高超声速飞行器干扰补偿与解耦最优反步控制策略

摘要

针对高超声速飞行器不确定性问题，提出了一种融合最优控制、反步控制和极限学习机干扰观测器的新型复合控制策略。为降低控制器设计复杂度，将其纵向模型解耦为速度子系统和高度子系统。速度子系统通过误差状态变换构建线性化模型，设计二次型性能指标下的最优反馈控制律；高度子系统采用反步控制框架，在第一步虚拟控制中引入最优二次调节理论以提升动态跟踪性能。将系统的多源干扰视为复合加性干扰，设计极限学习机神经网络进行估计，并利用估计值在控制律中进行干扰补偿以提升系统鲁棒性，通过李雅普诺夫稳定性理论证明了闭环系统的半全局一致最终稳定性。仿真结果表明：与传统反步控制相比，所提方法的速度和高度响应时间分别缩短了99.61%、4.60%;速度和高度跟踪精度分别提升了99.91%、85.64%;与基于扩张状态观测器的控制方案相比，极限学习机干扰观测器在速度和高度跟踪精度上优势显著，分别实现83.3%、71.3%的提升；相较于固定时间干扰观测器，速度跟踪精度提升幅度达88.76%,高度跟踪精度提升了36.14%。结果充分验证了所提方法在动态响应性能与抗干扰能力方面的优势。

关键词

高超声速飞行器 / 极限学习机 / 神经网络 / 反步控制 / 最优控制

基金资助

国家自然科学基金资助项目(62463017)