一种基于滑模干扰观测器的飞行器预测校正复合制导方法与流程

1.本发明涉及高超声速飞行器制导领域，尤其是一种基于滑模干扰观测器的飞行器预测校正复合制导方法。


背景技术：

2.高超声速飞行器为飞行速度高于5马赫的飞行器，其飞行高度介于普通航空器和轨道飞行器之间(20～100km)。此类飞行器具有速度快、航程远、机动能力高等优点，在军用、民用等领域具有重要应用前景。由于飞行器自身及飞行环境的复杂性，高超声速飞行器的制导和控制面临诸多挑战，主要表现在强非线性、快时变、强耦合和不确定性等方面。高超声速飞行器的飞行跨度巨大，高低空的气动特性存在巨大差异，最终导致飞行器的动力学特征和模型参数存在强不确定性。此外，飞行试验数据和地面试验数据很难精描述高超声速空气运动学和动力学特征。以上各种复杂的飞行器动力学特性不能完全精确地考虑在模型中，导致高超声速飞行器存在建模误差。
3.针对高超声速飞行器再入制导等问题，目前常用的方法有标称轨迹制导和预测校正制导等。
4.标准轨迹制导是在机载计算机中预先存储标准再入轨迹，根据实际飞行轨迹和标准轨迹产生误差信号，通过姿态控制系统调整飞行器姿态从而实现对标准轨迹的精确跟踪。然而高超声速飞行器在实际再入过程中，由于受初始条件误差、大气环境变化、气动系数变化等诸多因素的影响，实际飞行轨迹会偏离标称轨迹。
5.预测校正制导是根据当前飞行状态和虚拟控制信号预测再入终端落点，与理论终端落点比较产生误差信号从而在线校正制导指令以实现对落点的精确控制。预测校正制导对初始条件不敏感，可在线修正飞行轨迹，发展前景更为广阔。
6.目前，再入飞行器预测校正制导的研究主要集中在数值预测校正制导及解析预测校正制导两个方面，文献《一种短航程再入解析预测校正制导方法》针对探月飞船再入制导问题，通过预先设计的滑翔段轨迹获取预测航程解析形式，进而计算剩余航程和校正倾侧角指令，上述方法可用于短航程、低过载的再入飞行器。但该方法仅考虑标称情况，并未考虑多源干扰对系统的影响，制导精度和鲁棒性较差。文献《带终端高度约束的再入预测校正制导》针对终端高度约束问题，分段设计倾侧角剖面，通过引入高度误差变化率作为负反馈保证满足拟平衡滑翔条件。文献《基于深度学习的高超声速飞行器再入预测校正容错制导》针对飞行器故障条件下容错制导问题，利用故障信息离线训练深度神经网络，替代传统预测校正制导中的积分环节，以减少计算量、提高系统实时性。专利号为cn202010347697.5中提出了一种可重复使用运载器再入段的预测校正鲁棒制导方法，能够在参数不确定性及多约束条件下实现精确制导，该方法根据剩余能量和升阻比变化对标称攻角和航向角误差走廊自适应调整制导策略。专利号为cn201911187178.0中提出了一种可重复使用运载器全阶段再入返回制导方法，针对外界扰动和不确定性因素，将整个再入过程分为多个飞行阶段，不同飞行阶段采用不同制导方案，最终实现全阶段制导。专利号为cn201911124407.4中提
出了一种rlv再入热流率跟踪的改进预测制导方法，针对过程约束和地理约束，在纵向制导律设计中引入热流率跟踪补偿项对倾侧角幅值进行修正，在横向制导律中利用改进人工势场法设计的横向制导逻辑处理地理约束，从而保证落点精度。上述五种方法仅利用预测校正制导自身的鲁棒性抑制模型不确定性，未考虑干扰特性，缺乏主动抗干扰能力，保守性较大。
7.非线性动态、大气密度不确定性、气动参数不确定性及传感器噪声等因素同时存在的高超声速飞行器再入制导等问题，目前仍然是一个需要解决的难题。此外，热流密度、过载和动压等过程约束也是制导问题的重点研究内容。各种干扰相互混合相互影响、多个约束需要同时满足等问题都对制导系统的设计带来严峻的挑战。因此，需要充分考虑多源干扰特性，联合滑模干扰观测器与预测校正制导自身优势，实现对大气密度不确定性与气动参数不确定性的实时估计与补偿，从而提升高超声速飞行器制导精度和鲁棒性。


技术实现要素：

8.本发明解决的技术问题是：针对含有大气密度不确定性及气动参数不确定性的无动力高超声速飞行器再入段制导问题，克服现有技术的不足，提供一种基于滑模干扰观测器的飞行器预测校正复合制导方法，实现了对复杂干扰的快速估计与补偿，采用一套制导策略产生制导指令，并保证满足热流密度、过载、动压等过程约束条件，提升高超声速飞行器制导过程的精确性、自主性及抗干扰能力。
9.本发明的技术解决方案为：提出了一种基于滑模干扰观测器的飞行器预测校正复合制导方法，建立含有大气密度不确定性及气动参数不确定性的飞行器三自由度模型，在此基础上设计滑模干扰观测器和预测校正制导策略，结合二者的优势设计复合制导律，完成高超声速飞行器再入段精确制导，具体实现步骤如下：
10.第一步，根据高超声速飞行器的非线性运动学和动力学特征，建立含有多源干扰的飞行器三自由度非线性模型，并对大气密度不确定性及气动参数不确定性进行表征，具体形式如下：
11.(1)基于飞行器运动学和动力学模型，将质心运动的相关状态变量以微分方程组的形式表示：
[0012][0013]
其中，r为无量纲地心距，无量纲参数为地球半径re，θ为经度，φ为纬度，v为无量纲速度，无量纲参数为g0为地球表面重力加速度，γ为航迹倾角，ψ为航迹偏角，σ为倾侧角，τ为无量纲时间，无量纲参数为ω为无量纲地球自转角速度，无量纲参数为f表示大气密度不确定性和升力系数不确定性引起的集总干扰，l、d分别为升力加速度和阻力加速度，表达式如下：
[0014]
l＝0.5ρ
′v2
resc
′
l
/m
[0015]
d＝0.5ρ
′v2
resc
′d/m
[0016]
其中，ρ
′
为大气密度，c
′
l
为升力系数，c
′d为阻力系数，s为机翼参考面积，m为飞行器质量；
[0017]
(2)在标称大气和气动模型的基础上，引入大气密度不确定性和气动参数不确定性；
[0018]
考虑如下大气密度不确定性和气动参数不确定性：
[0019]
ρ
′
＝(1 δρ)ρ
[0020]c′
l
＝(1 δc
l
)c
l
[0021]c′d＝(1 δcd)cd[0022]
其中，ρ为标称大气密度，c
l
为标称升力系数，cd为标称阻力系数，δρ为大气密度不确定性，δc
l
为升力系数不确定性，δcd为阻力系数不确定性。
[0023]
第二步，针对航迹倾角通道干扰，设计滑模干扰观测器对飞行器大气密度不确定性和气动参数不确定性的集总干扰进行快速估计，得到集总干扰的估计值：
[0024]
忽略地球自转影响，航迹倾角动态方程可简化为：
[0025]
[0026]
假设航迹倾角通道存在的干扰f的一阶导数有界，记为g，则满足
[0027]
设计如下滑模干扰观测器如下：
[0028][0029][0030][0031]
其中，z1和z2为滑模干扰观测器状态变量，其一阶导数分别为和c1和c2为滑模干扰观测器的增益，且c1＞0和c2＞1，g为干扰f的一阶导数的上界，为干扰f的估计值，sign(
·
)表示取符号函数。
[0032]
第三步，利用当前时刻飞行状态和虚拟控制指令，设计设计纵向制导律和侧向制导律，并利用拟平衡滑翔条件和干扰估计值，将热流密度、过载和动压约束转化为倾侧角幅值约束，保证满足过程约束：
[0033]
(1)纵向制导采用预测校正的制导方法确定倾侧角幅值；
[0034]
纵向制导律设计如下形式：
[0035][0036]
其中，σ0采用牛顿法求解，具体内容如下：
[0037][0038][0039][0040]
其中，表示步长，k表示当前迭代次数；
[0041]
牛顿法求解结束条件为：
[0042][0043]
其中，ε＞0为计算允许误差；
[0044]
(2)侧向制导采用基于航迹偏角误差走廊的制导方法确定倾侧角符号；
[0045]
定义航迹偏角误差δψ为：
[0046]
δψ＝ψ-φ
[0047]
其中，ψ为航迹偏角，φ为当前位置到目标位置的视线方位角，计算方式如下：
[0048]
φ＝sin(θ-θ0)/(cos(ψ0)tan(ψ)-cos(θ-θ0)sin(θ0))
[0049]
其中，θ0为初始经度，ψ0为初始航迹偏角；
[0050]
定义一种以待飞航程s为自变量的航迹偏角误差走廊，具体内容如下：
[0051][0052]cd
＝-cu[0053]
其中，cu为走廊上边界，cd为走廊下边界，单位为弧度，s为待飞航程，单位为弧度；
[0054]
为了保证侧向制导精度，当航迹偏角误差超过误差走廊边界值时，倾侧角符号翻转一次，即：
[0055]
σ5:sign(σ)＝-sign(δψ)
[0056]
(3)利用拟平衡滑翔条件和干扰估计值，将热流密度、过载和动压约束转化为倾侧角幅值约束；
[0057]
再入过程应当满足热流密度、过载和动压约束等过程约束条件，具体形式如下：
[0058][0059]
其中，a、分别表示热流密度、过载和动压，a
max
、分别表示最大允许热流密度、最大允许过载和最大允许动压，kq表示热流密度系数；
[0060]
结合大气密度模型，上述过程约束进一步转化为高度-速度走廊，具体如下：
[0061][0062]
其中，h为高度，单位为米，g(
·
)表示大气密度的反函数；
[0063]
再入过程中，航迹倾角很小且变化缓慢，近似认为同时忽略地球自转和滑模干扰观测器估计误差，将航迹倾角通道的动态方程进行简化，得到拟平衡滑翔条件，具体如下：
[0064][0065]
根据实际情况，给定一个较小的倾侧角下边界约束值σe，得到拟平衡滑翔约束:
[0066][0067]
其中，σe＞0为给定常值，表示倾侧角下边界约束值；
[0068]
根据拟平衡滑翔条件σ7，高度-速度走廊σ6的约束转换成倾侧角幅值的约束，具体内容如下：
[0069][0070]
其中，分别表示热流密度、动压和过载约束对应的倾侧角最大幅值；
[0071]
取可得倾侧角约束
[0072]
σ8:σe≤|σ|≤|σ|
max
[0073]
其中，min{
·
}表示最小值；
[0074]
同时再入过程满足如下终端约束条件：
[0075][0076][0077]
其中，rf、vf分别表示终端地心距、速度,分别表示期望地心距、速度；
[0078]
根据公式σ4、σ5和σ8即可得到倾侧角指令：
[0079][0080]
第四步，设计复合制导律，结合第三步中的制导律，完成基于滑模干扰观测器的飞行器预测校正复合制导方法：
[0081]
设计如下复合制导律：
[0082]
u0＝cos(σb)
[0083][0084]
其中，σb为预测校正制导的输出，u0为虚拟控制信号，u为复合控制信号，为干扰f的估计值。
[0085]
本发明与现有技术相比的优点在于：本发明涉及的一种基于滑模干扰观测器的飞行器预测校正复合制导方法，针对现有方法在含有大气密度不确定性及气动参数不确定性情况下制导精度不足的缺点，设计了滑模干扰观测器对复杂干扰组成的集总扰动进行估计并补偿，实现了具有强鲁棒性的飞行器制导律设计，使其能够在多源干扰下保证制导精度；再者，利用拟平衡滑翔条件和干扰估计值，将热流密度、过载和动压约束转化为倾侧角幅值约束，保证在存在多源干扰的情况下高超声速飞行器再入段满足热流密度、过载和动压等过程约束，并将速度及高度误差控制在较小的范围之内，具有高精度、强鲁棒的特点，适用
于无动力再入的多种类型高超声速飞行器制导系统。
附图说明
[0086]
图1为本发明一种基于滑模干扰观测器的飞行器预测校正复合制导方法的设计流程图。
[0087]
图2为本发明一种基于滑模干扰观测器的飞行器预测校正复合制导方法的航迹偏角误差走廊边界。
[0088]
图3为本发明一种基于滑模干扰观测器的飞行器预测校正复合制导方法的控制框图。
具体实施方式
[0089]
下面结合附图及实施例对本发明进行详细说明。
[0090]
如图1所示，本发明涉及一种基于滑模干扰观测器的飞行器预测校正复合制导方法。第一步，根据高超声速飞行器的非线性运动学和动力学特征，建立含有多源干扰的三自由度非线性模型，并对多源干扰进行表征；第二步，在所述飞行器三自由度非线性模型与干扰表征的基础上，设计滑模干扰观测器对大气密度不确定性和气动参数不确定性组成的集总干扰进行估计；第三步，根据飞行器当前时刻的飞行状态和虚拟控制输入分别设计纵向制导律和侧向制导律，并利用拟平衡滑翔条件和干扰估计值，将热流密度、过载和动压约束转化为倾侧角幅值约束，保证满足过程约束；第四步，根据干扰估计值及预测校正制导的输出值设计复合制导律，并最终完成基于滑模干扰观测器的飞行器预测校正复合制导方法设计。本发明采用具有强鲁棒性的飞行器预测校正复合制导方法，能够在存在多源干扰的情况下实现再入段精准制导，并满足热流密度、过载和动压等过程约束，同时将终端速度及高度误差控制在较小的范围之内，具有高精度、强鲁棒的特点，适用于无动力再入的多种类型高超声速飞行器制导系统。
[0091]
具体实施步骤如下：
[0092]
第一步，根据高超声速飞行器的非线性运动学和动力学特征，建立含有大气密度不确定性及气动参数不确定性的飞行器三自由度非线性模型，并对多源干扰进行表征，具体形式；
[0093]
(1)基于飞行器运动学和动力学模型，将质心运动的相关状态变量以微分方程组的形式表示：
[0094][0095]
其中，re＝6378135m为地球半径，g0＝9.81m/s2为地球表面重力加速度，r为无量纲地心距，初始值为1.012543，θ为经度，初始值为10
°
，φ为纬度，初始值为-20
°
，v为无量纲速度，初始值为0.859815，γ为航迹倾角，初始值为-1
°
，ψ为航迹偏角，初始值为45
°
；
[0096]
l、d分别为升力加速度和阻力加速度，表达式如下：
[0097]
l＝0.5ρ
′v2
resc
′
l
/m
[0098]
d＝0.5ρ
′v2
resc
′d/m其中，ρ
′
为大气密度，c
′
l
为升力系数，c
′d为阻力系数，s为机翼参考面积，m为飞行器质量；
[0099]
(2)在标称大气和气动模型的基础上，引入大气密度不确定性和气动参数不确定性；
[0100]
考虑如下大气密度不确定性和气动参数不确定性：
[0101]
ρ
′
＝(1 δρ)ρ
[0102]c′
l
＝(1 δc
l
)c
l
[0103]c′d＝(1 δcd)cd[0104]
其中，ρ为标称大气密度，c
l
为标称升力系数，cd为标称阻力系数，δρ为大气密度不确定性，取值为0.1，δc
l
为升力系数不确定性，取值为-0.3，δcd为阻力系数不确定性，取值为0.3；
[0105]
标称情况下大气密度模型如下：
[0106]
ρ＝ρ0e
βh
[0107]
其中，ρ0＝1.225，
[0108]
第二步，在建模与干扰表征的基础上，设计滑模干扰观测器对大气密度不确定性和气动参数不确定性组成的集总干扰进行估计，设计滑模干扰观测器如下：
[0109][0110][0111][0112]
其中，z1和z2为滑模干扰观测器状态变量，其一阶导数分别为和c1和c2为滑模干扰观测器的增益，取值为c1＝200和c2＝15，g为干扰f的一阶导数的上界，取值为10，为干扰f的估计值。
[0113]
第三步，利用当前时刻飞行状态和虚拟控制指令，设计设计纵向制导律和侧向制导律：
[0114]
(1)纵向制导采用预测校正的制导方法确定倾侧角幅值；
[0115]
纵向制导律设计如下形式：
[0116][0117]
其中，为当前制导周期的初始能量，r0为初始地心距，取值为1.012543，v0为初始速度，取值为0.859815；为终端能量，rf为终端期望地心距，取值为1.003136，vf为终端期望速度，取值为0.151732，σf为常值，表示终端期望倾侧角，取值为30
°
；
[0118]
σ0采用牛顿法求解，具体内容如下：
[0119][0120][0121][0122]
其中，λk表示步长，取值为0.5，为期望终端待飞航程，取值为0.003126；
[0123]
牛顿法求解结束条件为：
[0124][0125]
其中，ε＞0为计算允许误差，取值为10-10
。
[0126]
(2)侧向制导采用基于航迹偏角误差走廊的制导方法确定倾侧角符号；
[0127]
定义航迹偏角误差δψ为：
[0128]
δψ＝ψ-φ
[0129]
其中，ψ为航迹偏角，φ为当前位置到目标位置的视线方位角，计算方式如下：
[0130]
φ＝sin(θ-θ0)/(cos(ψ0)tan(ψ)-cos(θ-θ0)sin(θ0))
[0131]
其中，θ0为初始经度，取值为10
°
，ψ0为初始航迹偏角，取值为-20
°
；
[0132]
如图2，定义一种以待飞航程s为自变量的航迹偏角误差走廊，具体如下：
[0133][0134]cd
＝-cu[0135]
其中，cu为走廊上边界，cd为走廊下边界，单位为弧度，s为待飞航程，单位为弧度；
[0136]
为了保证侧向制导精度，当航迹偏角误差超过误差走廊边界值时，倾侧角符号翻转一次，即：
[0137]
σ5:sign(σ)＝-sign(δψ)
[0138]
(3)利用拟平衡滑翔条件和干扰估计值，将热流密度、过载和动压约束转化为倾侧角幅值约束；
[0139]
再入过程应当满足热流密度、过载和动压约束等过程约束条件，具体形式如下：
[0140][0141]
其中，a、分别表示热流密度、过载和动压，a
max
、分别表示最大允许热流密度、最大允许过载和最大允许动压，取值分别为，1.5
×
106w/m2、2.5和2
×
105pa，kq＝1.794141
×
108表示热流密度系数；
[0142]
结合大气密度模型，上述过程约束进一步转化为高度-速度走廊，具体如下：
[0143][0144]
其中，其中，h为高度，单位为米；
[0145]
再入过程中，航迹倾角很小且变化缓慢，近似认为同时忽略地球自转和滑模干扰观测器估计误差，将航迹倾角通道的动态方程进行简化，得到拟平衡滑翔条件，具体如下：
[0146][0147]
根据实际情况，给定一个较小的倾侧角下边界约束值σe，得到拟平衡滑翔约束：
[0148][0149]
其中，σe表示倾侧角下边界约束值，取值为1.0472；
[0150]
根据拟平衡滑翔条件σ7，高度-速度走廊σ6的约束转换成倾侧角幅值的约束，具体内容如下：
[0151][0152]
其中，分别表示热流密度、动压和过载约束对应的倾侧角最大幅值；
[0153]
取可得倾侧角约束
[0154]
σ8:σe≤|σ|≤|σ|
max
[0155]
其中，min{
·
}表示最小值；
[0156]
同时再入过程满足如下终端约束条件：
[0157][0158][0159]
其中，分别表示期望地心距、速度，取值分别为1.003136、0.151732。
[0160]
根据公式σ4、σ5和σ8即可得到倾侧角指令：
[0161][0162]
第四步，设计复合制导律，结合第三步中的制导律，完成基于滑模干扰观测器的飞行器预测校正复合制导方法：
[0163]
如图3，设计如下复合制导律：
[0164]
u0＝cos(σb)
[0165][0166]
其中，σb为预测校正制导的输出，u0为虚拟控制信号，u为复合控制信号，为干扰f的估计值。
[0167]
采用本发明方法进行高超声速飞行器再入制导，可在再入段使用一套抗干扰预测
校正制导方法，并且能够较好满足过程约束条件。同时制导精度与无干扰估计与补偿的制导相比，能够承受更大的大气密度不确定性和气动参数不确定性，达到了高精度与强鲁棒要求。
[0168]
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。