差李雅普诺夫函数$ {V_{21}} $求导, 将式(64)带入能够得到
$$ \begin{split} {{\dot V}_{21}} = \;&e_2^{\rm{T}}{{\dot e}_2} = - \Phi _2^{\rm{T}}{{\dot e}_2}=\\ & \frac{- \pi }{{{\eta _3}{T_{c3}}\sqrt {{n_{\chi 1}}{n_{\chi 2}}} }}({n_{\chi 1}}V_{21}^{1 - \frac{{{\eta _3}}}{2}} + {n_{\chi 2}}V_{21}^{1 + \frac{{{\eta _3}}}{2}}) \end{split} $$ (65) 根据引理1, 舰载机着舰航迹方位角误差$ {e_2} $能够在预定义时间$ {T_{c3}} $内稳定至0.
2)对$ {V_{22}} $求导, 并将控制律(34)带入可得
$$ \begin{split} {{\dot V}_{22}} =\;& \tilde d_\chi ^{\rm{T}}{{\dot d}_\chi } - {K_2}\tilde d_\chi ^{\rm{T}}{{\tilde d}_\chi } + s_2^{\rm{T}}{{\hat d}_\chi }{\mathop{\rm sgn}} ({s_2}) - \\ & \frac{ \pi }{{{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}({n_{\chi 3}}V_{22}^{1 - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{1 + \frac{{{\eta _4}}}{2}}) - \\ &s_2^{\rm{T}}{d_\chi } + s_2^{\rm{T}}({{\dot \Phi }_2} - {{\dot{ {\overset{\frown} \Phi} }_2}})\\[-1pt] \end{split} $$ (66) 考虑不等式: $ \tilde d_\chi ^{\rm{T}}{\dot d_\chi } \le 0.5\tilde d_\chi ^{\rm{T}}{\tilde d_\chi } + 0.5{\| {{{\dot d}_\chi }} \|^2} $, 并根据跟踪微分器收敛理论, 存在正常数$ {\varepsilon _\chi } $使得$ \| s_2^{\rm{T}}({{\dot \Phi }_2} - {{{\dot{\overset{\frown} \Phi}}_2}}) \| \le {\varepsilon _\chi } $, 则式(66) 可进一步写为
$$ \begin{split} {{\dot V}_{22}} \le\;& - {{\bar K}_2}\tilde d_\chi ^{\rm{T}}{{\tilde d}_\chi } + {\varepsilon _\chi } + 0.5{\left\| {{{\dot d}_\chi }} \right\|^2} - \\ & \frac{\pi }{{{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}({n_{\chi 3}}V_{22}^{1 - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{1 + \frac{{{\eta _4}}}{2}}) \end{split} $$ (67) 式中, $ {\bar K_2} = {K_2} - 0.5 $.
通过选择$ {K_2} $的取值使得$ {\bar K_2} > 0 $, 能够得到
$$ \begin{equation} {\dot V_{22}} \le \frac{{ - \pi }}{{{\eta _4}{T_{c4}}\sqrt {{n_{\chi 3}}{n_{\chi 4}}} }}({n_{\chi 3}}V_{22}^{1 - \frac{{{\eta _4}}}{2}} + {n_{\chi 4}}V_{22}^{1 + \frac{{{\eta _4}}}{2}}) + {\varepsilon _{{V_{22}}}} \end{equation} $$ (68) 式中, $ {\varepsilon _{{V_{22}}}} = {\varepsilon _\chi } + 0.5{\left\| {{{\dot d}_\chi }} \right\|^2} $.
根据$ {\varepsilon _{{V_{22}}}} $的有界性, 由引理1可得滑模面(32)和扰动观测器(36)构造的式(35)中$ {s_2} $和$ {\tilde d_\chi } $将在预定义时间$ {T_{c4}} $内收敛.
结合1)步和2)步的证明, 舰载机着舰航迹方位角控制系统有界稳定, 航迹角跟踪误差在预定义时间$ {T_c} = {T_{c3}} + {T_{c4}} $内收敛至平衡点邻域内. 姿态角、角速率控制与进近动力补偿系统的稳定性证明类似, 不再重复赘述.
□ 定理2. 考虑着舰控制系统(29)、(38)和(47)以及进近动力补偿系统(56), 设置$ {T_c} = \sum\nolimits_{i = 1}^{10} {{T_{c1i}}} $在预定义时间控制(34)、(43)、(52)和(59)作用下, 李雅普诺夫函数(69)中的信号是一致终值有界的, 且上述控制量在预定义时间$ {T_c} $内收敛.
证明. 选择李雅普诺夫函数$ {V_6} $为
$$ \begin{split} {V_6} =\;& \sum\limits_{i = 2}^5 {\frac{1}{2}(e_i^{\rm{T}}{e_i} + } s_i^{\rm{T}}{s_i} + {\tilde d_i^{\rm{T}}}{\tilde d_i})= \\ & \sum\limits_{i = 2}^5 {({V_{i1}} + {V_{i2}})} \end{split} $$ (69) 对$ {V_6} $求导可得
$$ \begin{equation} {\dot V_6} = \sum\limits_{i = 2}^5 {{{\dot V}_{i1}}} + \sum\limits_{i = 2}^5 {{{\dot V}_{i2}}} \end{equation} $$ (70) 由式(65)及姿态角、角速率控制与进近动力补偿系统的稳定性证明第2阶段可知
$$ \begin{split} \sum\limits_{i = 2}^5 {{{\dot V}_{i1}}} \le\;& \sum\limits_{i = 2}^5 {\frac{{ - \pi ({{\bar n}_{{m_1}}}V_{i1}^{1 - \frac{{{\eta _j}}}{2}} + {{\bar n}_{{m_2}}}V_{i1}^{1 + \frac{{{\eta _j}}}{2}})}}{{{\eta _j}{T_{cj}}\sqrt {{{\bar n}_{{m_1}}}{{\bar n}_{{m_2}}}} }}} \\ &(j = 3,\;5,\;7,\;9) \end{split} $$ (71) 式中, $ {\bar n_{{m_i}}}(i = 1,\;2) = {\rm{Max}}({n_{\chi i}},\;{n_{\theta i}},\;{n_{pi}},\;{n_{\alpha i}}) $.
由式(68)及姿态角、角速率控制与进近动力补偿系统的稳定性证明第1阶段可知
$$ \begin{split} \sum\limits_{i = 2}^5 {{{\dot V}_{i2}}} \le\;& \sum\limits_{i = 2}^5 {\frac{{ - \pi ({{\bar n}_{{m_3}}}V_{i2}^{1 - \frac{{{\eta _j}}}{2}} + {{\bar n}_{{m_4}}}V_{i2}^{1 + \frac{{{\eta _j}}}{2}})}}{{{\eta _j}{T_{cj}}\sqrt {{{\bar n}_{{m_3}}}{{\bar n}_{{m_4}}}} }} + {\varepsilon _M}} \\ &(j = 4,\;6,\;8,\;10) \\[-1pt]\end{split} $$ (72) 式中, $ {\bar n_{{m_i}}}(i = 3,\;4) = {\rm{Max}}({n_{\chi i}},\;{n_{\theta i}},\;{n_{pi}},\;{n_{\alpha i}}) $, $ {\varepsilon _M} $为有界值, $ {\varepsilon _M} = \sum\nolimits_{i = 2}^5 {{\varepsilon _{{V_{i2}}}}} $.
选择参数使得$ \bar \eta = {\rm{Max}}({\eta _i})i = 1,\; \cdots ,\;10 $, 可得
$$ \begin{equation} {\dot V_6} \le \frac{{ -\pi }}{{\bar \eta {T_c}\sqrt {{{\bar n}_{{{\bar m}_1}}}{{\bar n}_{{{\bar m}_2}}}} }}({\bar n_{{{\bar m}_1}}}V_6^{1 - \frac{{\bar \eta }}{2}} + {\bar n_{{{\bar m}_2}}}V_6^{1 + \frac{{\bar \eta }}{2}}) + {\varepsilon _M} \end{equation} $$ (73) 式中, $ {\bar n_{{{\bar m}_1}}},\;{\bar n_{{{\bar m}_2}}} = {\rm{Max(}}{\bar n_{{m_i}}})(i = 1,\;2,\;3,\;4) $为参数的最大值和次大值.
由引理1可知, 李雅普诺夫函数(69)中的信号一致终值有界且姿态控制系统与进近功率补偿系统误差在预定义时间内收敛.
□ 注释2. 根据李雅普诺夫稳定性定理, 需要选择低通滤波器设计参数$ {\kappa _i}(i = 0,\;1,\;2,\;3) $均大于零或正定; 控制器设计参数$ {n_{ij}}(i = \chi ,\;\theta ,\;p,\;\alpha ;\;j = 1,\;2, 3,\;4) $均大于零、$ {\eta _i}(i = 3,\; \cdots ,\;10) $均为(0, 1)之间的正常数; 设定对应的预定义时间常数$ {T_{ci}}(i = 3, \cdots ,\;10) $并选择扰动观测器调节参数$ {K_i}(i = 2,\;3,\; 4,\;\alpha ) $使得$ {\bar K_i}(i = 2,\;3,\;4,\;\alpha ) > 0 $. 在实际参数整定中, 首先给出时间常数$ {T_{ci}} $, 并初步给出参数$ {\kappa _i} $, $ {n_{ij}} $和$ {\eta _i} $使系统满足初始响应性能, 之后随参数$ {K_i} $一起调整以提高系统的跟踪精度.
4. 仿真分析
算例飞机为F/A-18A, 其模型参数和执行机构模型在文献[34]和[36]中给出. 航母速度设置为13.89 m/s, 着舰甲板与中线的角度为$ {9^ \circ } $. 算例飞机的初始状态设置为: 迎角$ {\alpha _0} = {8.2^ \circ } $, 高度$ h_0 = 183 $ m, 速度$ {V_0} = 70\;{\mathop{\rm m}\nolimits} /{\mathop{\rm s}\nolimits} $.
根据文献[6]和[37], 理想着舰点与航母舰体重心之间的三轴轴向距离$ {L_{TD}} $、$ {Y_{TD}} $和$ {G_{TD}} $分别为−90 m, −20 m和−5 m. 甲板运动中的线运动和角运动可采用如下传递函数描述
$$ \begin{split} &{G_z}(s) = \frac{{1.16{s^2} + 0.0464s}}{{{s^4} + 0.38{s^3} + 0.4977{s^2} + 0.0836s + 0.0484}}\\ &{G_\theta }(s) = \frac{{0.3341{s^2}}}{{{s^4} + 0.604{s^3} + 0.7966{s^2} + 0.2063s + 0.1239}}\\ &{G_\phi }(s) = \frac{{0.2384{s^2}}}{{{s^4} + 0.2088{s^3} + 0.3976{s^2} + 0.0386s + 0.0342}} \end{split} $$ (74) 使用LSTM神经网络对甲板运动进行预估, 对应的参数设置如下: 数据集为1 000s的甲板线运动和角运动数据, 前900s作为训练集, 后100s作为测试集, 选择输入、输出维度分别为101和21, LSTM层数和单元数分别为2和100. 超前5s预测的甲板运动如所图3示. 由图可知, 使用LSTM预估的甲板运动曲线与实际曲线基本吻合, 能够根据历史数据预测甲板运动未来的变化趋势.
图 3 甲板运动实际值与预测值 ((a)垂荡; (b)纵摇; (c)横摇)Fig. 3 Deck motion estimation and actual value ((a) Heaving; (b) Pitching; (c) Rolling)设置仿真步长设置为0.01s, 仿真周期为舰载机由初始高度下降至航母甲板高度. 仿真过程中, 飞机先平飞, 之后沿期望的航迹倾斜角$ {\gamma _r} = - {3.5^ \circ } $和迎角$ {\alpha _r} = {8^ \circ } $下滑着舰. 着舰引导系统参数设置为: $ {\kappa _0} = 3.73 $、$ {{\bar{\boldsymbol{K}}}_1} = {\rm{diag}}\{1.77,\;1.77\} $和$ {{\boldsymbol{K}}_1} = {\rm{diag}}\{3, 3\} $. 航迹方位角控制器参数设置为: $ {\kappa _1} = 4.2 $, $ {\eta _i} = 0.6(i = 3,\;4) $, $ {n_{\chi 1}} = 2 $, $ {n_{\chi 2}} = 3 $, $ {n_{\chi 3}} = 1.1 $, $ {n_{\chi 4}} = 0.44 $, $ {T_{c3}} = 4s $, $ {T_{c4}} = 2s $和$ {K_2} = 1.8 $. 姿态角控制器参数设置为: $ {n_{\theta 1}} = 5 $, $ {n_{\theta 2}} = 6.2 $, $ {n_{\theta 3}} = 3.1 $, $ {n_{\theta 4}} = 2.7 $, $ {T_{c5}} = 4s $, $ {T_{c6}} = 2s $, $ {\eta _i} = 0.8(i = 5,\;6) $, $ {{\boldsymbol{K}}_3} = {\rm{diag}}\{3, \;3,\;3\} $, $ {{\boldsymbol{\kappa }}_2} = {\rm{diag}}\{ {1.2,\;1.2,\;1.2} \} $. 角速率控制器参数设置为: $ {{\boldsymbol{\kappa }}_3} = {\rm{diag}}\{ {5.5,\;5.5,\;5.5} \} $, $ {n_{p1}} = 1.3 $, $ {n_{p2}} = 6 $, $ {n_{p3}} = 2.87 $, $ {n_{p4}} = 3.22 $, $ {T_{c7}} = 4s $, $ {T_{c8}} = 2s $, $ {\eta _i} = 0.4 (i = 7,\;8) $, $ {{\boldsymbol{K}}_4} = {\rm{diag}}\{7,\;7,\;7\} $. 进近动力补偿系统参数设置为: $ {n_{\alpha 1}} = 3.68 $, $ {n_{\alpha 2}} = 5.81 $, $ {n_{\alpha 3}} = 6.52 $, $ {n_{\alpha 4}} = 3.57 $, $ {T_{c9}} = 4s $, $ {T_{c10}} = 2s $, $ {K_5} = 1.6 $以及$ {\eta _i} = 0.9(i = 9,\;10) $.
为验证设计方法的有效性, 在仿真中设置对比如下: 本文所提出的基于反步架构的预定义时控制方法得到的着舰过程曲线记为“PT”, 文献[38]提出的有限时间控制方法得到的着舰过程曲线记为“LT”, 文献[39]提出的非线性动态逆方法的得到的着舰过程曲线记为“NDI”. 着舰轨迹如图4所示, 着舰时的高度和侧偏距及偏差如图5 ~ 6所示.
图 5 高度跟踪及其跟踪误差 ((a)指令跟踪; (b)跟踪误差)Fig. 5 Altitude tracking and tracking errors ((a)Command tracking; (b)Tracking error)
图 6 侧偏距跟踪及其跟踪误差 ((a)指令跟踪; (b)跟踪误差)Fig. 6 Lateral performance tracking and tracking errors ((a) Command tracking; (b) Tracking error)图5 ~ 6显示, 采用三种方法均能使舰载机跟踪期望的着舰轨迹, 但在着舰精度和收敛速度存在一定差异. 仿真开始时, 舰载机前向距离$ \Delta x = 0 $m, 当舰载机降落在甲板上时, 相对移动距离为3256 m. 如图5(b)所示, “PT”方法与“LT”、“NDI”方法的最大高度跟踪误差分别为4.63 m、4.87 m和7.26 m; 着舰时的跟踪误差分别为0.05 m、0.53 m和1.74 m. 如图6(b)所示, “PT”方法与“LT”、“NDI”方法的最大侧偏距跟踪误差分别为5.52 m、6.49 m和7.39 m; 着舰时的跟踪误差分别为0.013 m、0.26 m和0.78 m. 本文所提出的“PT”方法能够在机舰相对距离为628 m时收敛并在0.1 m的范围内波动, 能够显著抑制舰尾流和甲板运动扰动的影响.
图7为舰载机着舰时不同方法的迎角与侧滑角. 由图7(a)可知, 当舰载机从平飞阶段进入下滑阶段时, 其迎角迅速下降并产生一定震荡, 随后返回配平值并保持平稳. 在着舰阶段受舰尾流和甲板运动等扰动影响, 存在较小的幅值波动. “PT”方法与“LT”、“NDI”方法的最大迎角波动值分别为1.75°、2.76°和4.63°. 由图7(b)可知, 舰载机需要不断调整其侧向位置, 在初始时存在较大的侧滑波动, 随后保持在0值附近. “PT”方法与“LT”、“NDI”方法的最大侧滑角波动分别为0.58°、1.37°和1.7°. “PT”方法在飞机前向飞行至639m时保持在0值附近, 稳定时间为4.84s, 在设定的$ {T_c} = 6 $s内. 在着舰过程中迎角和侧滑角保持更加平稳.
图 7 不同方法的迎角与侧滑角 ((a)迎角; (b)侧滑角)Fig. 7 Angle of attack and sideslip of different methods ((a) Angle of attack; (b) Sideslip angle)图8为舰载机着舰时不同方法的姿态变化. 在初始阶段, 航迹滚转角迅速增加以减小舰载机与理想着舰轨迹的侧偏距, 航迹方位角同时增加. 侧偏距偏差基本消除时, 航迹滚转角减小至0值附近, 航迹方位角保持稳定. 俯仰角在平飞阶段保持不变, 在下降阶段下降至5.3°附近. 由图8可知, “PT”方法在飞机前向飞行至628m时保持在0值附近, 稳定时间为4.69s, 在设定的$ {T_c} = 6 $s内, 着舰过程中姿态角更加稳定且具有更强的抗干扰性.
图 8 不同方法的航迹滚转角, 俯仰角与航迹方位角 ((a)航迹滚转角; (b)俯仰角; (c)航迹方位角)Fig. 8 Roll, pitch and heading angle of different methods ((a) Roll angle; (b) Pitch angle; (c) Heading angle)图9为执行机构偏转曲线. 三种方法着舰过程的升降舵、副翼和方向舵均处于合理范围内, 且本文所提的“PT”方法舵偏更加平缓. 图10和11为扰动观测器观测值与实际飞行状态扰动对比, 子图(a)、(b)和(c)分别为舰尾流引起的舰载机迎角、侧滑角和航迹滚转角的扰动实际值与观测值. 由图10和11可知, 在扰动观测器作用下能够实现集总扰动的准确估计, 提升着舰过程的轨迹跟踪精度.
图 9 执行机构偏转 ((a)升降舵; (b)副翼; (c)方向舵)Fig. 9 Actuators deflection ((a) Elevator; (b) Aileron; (c) Rudder)
图 10 不同状态扰动实际值与干扰观测器观测值对比 ((a)迎角; (b)侧滑角; (c)航迹滚转角)Fig. 10 Different states actual disturbance values and disturbance observe ((a) Angle of attack; (b) Sideslip angle; (c) Roll angle)
图 11 观测误差 ((a)迎角; (b)侧滑角; (c)航迹滚转角)Fig. 11 Disturbance observe errors ((a) Angle of attack; (b) Sideslip angle; (c) Roll angle)为进一步验证该方法的有效性, 采用如下装置组成半实物仿真环境: 1)IPC-610-L工控计算机, 实现动力学和运动学模型; 2)PX7飞控板, 搭载设计的控制律; 3)状态显示计算机, 作为上位机显示飞机实景; 4)网线和串口模块, 实现UDP和RS232串口通信和数值传输. 图12为半实物仿真实验平台架构, 图13是实验设备. 半实物仿真与数字仿真参数设置相同, 考虑实际工况中的信号传递损失和量测噪声, 在机舰相对距离量测中加入均值为0, 方差为$ 5\;{\rm{m}^2} $的高斯白噪声.
图14为半实物仿真实验下高度和侧偏距跟踪误差. 由图可知在量测噪声的影响下, 三种方法均能实现着舰轨迹跟踪控制且本文所提的“PT” 方法误差最小. 与数字仿真相比, 由于量测噪声的存在, 跟踪误差不断波动, 但仍处于合理范围内. 改变甲板运动和舰尾流的初始相位和振幅, 利用蒙特卡洛模拟进行验证, 三种方法的着舰点分布图如图15所示, 可以看出本文所提的“PT”方法着舰点大都处于半径为0.5m的圆形着舰边界范围内, 小于其他两种方法. 可见该方法保证了不同干扰条件下着舰轨迹跟踪误差总体最小, 提高了着舰成功率.
图 14 半实物仿真实验下高度和侧偏距跟踪偏差 ((a)高度跟踪误差; (b)侧偏距跟踪误差)Fig. 14 Height and lateral movement tracking errors during hardware-in-loop simulation ((a) Height tracking errors; (b )L ateral movement tracking errors)综上所述, 在舰尾流和甲板运动等扰动作用下, 所提出的基于反步架构的预定义时间控制策略能够在指定时间内跟踪期望的着舰控制指令, 扰动观测器准确估计集总扰动并进行补偿, 实现舰载机着舰轨迹跟踪的快速准确跟踪.
5. 结论
本文针对F/A-18A舰载机模型, 考虑舰尾流和甲板运动等复杂扰动, 进行基于预定义时间的自适应抗干扰着舰控制方法研究, 主要的研究内容总结如下:
1) 建立舰载机着舰引导控制系统, 将着舰轨迹跟踪任务分解并通过轨迹生成、引导、控制与进近动力补偿等子系统完成.
2) 考虑甲板运动对理想着舰点的变动影响, 通过LSTM神经网络实现甲板运动预估在相对运动模型解算中予以修正. 借助非线性扰动观测器实现集总扰动估计, 并在控制器设计中进行前馈补偿. 结合反步架构提出一种基于预定时间的自适应着舰控制策略.
3) 通过李雅普诺夫定理对系统稳定性进行分析, 证明系统能够在指定时间内收敛. 数字仿真和半实物仿真结果表明所提方法能够在舰尾流和甲板运动等扰动影响下, 消除高度和侧偏距偏差并在指定时间内使得航迹方位角、姿态角和角速率信号保持稳定, 实现快速准确的着舰轨迹跟踪控制.
-
图 3 甲板运动实际值与预测值 ((a)垂荡; (b)纵摇; (c)横摇)
Fig. 3 Deck motion estimation and actual value ((a) Heaving; (b) Pitching; (c) Rolling)
图 5 高度跟踪及其跟踪误差 ((a)指令跟踪; (b)跟踪误差)
Fig. 5 Altitude tracking and tracking errors ((a)Command tracking; (b)Tracking error)
图 6 侧偏距跟踪及其跟踪误差 ((a)指令跟踪; (b)跟踪误差)
Fig. 6 Lateral performance tracking and tracking errors ((a) Command tracking; (b) Tracking error)
图 7 不同方法的迎角与侧滑角 ((a)迎角; (b)侧滑角)
Fig. 7 Angle of attack and sideslip of different methods ((a) Angle of attack; (b) Sideslip angle)
图 8 不同方法的航迹滚转角, 俯仰角与航迹方位角 ((a)航迹滚转角; (b)俯仰角; (c)航迹方位角)
Fig. 8 Roll, pitch and heading angle of different methods ((a) Roll angle; (b) Pitch angle; (c) Heading angle)
图 9 执行机构偏转 ((a)升降舵; (b)副翼; (c)方向舵)
Fig. 9 Actuators deflection ((a) Elevator; (b) Aileron; (c) Rudder)
图 10 不同状态扰动实际值与干扰观测器观测值对比 ((a)迎角; (b)侧滑角; (c)航迹滚转角)
Fig. 10 Different states actual disturbance values and disturbance observe ((a) Angle of attack; (b) Sideslip angle; (c) Roll angle)
图 11 观测误差 ((a)迎角; (b)侧滑角; (c)航迹滚转角)
Fig. 11 Disturbance observe errors ((a) Angle of attack; (b) Sideslip angle; (c) Roll angle)
图 14 半实物仿真实验下高度和侧偏距跟踪偏差 ((a)高度跟踪误差; (b)侧偏距跟踪误差)
Fig. 14 Height and lateral movement tracking errors during hardware-in-loop simulation ((a) Height tracking errors; (b )L ateral movement tracking errors)
-
[1] 刘东, 吴家仁, 周一舟, 刘振祥, 李瑜, 王铭泽. 舰载机综合保障技术实践及发展展望. 航空学报, 2021, 42(08): 106−123Liu Dong, Wu Jia-Ren, Zhou Yi-Zhou, Liu Zhen-Xiang, Li Yu, Wang Ming-Ze. Practice and prospects of comprehensive supporttechnol-ogies of carrier-based aircraft. Acta Aeronautica et Astronautica Sinica, 2021, 42(08): 106−123 [2] 甄子洋, 王新华, 江驹, 杨一栋. 舰载机自动着舰引导与控制研究进展. 航空学报, 2017, 38(02): 127−148Zhen Zi-Yang, Wang Xin-Hua, Jiang Ju, Yang Yi-Dong. Research progress in guidance and control of automatic carrierlanding of carrier-based aircraft. Acta Aeronautica et Astronautica Sinica, 2017, 38(02): 127−148 [3] 张志冰, 甄子洋, 江驹, 薛艺璇. 舰载机自动着舰引导与控制综述. 南京航空航天大学学报, 2018, 50(06): 734−744Zhang Zhi-Bing, Zhen Zi-Yang, Jiang Ju, Xue Yi-Xuan. Review on development in guidance and control of au-tomatic carrier landing of Carrier-Based aircraft. Journal of Nanjing University of Aeronautics and Astronautics, 2018, 50(06): 734−744 [4] 汪节, 韩维, 尹大伟, 潘子双, 李常久. MAGIC CARPET着舰的舰尾流抑制. 电光与控制, 2024, 31(10): 58−63 doi: 10.3969/j.issn.1671-637X.2024.10.010Wang Jie, Han Wei, Yen Da-Wei, Pan Zi-Shuang, Li Chang-Jiu. Suppression of the Carrier Air Wake with MAGIC CARPET Carrier Landing. Electronics Optics and Control, 2024, 31(10): 58−63 doi: 10.3969/j.issn.1671-637X.2024.10.010 [5] Lungu M, Dinu DA, Chen M, Florse G. Inverse optimal control for autonomous carrier landing with disturbances. Aerospace Science and Technology, 2023, 139: 1−20 [6] Yuan Y, Duan H, Zeng Z. Automatic carrier landing con-trol with external disturbance and input constraint. IEEE Transactions on Aerospace and Electronic Systems, 2022, 59(2): 1426−1438 [7] 段海滨, 袁洋, 张秀林. 干扰和执行器故障下的舰载机着舰容错控制系统. 南京航空航天大学学报, 2022, 54(05): 949−957Duan Hai-Bin, Yuan Yang, Zhang Xiu-Lin. Design of a Carrier-Based aircraft landing fault-tolerant control systemwith disturbances and actuator faults. Journal of Nanjing University of Aeronautics and Astro-nautics, 2022, 54(05): 949−957 [8] 刘建伟, 宋志妍. 循环神经网络研究综述. 控制与决策, 2022, 37(11): 2753−2768Liu Jian-Wei, Song Zhi-Yan. Overview of recurrent neural networks. Control and Decision, 2022, 37(11): 2753−2768 [9] Zhen Z, Jiang S, Jiang J. Preview control and particle filtering for automatic carrier landing. IEEE Transac-tions on Aerospace and Electronic Systems, 2018, 54(6): 2662−2674 doi: 10.1109/TAES.2018.2826398 [10] 赵所, 林立, 李震, 侯中喜. 基于BP神经网络的甲板运动预报与补偿技术. 北京航空航天大学学报, 2024, 50(09): 2772−2780Zhao Suo, Lin Lim, Li Zhen, Hou Zhong-Xi. Research on deck motion prediction and compensation technology based on BP neural network. Jounal of Beijing University of Aeronautics and Astronautics, 2024, 50(09): 2772−2780 [11] Geng X, Li Y, Sun Q. A novel short-term ship motion prediction algorithm based on EMD and adaptive PSO–LSTM with the sliding window approach. Journal of Marine Science and Engineering, 2023, 11(3): 466 doi: 10.3390/jmse11030466 [12] 王可, 徐明亮, 李亚飞, 姜晓恒, 鲁爱国, 李鉴. 一种面向航空母舰甲板运动状态预估的鲁棒学习模型. 自动化学报, 2024, 50(09): 1785−1793Wang Ke, Xu Ming-Liang, Li Ya-Fei, Jiang Xiao-Heng, Lu Ai-Guo, Li Jian. A robust learning model for deck motion prediction of aircraft carrier. Acta Automatica Sinica, 2024, 50(09): 1785−1793 [13] 王志刚, 王业光, 杨宁, 米禹丰, 曲晓雷. 基于LSTM的飞行数据挖掘模型构建方法. 航空学报, 2021, 42(08): 262−271Wang Zhi-Gang, Wang Ye-Guang, Yang Ning, Mi Yu-Feng, Qu Xiao-Lei. Construction method of flight data mining model based on LSTM. Acta Aeronautica et Astronautica Sinica, 2021, 42(08): 262−271 [14] 赵琦, 许志远, 葛佳薇, 董婕. 基于SW-BiConvLSTM的船舶轨迹预测. 船海工程, 2024, 53(04): 36−42Zhao Qi, Xu Zhi-Yuan, Ge Jia-Wei, Dong Jie. Ship trajectory prediction based on SW-BiConvLSTM. Ship and Ocean Engineering, 2024, 53(04): 36−42 [15] 陈占阳, 占正勇, 常绍平, 徐绍峰, 刘兴云. 长短期记忆神经网络在船舶迎浪运动多时间尺度实时预测中的应用研究. 船舶力学, 2024, 28(12): 1803−1819 doi: 10.3969/j.issn.1007-7294.2024.12.001Chen Zhan-Yang, Zhan Zheng-Yong, Chang Shao-Yun, Xu Shao-Feng, Liu Xing-Yun. A framework of LSTM neural network model in multi-time scale real-time prediction of ship motions in head waves. Journal of Ship Mechanics, 2024, 28(12): 1803−1819 doi: 10.3969/j.issn.1007-7294.2024.12.001 [16] Guan Z, Ma Y, Zheng Z. Moving path following with prescribed performance and its application on automatic carrier landing. IEEE Transactions on Aerospace and Electronic Systems, 2019, 56(4): 2576−2590 [17] Guan Z, Ma Y, Zheng Z. Prescribed performance control for automatic carrier landing with disturbance. Nonlinear Dynamics, 2018, 94: 1335−1349 doi: 10.1007/s11071-018-4427-3 [18] Wu Q, Zhu Q, Han S. Elman neural network-based direct lift automatic carrier landing nonsingular terminal sliding mode fault-tolerant control system design. Computational Intelligence and Neuroscience, 2023(1): 3560441 [19] 张志冰, 张秀林, 王家兴, 史静平. 一种基于多操纵面控制分配的IDLC人工着舰精确控制方法. 航空学报, 2021, 42(08): 142−157 doi: 10.7527/S1000-6893.2021.25840Zhang Zhi-Bing, Zhang Xiu-Lin, Wang Jia-Xing, Shi Jing-Ping. An lDLC landing control method of carrier-based aircraft based on control allocation of multiple control surfaces. Acta Aeronautica et Astronautica Sinica, 2021, 42(08): 142−157 doi: 10.7527/S1000-6893.2021.25840 [20] 罗飞, 张军红, 王博, 唐瑞琳, 唐炜. 基于直接升力与动态逆的舰尾流抑制方法. 航空学报, 2021, 42(12): 193−208Luo Fei, Zhang Jun-Hong, Wang Bo, Tang Rui-Lin, Tang Wei. Air wake suppression method based on direct lift and-nonlinear dynamic inversion control. Acta Aeronautica et Astronautica Sinica, 2021, 42(12): 193−208 [21] 柳仁地, 江驹, 张哲, 刘翔. 基于强化学习的舰载机着舰直接升力控制技术. 北京航空航天大学学报, DOI: 10.13700/j.bh.1001-5965.2023.0403Liu Ren-Di, Jiang Ju, Zhang Zhe, Liu Xiang. Direct lift control technology of carrier aircraft landing based on reinforcement learning. Jounal of Beijing University of Aeronautics and Astronautics, DOI: 10.13700/j.bh.1001-5965.2023.0403 [22] Zhang S, Nan Y, Li Z. Moving path following with adaptive neural network finite-time recursive sliding mode control for carrier landing with uncertain dynamics and saturation. Aerospace Science and Technology, 2024, 17: 109220 [23] Xue Y, Zhen Z, Zhang Z, Cao T, Wan T. Automatic carrier landing for UAV based on integrated disturbance ob-server and fault-tolerant control. Aircraft Engineering and Aerospace Technology, 2023, 95(8): 1247−1256 doi: 10.1108/AEAT-02-2023-0047 [24] Duan H, Yuan Y, Zeng Z. Automatic carrier landing system with fixed time control. IEEE Transactions on Aerospace and Electronic Systems, 2022, 58(4): 3586−3600 doi: 10.1109/TAES.2022.3156070 [25] Zhou D, Zheng Z, Guan Z. Barrier Lyapunov function based fixed-time control for automatic carrier landing with disturbances. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2023, 37(1): 177−190 [26] Sánchez-Torres JD, Defoort M, Munoz-Vázquez AJ. Predefined-time stabilisation of a class of nonholonomic systems. International Journal of Control, 2020, 3(12): 291−2948 [27] Wu C, Yan J, Shen J, Wu X, Xiao B. Predefined-time attitude stabilization of receiver aircraft in aerial refueling. IEEE Transactions on Circuits and Systems II: Express Briefs, 2021, 68(10): 3321−3325 [28] Pan Y, Ji W, Liang H. Adaptive predefined-time control for Lü chaotic systems via backstepping approach. IEEE Transactions on Circuits and Systems II: Express Briefs, 2022, 69(12): 5064−5068 [29] Ferrara A, Incremona G P. Predefined-time output stabilization with second order sliding mode generation. IEEE Transactions on Automatic Control, 2020, 66(3): 1445−1451 [30] Pan Y, Ji W, Lam H K, Cao L. An improved predefined-time adaptive neural control approach for nonlinear multiagent systems. IEEE Transactions on Automation Science and Engineering, 20236311−6320 [31] Munoz-Vázquez AJ, Sánchez-Torres JD, Jimenez-Rodriguez E, Loukianov AG. Predefined-time robust stabilization of robotic manipulators. IEEE/ASME Transactions on Mechatronics, 2019, 24(3): 1033−1040 doi: 10.1109/TMECH.2019.2906289 [32] Munoz-Vázquez AJ, Sánchez-Torres JD, Gutiérrez-Alcalá S, Jimenez-Rodriguez E, Loukianov AG. Predefined-time robust contour tracking of robotic manipulators. Journal of the Franklin Institute, 2019, 356(5): 2709−2722 doi: 10.1016/j.jfranklin.2019.01.041 [33] 吴慈航, 闫建国, 钱先云, 郭一鸣, 屈耀红. 受油机指定时间姿态稳定控制. 航空学报, 2022, 43(02): 373−381 doi: 10.7527/j.issn.1000-6893.2022.2.hkxb202202030Wu Ci-Hang, Yan Jian-Guo, Qian Xian-Yun, Guo Yi-Ming, Qu Yao-Hong. Predefined-time attitude stabilization control of receiver aircraft. Acta Aeronautica et Astronautica Sinica, 2022, 43(02): 373−381 doi: 10.7527/j.issn.1000-6893.2022.2.hkxb202202030 [34] Chakraborty A, Seiler P, Balas GJ. Susceptibility of F/A-18 flight controllers to the falling-leaf mode: Nonlinear analysis. Journal of guidance, control, and dynamics, 2011, 34(1): 73−85 doi: 10.2514/1.50675 [35] Han J. From PID to active disturbance rejection control. IEEE transactions on Industrial Electronics, 2009, 56(3): 900−906 doi: 10.1109/TIE.2008.2011621 [36] Chakraborty A, Seiler P, Balas GJ. Susceptibility of F/A-18 flight controllers to the falling-leaf mode: Linear analysis. Journal of guidance, control, and dynamics, 2011, 34(1): 57−72 doi: 10.2514/1.50674 [37] Yue L, Liu G, Hong G. Design and simulation of F/A-18A automatic carrier landing guidance controller. In AIAA Modeling and Simulation Technologies Conference, 2016, 3527: 1−11 [38] Guo Y, Xu B. Finite-time deterministic learning command filtered control for hypersonic flight vehicle. IEEE Transactions on Aerospace and Electronic Systems, 2022, 58(5): 4214−4225 doi: 10.1109/TAES.2022.3160687 [39] Zhen Z, Jiang S, Jiang J. Preview control and particle filtering for automatic carrier landing. IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(6): 2662−2674 doi: 10.1109/TAES.2018.2826398 -
下载:
下载:
计量
- 文章访问数: 27
- HTML全文浏览量: 19
- 被引次数: 0
