基于Q学习的高超声速飞行器自抗扰控制研究

为实现高超声速飞行器姿态自抗扰控制的参数整定,提出一种模糊Q学习算法。首先,采用强化学习中的Q学习算法来实现姿态自抗扰控制参数的离线闭环快速自适应整定;然后,根据模糊控制的思路,将控制参数划分为不同区域,通过设定奖励,不断更新Q表;最后,将训练好的Q表用于飞行器的控制。仿真结果表明,相对于传统的线性自抗扰控制(linear active disturbance rejection control,LADRC)和滑模控制,基于Q学习的LADRC省去了人工调试参数的繁琐过程,且仍具有良好的跟踪效果。蒙特卡罗仿真测试结果验证了基于Q学习的LADRC的鲁棒性。

高超声速飞行器热-结构试验若干关键技术

热-结构试验是高超声速飞行器研制过程中不可或缺的环节。本文在给出热-结构试验内涵与特征的基础上,结合热-结构试验典型科目介绍,呈现了热-结构试验体系总体架构,为全面了解热-结构试验提供参考;其次重点分析了当前热-结构试验中亟待突破的时变超高温热载实现、局部热载大梯度模拟以及时/频域载荷协同等7大关键技术。

面向可打击区域的高超声速飞行器制导控制一体化方法研究

针对高超声速飞行器制导和控制系统分离设计方法的不足,提出通过制导控制一体化设计提升其可打击区域的方法。首先,在建立高超声速制导控制一体化模型的基础上,揭示了其通过控制弹体坐标系与地面坐标系的牵连加速度来跟踪制导指令的工作原理。其次,通过典型弹道的数值仿真,对比分析了制导控制一体化设计相较于分离设计的控制信号差异。最后,通过确定制导控制分离设计及一体化设计的高超声速飞行器可打击区域的方式,从大样本仿真角度体现制导控制一体化的优势。结果表明,制导控制一体化设计可以放宽对可用过载的需求且有助于提升高超声飞行器的可打击区域。

预设时间性能约束下高超声速飞行器的自适应容错控制

考虑输出误差约束、不确定和执行器故障影响下的高超声速飞行器的跟踪控制问题,提出自适应容错反步控制策略。首先,设计指数型预设时间性能函数,保证输出误差在预设时间内满足约束要求。其次,通过自适应律解决不确定项和升降舵故障。利用跟踪微分器解决“计算爆炸”问题,避免反步控制中对虚拟控制输入的高阶求导。最后,基于Lyapunov理论证明闭环系统的稳定性,并通过仿真验证所提控制策略的有效性。

测量噪声下的高超声速飞行器组合观测鲁棒控制

针对高超声速飞行器大包络飞行时,风场等外部干扰和测量噪声导致控制系统性能变差甚至失稳的问题,提出了一种基于状态观测的高超声速飞行器鲁棒控制策略。考虑噪声和外部干扰影响下系统状态受扰的问题,设计了扩张状态观测器(ESO)和自适应Kalman滤波器(AKF)的特殊组合,在统计特性未知的噪声和外部干扰影响下准确估计系统状态。其中,自适应Kalman滤波器用于滤除噪声,为扩张状态观测器提供不受噪声影响的状态估计,扩张状态观测器连续为自适应Kalman滤波器提供外部干扰估计。基于系统状态估计设计线性高斯二次型控制器,实现高超声速飞行器精确轨迹跟踪。最后,通过仿真验证了该方法在测量噪声及风干扰影响下的鲁棒跟踪能力。

一种高超声速飞行器固定时间滑模控制方法

针对高超声速飞行器再入滑翔段的姿态控制问题,提出了一种存在外部扰动、模型不确定和输入饱和约束情况下的固定时间收敛终端滑模控制器。首先,针对固定时间收敛的超螺旋二阶滑模扰动观测器,给出了一个更加精确的固定收敛时间上界。随后,构造了一种改进的变指数系数快速非奇异多变量终端滑模面。进而,基于固定时间观测器和改进的滑模面,提出了一种可以使高超声速飞行器模型在受到外部扰动、模型存在不确定参数和输入饱和约束的情况下,能够实现固定时间收敛的再入滑翔段姿态控制终端滑模控制器,并证明了其在观测器收敛前后的固定时间稳定性。该方法能够在不引入额外测量的前提下,有效避免输入饱和。最后,通过数值仿真验证了所提出的控制方法的有效性。

高超声速飞行器指定时间时变高增益反馈跟踪控制

研究了高超声速飞行器控制通道存在未知环境干扰时的指定时间跟踪控制问题.基于高超声速飞行器的输入输出线性化模型,借助参量Lyapunov方程的一些性质,设计一种光滑、有界的时变高增益控制律.相比于现有的高超声速飞行器有限/固定时间控制方法,该算法不会出现抖振现象,同时收敛时间不依赖于初始状态且可以事先设定.当高超声速飞行器存在未知的有界环境匹配干扰时,该控制器能使高度和速度在指定时间跟踪上参考信号.仿真结果验证了方法的有效性.

高超声速飞行器发汗冷却系统自抗扰控制研究

针对高超声速飞行器发汗冷却系统的温度控制问题,在一维固定边界发汗冷却模型的基础上,提出了用于调节飞行器壁面多孔介质温度的自抗扰控制器,并进行了数值仿真。该控制器不依赖于多孔介质温度场精确的数学模型,通过从系统的输入输出数据中提取干扰信息并进行补偿,实现对热流干扰的抑制。仿真结果表明,针对发汗冷却系统设计的自抗扰控制器,能够实现对参考温度的快速跟踪;且相较于传统的PID控制,温度响应没有超调;在有外界热流干扰时,具有较强的鲁棒性和适应性,可以为发汗冷却控制系统的工程应用提供一定参考。

基于滚动时域估计的高超声速飞行器轨迹跟踪

针对高超声速飞行器高精度轨迹跟踪问题,提出一种将滚动时域估计与交互式多模型算法相结合的强机动目标轨迹跟踪算法。给出了半速度系下的高超声速飞行器滑翔段运动模型及量测模型。利用滚动时域估计方法将状态估计问题转化为有约束的优化问题,并充分考虑飞行器滑翔段物理约束。在此基础上,为应对目标不同机动模式,借助交互式多模型算法思想建立模型集对其进行近似。分别在机动模式不变和机动模式突变的情况下对算法进行了验证。结果表明,新算法采用多个模型并行估计,即时调整模型概率后进行融合输出,能够有效避免目标跟踪模型失配,可显著提高对于高超声速飞行器这类强机动目标的轨迹跟踪精度。

基于深度学习的高超声速飞行器执行器零样本故障辨识

近年来,基于深度学习的故障诊断已经通过大量数据进行了深入的研究.然而,深度学习技术的巨大成功是基于可以获取大量带标签的训练样本的假设.在实际问题中,经常面临数据不平衡、标记的数据太少或没有数据的情况.基于此,本文研究了高超声速飞行器在零样本情况下的故障辨识问题.考虑飞控系统执行器故障,运用深度学习技术来识别特定故障类型(失效故障或卡死故障).“零样本”指的是在故障诊断的深度学习模型构建中,未曾包含或引入任何与目标故障相关的样本数据.因此,该模型必须依赖于其他方法和特征来推断和准确识别这些未知故障,以实现有效的故障辨识.针对这一问题,使用人工定义的故障描述来表征未知故障.具体而言,即利用关系网络学习将已知故障样本与定义的未知故障描述进行比较.进一步,为实现特征提取,结合卷积神经网络及长短期记忆神经网络,构建深度神经网络结构.最后,在Winged-cone(翼椎体)构型的高超声速飞行器上进行零样本故障辨识实验,结果表明在没有目标故障样本的情况下,所设计的算法可以完成对目标故障的诊断工作.

采用利希滕贝格图的高超声速飞行器轨迹优化

针对复杂约束条件下高超声速飞行器再入轨迹优化问题,提出一种混合算法进行求解,以解决现有轨迹优化方法对初值的强依赖性以及易陷入局部最优等问题。将高超声速飞行器再入轨迹优化建模成一个非线性规划问题,并设计双层优化结构进行求解。上层中,提出一种基于利希滕贝格图的自适应分段利希滕贝格算法(Adaptive piecewise Lichtenberg algorithm,APLA),为高斯伪谱法提供良好的初值。APLA通过引入拉丁超立方体抽样提升算法初始触发点的效能,引入全局至局部搜索分段策略及自适应因子提高算法收敛速度和收敛精度,改善算法易陷入局部最优等情况。下层中,高斯伪谱法在最优解附近具有较好的收敛速度和较高收敛精度,因此使用高斯伪谱法以加快搜索过程,提升解的全局最优性。综上,提出再入轨迹优化混合算法(APLA_GPM),实现对高超声速飞行器再入轨迹优化问题快速、准确求解。仿真结果表明,APLA_GPM在高超声速飞行器再入轨迹优化方面具有更快的收敛速度、更高的精度以及更强的鲁棒性。

随机参数摄动下的高超声速飞行器姿态控制

针对高超声速飞行器随机参数摄动的姿态控制问题,提出一种基于轨迹线性化和扩展卡尔曼滤波(extended Kalman filter,EKF)的预测滑模控制方法。首先,针对随机参数摄动的高超声速飞行器非线性模型,采用轨迹线性化方法建立线性时变误差调节模型。通过分析参数误差的统计特性,将统计信息以参数协方差矩阵的形式进行表示,并设计EKF对受扰误差状态进行滤波。然后,采用预测滑模控制方法设计误差稳定调节器,使系统快速趋于稳定。所提方法对随机参数摄动和非线性干扰都具有强鲁棒性。仿真验证了所提方法的有效性。

高超声速飞行器的动态热密封技术研究进展

高马赫数飞行带来的气动热一直是制约飞行器向更大速域和空域发展的最大因素,特别是针对飞行器发动机尾喷管和机体之间、飞行器尾翼控制舵等有较大动态间隙部位,对其进行动态热密封的技术难度也远高于一般的机身表面防热;因此,动态热密封技术成为各国在新型高超声速空天飞行器发展中需要突破的重要瓶颈。本文以X-38等飞行器为例,对国外动态热密封技术进行了简要介绍,并对其主要技术类型和关键性能测试方法进行综述,最后对动态热密封技术的发展进行了总结和展望。

高超声速飞行器改进阻力加速度剖面设计

针对高超声速飞行器在滑翔段标称轨迹制导过程中的阻力加速度剖面设计问题,提出了一种改进的阻力加速度剖面设计方法。为增大飞行器滑翔段航程,改善飞行状态参数,设计了以能量倒数为自变量的二次函数形式剖面,通过改变剖面中点处阻力加速度值的方式对剖面形状进行调整,以满足高超声速飞行器各项约束。仿真结果表明,与传统二次函数阻力加速度剖面进行对比,该阻力加速度剖面能够增加最大滑翔距离,并改善飞行状态参数,能支持飞行器完成禁飞区绕飞任务。

高超声速飞行器试飞保障预想

随着现代军事科学技术的快速发展,高超声速飞行器的试飞技术引起了全球航空航天专家的高度关注。高超声速飞行器是指飞行速度超过5马赫的飞行器,具有高速、高机动性和高可靠性等优点。高超声速飞行器可以是高超声速飞机、高超声速导弹和高超声速炮弹;同时也可以是由吸气式发动机或组合发动机提供动力,在大气层和跨大气层中实现高速远程飞行的空天飞机。

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究:首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明:所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。

基于微分平坦的高超声速飞行器跟踪控制方法

针对高超声速飞行器跟踪控制存在控制相对阶较高、过程状态约束强等问题,提出基于微分平坦的高超声速飞行器跟踪控制和外环跟踪控制方法,避免串级自抗扰控制(active disturbance rejection control,ADRC)等控制方法带来的鲁棒性问题,微分平坦将过程状态和控制输入映射为关于平坦输出的函数,在模型线性化的同时实现了轨迹规划的约束降维。针对不确定性较强的姿控内环,搭配ADRC从而避免微分高阶模型推导下的微分爆炸问题,ADRC不依赖于精确模型信息,提升了控制系统鲁棒性。仿真结果表明,微分平坦和ADRC互补对方缺陷,具有良好的控制性能和鲁棒性。

高超声速飞行器时间协同预测校正鲁棒制导

针对存在参数不确定性的多高超声速飞行器滑翔段协同制导问题,提出了一种时间协同的预测校正鲁棒制导方法。首先,基于剩余飞行时间的动态航向角误差走廊实现了横向协同制导,为调整飞行时间提供了有利条件;设计了随协同飞行任务进程变化的权值函数,将剩余飞行时间引入纵向制导的预测校正过程中,确保协同飞行任务落点和协同时间的精度。其次,基于改进无迹卡尔曼滤波估计的方法对气动参数的不确定性进行估计,通过对剩余飞行时间与剩余能量的综合分析,修正了航向角误差走廊和标称迎角剖面,以提高协同制导系统的鲁棒性能。最后,分别在标称环境和参数不确定环境下开展了仿真实验,其结果证明了该协同制导方法的可行性和鲁棒性。

拦截高超声速飞行器的微分对策制导律

针对目前高超声速飞行器难以拦截的问题,提出了微分对策制导律。首先,建立了三维空间两方空中对抗模型,提出了最优性能指标,根据状态依赖指标得到的实时更新的Riccati方程进行最优策略的实时解算。分别采用了较为精确的Schur法和近似计算但速度较快的θ-D法求解Riccati方程,得到了两种微分对策制导律。在目标蛇形机动作战情景下对传统比例导引法和微分对策法进行仿真分析。比较性能指标,得出微分对策法在面对高速机动目标时效果优于比例导引法的结论。

组合动力高超声速飞行器下降段动力使用策略

组合动力高超声速飞行器具备更快的响应速度、更强的突防能力,能够执行侦查、攻击和损伤评估等任务,是未来高超声速飞行器发展的重点方向。当前组合动力的使用策略研究主要集中于周期性巡航轨迹优化、再入式武器动力补能、上升段连续助推等问题,而针对下降段动力使用策略相关研究较少。