申请/专利权人：广州大学

申请日：2022-03-03

公开（公告）日：2024-06-25

公开（公告）号：CN114578696B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.06.21#实质审查的生效;2022.06.03#公开

摘要：本发明涉及直升机系统控制技术领域，涉及一种2‑DOF直升机系统自适应神经网络量化容错控制方法，包括：步骤1：建立2‑DOF直升机系统的动力学模型；步骤2：利用磁滞量化器来减少量化信号中的颤振；设计辅助系统，以补偿未知的死区和执行器故障的影响；采用径向基函数神经网络对系统进行近似；并构建系统方程；步骤3：构建李雅普诺夫方程；步骤4：根据李雅普诺夫方程，构建系统的控制器和自适应律；步骤5：根据李雅普诺夫方程、系统控制器和自适应律，证明2‑DOF直升机系统的稳定性；步骤6：进行仿真，整理结果。本发明能较佳地进行直升机系统控制。

主权项：1.2-DOF直升机系统自适应神经网络量化容错控制方法，其特征在于：包括以下步骤：步骤1：建立2-DOF直升机系统的动力学模型；步骤2：利用磁滞量化器来减少量化信号中的颤振；设计辅助系统，以补偿未知的死区和执行器故障的影响；采用径向基函数神经网络对系统进行近似；并构建系统方程；步骤3：构建李雅普诺夫方程；步骤4：根据李雅普诺夫方程，构建系统的控制器和自适应律；步骤5：根据李雅普诺夫方程、系统控制器和自适应律，证明2-DOF直升机系统的稳定性；步骤6：进行仿真，整理结果；步骤1中，根据拉格朗日力学模型，系统的非线性动力学方程如下： 其中，Jp和Jy分别表示为围绕俯仰轴和偏航轴的惯性矩，Vp和Vy表示两个电机的输入电压，M表示直升机的质量，la表示距离机身固定框架原点的质心距离，θ表示俯仰角，φ表示偏航角，Kpp表示俯仰螺旋桨中作用于俯仰轴上的扭矩推力增益，Kpy表示偏航螺旋桨中作用于俯仰轴上的扭矩推力增益，Kyy表示偏航螺旋桨中作用于偏航轴上的扭矩推力增益，Kyp表示俯仰螺旋桨中作用于偏航轴上的扭矩推力增益，Dp和Dy表示黏性摩擦系数；定义q＝[q1,q2]T，q1＝[θ,φ]T和考虑到系统中的不确定性，非线性2-DOF直升机系统模型为： y＝q15其中，q,q1,q2分别是系统变量，输出角度变量和角速度变量，ΔAq、ΔBq表示系统得到不确定项，分别表示角度变量的导数和角速度变量的导数，u＝[Vp,Vy]T表示系统的控制输入；Aq和Bq是系统的增益矩阵，分别为： g表示重力加速度；步骤2中，执行器故障包括增益故障和偏置故障，统一描述如下： 其中，uft表示执行器故障输入，表示有效因子，ζt表示未知有界信号；死区表达式如下所示： 其中，ut表示死区的输出，D表示死区符号，vt表示死区的输入，ψ0、bl0、br0都表示死区的未知参数；将死区方程9改写为：Dvt＝ψvt+χvt10其中， χ表示死区项，死区参数ψ是有界的，因此，调用9，有：|χvt|≤χ*11其中，χ*＝max{ψbl,-ψbr}；为了减轻通信负担，需要将信号量化，为了避免信号量化过程中出现抖动，引入滞后量化器，因此，对死区的输入可以表示为：vt＝Qτ其中，vt是死区的输入，Qτ表示磁滞量化器，τ表示需要被量化的信号；然后，将量化定义为： 其中，表示量化密度；Qτ∈U＝{0,±τi,±τi1+δ,i＝1,2,…}，τmin表示量化的死区大小；Qτt-表示Qτ之前的时刻状态；此外，磁滞量化器还可以表示为：Qτ＝Gττt+Tt12其中，1-δGτ1+δ和|Tt|≤τmin都是增益函数，Gτ表示一个未知的增益，τt表示需要被量化的信号，δ表示一个量化参数；考虑8，10和12，重新改写为： 定义是一个未知的正整数，因为都是未知正整数，有： 其中，Aq，Bq表示系统的增益矩阵，ΔAq，ΔBq表示系统中的不确定项，是一个未知的正整数，表示有效因子，ζt表示未知有界信号，T增益函数，ψ表示死区参数，χ表示死区项；由于增益矩阵B的逆矩阵会不存在，引入τ＝BTqv，其中v是一个预期的控制信号；然后，得到系统方程如下所示： 其中，γ是一个设计参数； v表示一个未知方程，也表示一个未知方程；因为ζt表示未知有界信号，且|χvt|≤χ*，得出|Ξ|≤Ξf，其中，Ξf表示未知正整数；此外，引入一个径向基函数神经网络来估计系统中的Qq,ν，因此，得出下式：Qq,ν＝Ψ*TDX+∈X其中，Ψ*T表示神经网络的理想权重的转秩，DX表示神经元激活函数，∈X表示神经网络的近似误差，且存在一个未知的正常数∈*，使得||∈||≤∈*；步骤3中，根据步骤1中给出的内容，构建李雅普诺夫函数方程： 其中，表示一个未知正整数，径向基神经网络的权重误差，和表示常数误差，z1＝q1-qd表示角度跟踪误差，q1表示系统输出的角度变量，qd表示期望轨迹，z2＝q2-α表示跟踪误差的导数，q2表示系统输出的角速度变量，α表示虚拟控制器，λ1和λ2表示设计参数；V1、V2、V3都表示李雅普诺夫方程，Γ表示一个对角矩阵。

全文数据：

权利要求：

百度查询： 广州大学 2-DOF直升机系统自适应神经网络量化容错控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD