近空间可变翼飞行器多模态鲁棒自适应切换控制研究

The nearspace morphing vehicle(NMV) can fly in the near space. NMV can utilize variable wings to change performance, which makes NMV achieve relevant flight maneuvers while the other control surfaces keep still. The control technology of NMV is a hot spot in nowadays aeronautics and astronautics domain. However, NMV has features of sharply fast-time varying, high nonlinearity, strong motion coupling and various kinds of uncertainties. Besides, during the process of switching between different flight modes, the aerodynamic configuration and the structure and parameters of control laws will change. The traditional hard switching pattern will cause sharp jumping for flight states and control parameters, which makes system unstable. Therefore, the novel control schemes and methods on multi-mode switching are desired to be researched. The robust adaptive multi-mode switching control technique is thoroughly researched in this project. Firstly, the dynamic model of mode switching process is improved through analyzing the aerodynamic characteristic of variable wings through the method of binning. Secondly, the type-2 fuzzy logic and grey prediction are used to solve the problem of uncertainty and intelligent robust control for each mode. Based on these two aspects, robust adaptive multi-mode switching control technique is thoroughly studied, and maintaining performance switching control scheme based on neural network and adaptive control scheme based on type-2 TSK fuzzy sliding mode are proposed, which draws upon the advantages of the non-linear approximation ability of neural network and the ability of type-2 fuzzy logic system to solve uncertainty in order to smoothly and steadily switching the multi-mode for NMV.

近空间可变翼飞行器（NMV）通过改变机翼外形来改变飞行器的性能，保证其它气动舵面不动或少动时完成相关飞行动作，是航空航天领域研究的重点。NMV不仅具有激烈快时变、严重非线性、强耦合以及不确定的特点，不同飞行模态切换过程中还会使气动外形及控制律结构和参数变化。常规硬切换会引起飞行器状态及控制参数大幅度跳变，导致系统不稳定，需要研究新的多模态切换控制技术和方法。本项目旨在研究NMV多模态鲁棒自适应切换控制技术，首先通过面元划分分析小翼伸缩气动特性，完善多模态切换过程的动态建模，其次利用二型模糊和灰度预测解决不确定性问题，优化各模态智能鲁棒控制研究，以这两方面为基础进行多模态切换鲁棒自适应控制研究，提出基于神经网络的保性能切换控制和基于二型TSK模糊滑模的自适应控制，利用神经网络的非线性逼近能力和二型模糊控制解决不确定问题的独特优势为多模态切换研究提供思路，从而实现NMV多模态平滑稳定的软切换。

近空间可变翼飞行器(NMV)可通过机翼外形变化提高机动性能，是航空航天技术领域的研究重点。本项目旨在解决NMV非线性控制及其模态切换问题，主要研究内容包括：NMV多模态切换过程的动态建模、各模态智能鲁棒控制和多模态切换鲁棒自适应控制。.首先，分析了小翼伸缩变化与气动力之间的定量关系，以及小翼伸缩过程中NMV气动特性变化，得到不同小翼状态下NMV的动力学模型。该模型可反映小翼伸缩对飞行器气动特性的影响，并且可用于飞行控制和飞行模态切换问题的研究。.其次，通过分析NMV各飞行阶段特点，得到了最佳小翼伸缩策略，为模态切换控制研究奠定了基础。进而提出了基于二型模糊自适应滑模的NMV飞行控制器，大幅提高了传统模糊逻辑系统的性能，可更有效地解决严重不确定性；同时，提出了基于灰色预测滑模控制的NMV飞行控制器，可精确预测与补偿不确定参数和外部干扰，提高系统鲁棒性和跟踪精度。仿真结果表明：与传统控制策略相比，所提出的两种智能鲁棒控制方法有效地提高了NMV的控制精度和鲁棒性能。.最后，针对模态切换问题，在控制律结构不变时，结合理论与仿真分析，验证了滑模切换控制可实现更加稳定和平滑的模态过度。在控制律结构变化时，分别提出两种切换控制方法。首先设计了基于神经网络的自适应滑模切换控制方法，利用神经网络自适应调节滑模趋近律参数，从而保证切换过程的稳定性与快速性；其次设计了基于二型Takagi-Sugeno-Kang（TSK）模糊滑模的自适应切换控制方法，二型TSK模糊逻辑规则可充分表述NMV模态切换过程，使模态切换过程稳定且平滑。仿真结果表明：所设计的两种鲁棒自适应切换控制方法可使NMV达到较好的模态平滑切换效果，对系统参数不确定性和未知干扰具有良好的鲁棒性。.本项目建立了完整的NMV精确非线性动态模型，弥补了国内外在模态切换建模方面的不足；提出的新型智能鲁棒飞行控制方法和新型鲁棒自适应切换控制方法，更大限度地保证飞行器大包络飞行的安全性，更切合工程应用背景，可以为NMV飞行控制技术提供理论和技术支持。