可重复使用运载器航迹优化与跟踪控制技术

发布时间：2020-04-30 00:40

【摘要】：可重复使用运载器(Reusable Launch Vehicle,RLV)具有强非线性、强耦合的运动学和动力学特性,设计有效的非线性优化控制器可以有效完成飞行任务、减小控制能量消耗。然而,研究RLV的非线性优化控制器面临许多难点。由于航程经历的高度变化范围巨大,大气环境差异显著,导致RLV的高、低空气动特性差异巨大,其运动学和动力学特征以及模型参数在任务过程中产生明显变化。与亚声速、超声速飞行器相比,RLV有一些飞行特性无法通过风洞实验完全掌握,因此其气动参数存在强不确定性。在飞行任务过程中,无法完全预知的大气环境中,RLV可能遭受外部强干扰,控制器需要在强干扰条件下保证RLV完成既定任务。因此,设计出的优化控制器必须具有强鲁棒性。本文围绕RLV再入段的航迹优化和跟踪航迹问题,给出了RLV的数学模型,并研究了RLV在具有系统建模不确定、外部干扰综合影响下的航迹跟踪控制方法。论文主要研究内容如下:首先,研究了RLV用于轨迹优化的六状态制导模型以及用于航迹跟踪控制的六自由度十二状态运动学和动力学模型和大气模型。然后,提出基于差分进化算法和伪谱法的RLV再入段航迹协同优化方法。基于极小值原理,伪谱法可以获得局部优化性能指标,差分进化算法随机搜索伪谱法的初始探测值,选取合适的适应度函数,通过变异、交叉、选择,获得全局优化性能指标并减小航迹末端误差。仿真结果验证了该协同优化方案的有效性。其次,基于RLV十二状态标称运动学和动力学模型,选择起点和终点作为约束,最小控制能量为优化性能指标,应用伪谱法规划出优化控制输入和对应状态量变化。当系统存在系统建模不确定和外部复合干扰时,采用高阶滑模干扰观测器、超螺旋有限时间滑模控制律和滑模面误差项反馈控制律,使得系统实际航迹和姿态角动态分别收敛于标称优化航迹和姿态角动态。应用Lyapunov方法证明了系统的收敛性。仿真结果表明,该方案能够保证航迹和姿态角的收敛性,并具有良好鲁棒性。接着,基于标称姿态角动态和实际存在气动参数不确定的姿态角动态模型,建立了姿态角误差动态系统。在此基础上,设计了H_∞控制器,应用稳定流形方法,获得Hamiltonian-Jacobi不等式(Hamiltonian-Jacobi Inequality,HJI)方程的近似解析解,进而获得误差系统的控制律,将误差量调节至零。应用该方法设计了姿态角速率参考信号,应用高阶滑模观测器和超螺旋有限时间滑模控制律对该参考信号进行跟踪,并证明了系统积分输入到状态的稳定性(Interal-Input-to-State-Stability,IISS)。仿真结果表明,该方案能够保证姿态角的收敛性,具有良好的鲁棒性。最后,基于RLV标称优化轨迹,将其六状态运动学方程沿标称航迹线性化,构建线性时变误差动态系统。针对该误差系统,应用离线模型预测方法设计控制律,将跟踪误差以指数速率调节至零,可以有效对抗气动参数不确定和速度环的外界复合干扰。仿真结果表明,该方案能够保证航迹误差的收敛性,具有良好的鲁棒性。
【图文】：

关系图,状态量,控制量,关系图

南京航空航天大学硕士学位论文矩增量系数。2.3 RLV 运动学与动力学控制模型本节将上一节所建立的 RLV 模型进行适当的简化处理，整理成为适用于控制系统设计的数学模型。RLV 控制系统存在强非线性，各个运动学方程之间存在耦合，各变量之间的关系可由图 2.2 的结构图表示。控制力矩的变化直接导致姿态角速率的变化，继而影响姿态角，，姿态角和控制力T 直接影响速度环状态量，最终使航迹发生改变。

算法流程图,全局寻优,变异体

图 3.1 DE 算法流程图如下：越大计算量越大，求解效率降低；反之，NP 值小会。，局部搜索能力越好；F 越大算法越能够跳出局大，个体与变异体之间交换基因越多，如果 CR 局寻优。的全局寻优能力是以降低求解效率为代价的。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V448

【参考文献】