技术特征：
1.一种高超声速飞行器滑模控制方法，其特征在于，包括以下步骤：s1.将高超声速飞行器的非线性动力学模型转化为状态相关的线性模型；s2.设计单隐藏层前馈网络的极限学习机自适应神经网络干扰观测器，以逼近系统受到的干扰和参数不确定性；以及s3.设计基于幂函数趋近律的滑模控制律，以抑制滑模控制的抖振现象。2.如权利要求1所述的高超声速飞行器滑模控制方法，其特征在于，s1的具体过程如下：s11.考虑外部干扰和参数不确定性，将高超声速飞行器的非线性模型写成y＝cx，其中，非线性模型为nasa兰利研究中心开发的高超声速飞行器的纵向动态模型，u＝[β,δ
e
]
t
，x＝[v,γ,h,α,q]
t
，y＝[v,h]
t
，d＝[d1,d2,d3,d4,d5]
t
表示外部干扰，δf表示由物理和空气动力学参数扰动引起的不确定性；s12.外部干扰和参数不确定性当作一个整体的扰动，则非线性模型可以表示为y＝cx，其中，d
s
＝δf+d表示整体扰动；s13.将系统转换为如下状态相关系数的状态空间模型：y＝cx，其中，输入矩阵这里，是动压，在化简a(x)，b(x)时，假设sinγ≈γ且β＜1。3.如权利要求2所述的高超声速飞行器滑模控制方法，其特征在于，s2的具体过程如
下：s21.为了估计系统的扰动，设计了以下基于极限学习机的自适应神经网络扰动观测器：其中，z是干扰观测器的状态，λ＞0是设计的增益系数；s22.使用基于极限学习机确定参数的前馈神经网络来近似扰动，扰动估计为：其中，e
d
＝x-z是扰动观测误差，作为神经网络的输入，ω＝[ω1,ω2,
…
,ω
l
]
t
∈r
l
×
n
，l是隐藏层节点的数量，n是输入状态的维度；b＝[b1,b2,
…
,b
l
]∈r
l
×1是隐层节点参数；β∈r
n
×
l
表示输出层的权重；h∈r
l
×1表示隐藏层的输出；s23.ω＝[ω1,ω2,
…
,ω
l
]
t
∈r
l
×
n
和b＝[b1,b2,
…
,b
l
]∈r
l
×1是随机设定的，而输出权重β∈r
n
×
l
通过李雅普诺夫稳定性定律导出的自适应定律更新。4.如权利要求3所述的高超声速飞行器滑模控制方法，其特征在于，s3的具体过程如下：s31.建立平移状态方程，具体地，通过将系统移动到设定点x
s
,u
s
来使输出y跟踪参考命令y
r
，当系统达到稳态时，下面方程满足：a(x
s
)x
s
+b(x
s
)u
s
+d
s
＝0cx
s
＝y
r
，对于高超声速飞行器，输入的数量等于输出的数量，稳态值通过下式计算：其中，矩阵a(x
s
),b(x
s
)与稳态x
s
有关，用a(x),b(x)来近似a(x
s
),b(x
s
)；并且集总扰动d
s
是未知的，因此用扰动估计来代替它，因此，平移设定点通过以下公式计算：定义w＝x-x
s
,v＝u-u
s
,则有y＝c(w+x
s
)；s32.设计滑模面，具体地，忽略系统中的扰动估计误差得到如下系统对系统进行非奇异变换，转换成如下可控标准型其中，
设计线性滑模面：其中，在滑模面上，满足s＝0；s33.设计滑模控制器，具体地，为抑制滑模控制的抖振现象，选用基于幂函数的趋近律：其中，q＞0,ε＞0，fal(s,α,δ)是幂函数，它的表达式为其中，0＜α＜1,0＜δ＜1；从滑模面推导得到：因此，基于幂函数趋近律的滑模控制律为：v＝(σtb(x))-1
(-qs-εfal(s,α,δ)-σta(x)w)，相应地，应用于高超声速飞行器的控制律为u＝v+u
s
。
技术总结
本发明涉及一种高超声速飞行器滑模控制方法，其可包括以下步骤：S1.将高超声速飞行器的非线性动力学模型转化为状态相关的线性模型；S2.设计单隐藏层前馈网络的极限学习机自适应神经网络干扰观测器，以逼近系统受到的干扰和参数不确定性；以及S3.设计基于幂函数趋近律的滑模控制律，以抑制滑模控制的抖振现象。本方法易于实现，不会出现抖振现象，能够实现高超声速飞行器的输出参考信号的无静差跟踪。踪。踪。
技术研发人员：高海燕 陈智超 林柯
受保护的技术使用者：厦门理工学院
技术研发日：2022.02.16
技术公布日：2022/6/17