1.一种实时主动重构容错控制方法,其特征在于步骤如下:
(1)建立挠性飞行器系统模型;
(2)利用步骤(1)得到的所述挠性飞行器系统模型,基于四元数建立挠性飞行器运动学误差方程和动力学误差方程;
(3)根据步骤(2)中的挠性飞行器运动学误差方程和动力学误差方程,建立有限时间非奇异终端滑模面;
(4)根据切比雪夫神经网络以及步骤(3)中建立的有限时间非奇异终端滑模面,确定标称控制律un和补偿控制律ua,从而得到完整的主动重构容错控制器,进而实现了实时主动重构容错控制。
2.根据权利要求1所述的一种实时主动重构容错控制方法,其特征在于:所述建立挠性飞行器系统模型,具体为:
其中:d∈R3是外部扰动,δ∈R3×3为刚体与挠性附件的耦合矩阵,δT是δ的转置,η为挠性模态,和分别为η的一阶导数和二阶导数;J0∈R3×3为已知的标称惯量矩阵,且为正定矩阵;ΔJ为惯量矩阵中的不确定部分,Ω=[Ω1,Ω2,Ω3]T是飞行器在本体坐标系中的角速度分量,是Ω的一阶导数;×是运算符号,将×用于向量b=[b1,b2,b3]T得到:
L=diag{2ζiωni,i=1,2,...,N}和分别为阻尼矩阵和刚度矩阵,N为模态阶数,ωni,i=1,2,...,N为振动模态频率矩阵,ζi,i=1,2,...,N为振动模态阻尼比;
u=[u1,u2,u3]T是主动重构容错控制器,sat(u)=[sat(u1),sat(u2),sat(u3)]T是执行器产生的实际控制向量,sat(ui),i=1,2,3表示执行器的非线性饱和特性且满足sat(ui)=sign(ui)·min{umi,|ui|},i=1,2,3,sat(ui)表述为sat(ui)=θoi+ui,i=1,2,3,其中θoi为:
umi,i=1,2,3是执行器饱和值,超出执行器饱和值部分为θo=[θo1,θo2,θo3]T,且满足‖θo‖≤lδθ,lδθ是正实数,Gδ=[Gδ1,Gδ2,Gδ3]T是加性故障,即故障以加性方式影响系统且满足‖Gδ‖≤lδf,lδf是正实数;D=diag{δo1,δo2,δo3}是执行器效率指标值且满足0<ετi≤δoi≤1,i=1,2,3;0<ετi≤1,i=1,2,3表示执行器最低执行能力,δoi=1,i=1,2,3表示第i个执行器工作正常;0<ετi≤δoi≤1,i=1,2,3表示第i个执行器部分失效,但是该执行器仍能提供部分执行能力。
3.根据权利要求2所述的一种实时主动重构容错控制方法,其特征在于:建立挠性飞行器运动学误差方程和动力学误差方程具体为:
挠性飞行器运动学误差方程:
其中:(ev,e4)∈R3×R,ev=[e1,e2,e3]T是当前飞行器姿态与期望姿态的误差四元数矢量部分,e4是标量部分,且满足和分别是ev、e4的一阶导数;(qv,q4)∈R3×R,qv=[q1,q2,q3]T是描述飞行器姿态的单位四元数矢量部分,q4是标量部分,且满足qdv=[qd1,qd2,qd3]T是描述期望姿态的单位四元数矢量部分,qd4是标量部分,且满足Ωe=Ω-CΩd=[Ωe1Ωe2Ωe3]T是建立在本体坐标系和目标坐标系之间的角速度误差向量,Ωd∈R3是期望角速度向量,是转换矩阵,且满足‖C‖=1,是C的一阶导数,I3是3×3单位矩阵;
挠性飞行器动力学误差方程为:
其中,是Ωe的一阶导数,Ωd是期望角速度,是Ωd的一阶导数;
挠性飞行器动力学误差方程改写为:
其中:F为模型确定部分,R为未知总扰动;
4.根据权利要求3所述的一种实时主动重构容错控制方法,其特征在于:有限时间非奇异终端滑模面S,具体为:
S=Ωe+K1ev+K2Sc;
其中S=[S1,S2,S3]T∈R3,Kj=diag{kji}>0,i=1,2,3,j=1,2,diag(a1,a2,…,an)表示对角线元素为a1,a2,…,an的对角矩阵;且定义Sc=[Sc1,Sc2,Sc3]T如下:
其中r1,r2是正奇数,且0<r<1,l1i、l2i,i=1,2,3是参数;εi,i=1,2,3、ι1、ι2为设计参数,sign(a)是符号函数,定义如下:
5.根据权利要求4所述的一种实时主动重构容错控制方法,其特征在于:标称控制律un和补偿控制律ua,具体为:
u=un+ua;
un=[un1,un2,un3]T=-ρS-βsigλ(S)-F;
其中,ρ=diag(ρ1,ρ2,ρ3),ρi>0,i=1,2,3,β=diag(β1,β2,β3),βi>0,i=1,2,3;sigλ(S)=[|S1|λsign(S1),|S2|λsign(S2),|S3|λsign(S3)]T,F为模型确定部分,λ∈(0,1)是设计参数;
M权值矩阵,μ=μ(X)=(1,T1(x1),...,Tn(x1),...,Tn(xm))T,其中
Ti(xj),i=1,...,n,j=1,...,m代表切比雪夫多项式,m是切比雪夫神经网络的输入个数,n是切比雪夫多项式的阶数;为鲁棒控制项,用于补偿切比雪夫神经网络的趋近误差,定义如下:
其中i=1,2,3,χ1为正的常实数且满足χ1≥εM,εM是趋近误差上限,κ为正的标量;tanh(·)为双曲正切函数。
6.根据权利要求5所述的一种实时主动重构容错控制方法,其特征在于:所述步骤(5)中权值矩阵M,符合如下自适应控制策略:
式中,均为正实数。