一种具有干扰在线估计的飞机防滑刹车系统控制方法
阅读说明:本技术 一种具有干扰在线估计的飞机防滑刹车系统控制方法 (Airplane anti-skid braking system control method with interference online estimation function ) 是由 李繁飙 黄培铭 黄科科 阳春华 廖力清 周灿 吴政 于 2021-01-11 设计创作,主要内容包括:本发明公开了一种具有干扰在线估计的飞机防滑刹车系统控制方法,包括以下步骤:步骤1,建立防滑刹车系统模型并进行反馈线性化处理;步骤2,将防滑刹车系统中存在的不确定性干扰引入到反馈线性处理后的防滑刹车系统模型中,然后对防滑刹车系统设计积分滑模面与控制器;所述不确定性干扰包括时变引起与未建模部分的外部扰动和参数变化引起的内部扰动;步骤3,采用自适应RBF神经网络对不确定性干扰进行在线估计,并作为补偿部分引入到防滑刹车系统的控制器中。本发明能够从强鲁棒性的防滑刹车控制律、精确的防滑刹车系统模型和不确定性干扰在线估计与补偿三个方面来提高飞机防滑刹车的效率。(The invention discloses a control method of an aircraft anti-skid braking system with interference online estimation, which comprises the following steps: step 1, establishing an anti-skid braking system model and performing feedback linearization treatment; step 2, introducing uncertain interference existing in the anti-skid braking system into the anti-skid braking system model after feedback linear processing, and designing an integral sliding mode surface and a controller for the anti-skid braking system; the uncertainty interference comprises external disturbance caused by time variation and internal disturbance caused by parameter variation of an unmodeled part; and 3, carrying out online estimation on the uncertain disturbance by adopting a self-adaptive RBF neural network, and introducing the estimated uncertain disturbance into a controller of the anti-skid braking system as a compensation part. The method can improve the efficiency of the airplane anti-skid brake from three aspects of anti-skid brake control law with strong robustness, accurate anti-skid brake system model and uncertain interference on-line estimation and compensation.)
技术领域
本发明属于飞机刹车控制领域,具体涉及一种具有干扰在线估计的飞机防滑刹车系统控制方法。
背景技术
在飞机航行的整个过程中,处于地面跑道起飞和着陆阶段花费的时间非常短,但是大型事故频频发生在这两个阶段,由此可见一个安全可靠的飞机刹车控制系统对飞机航行是极其重要的。
实际上,飞机防滑刹车系统存在着严重的不确定性干扰,对控制系统造成极大影响。常见的干扰有:参数变化引起的内部扰动、未建模参数以及时变引起的外部扰动等。
目前,国内外主流的传统多门限速度差加偏压(PID+PBM)控制刹车效果不明显,表现为抖动大、抗干扰能力弱、收敛速度慢、低速打滑严重等,常规的线性控制设计方法无法满足系统特性要求。常见的飞机刹车系统为了建模简易,常常忽略了刹车作动器模型、刹车盘模型以及不确定性干扰等,使得总体模型过于精简、理想,与真实的刹车系统存在较大误差,从而导致控制效果不佳。因此,有必要从新型防滑刹车控制律、防滑刹车系统模型和不确定性干扰在线估计与补偿等各方面来提高飞机防滑刹车的效率。
发明内容
本发明提供一种具有干扰在线估计的飞机防滑刹车系统控制方法,以解决现有技术中飞机防滑刹车系统模型受到参数不确定和不确定性外界干扰的系统最佳滑移率跟踪问题。
为实现上述技术目的,本发明采用如下技术方案:
一种具有干扰在线估计的飞机防滑刹车系统控制方法,包括以下步骤:
步骤1,建立防滑刹车系统模型并进行反馈线性化处理;
步骤2,将防滑刹车系统中存在的不确定性干扰引入到反馈线性处理后的防滑刹车系统模型中,然后对防滑刹车系统设计积分滑模面与控制器;所述不确定性干扰包括时变引起与未建模部分的外部扰动和参数变化引起的内部扰动;
步骤3,采用自适应RBF神经网络对不确定性干扰进行在线估计,并作为补偿部分引入到防滑刹车系统的控制器中。
在更优的技术方案中,所述防滑刹车系统模型表示为:
式中,λ为轮胎的滑移率,为滑移率λ的导数,f(λ)为有关于滑移率λ的函数,PA为作用在刹车盘上的压力,R为主轮有效半径,kb为刹车力矩与压力转化系数,vx为飞机纵向滑跑速度,Jw为主轮转动惯量;
为压力PA的导数,cb为刹车盘刚度系数,L0为滚珠丝杠行程,wm为转子角速度;
为转子角速度wm的导数,Jm为转子转动惯量,kT为电机转矩常数,i为电枢电流,Bv为粘滞阻尼系数;
对防滑刹车系统模型进行反馈线性化处理具体为:
首先,在防滑刹车系统模型的表达式中,λ、PA、wm为系统状态,λ为系统输出,i为系统输入;设x1为λ、x2为PA、x3为wm、u为i,从而将防滑刹车系统模型的表达式转换为系统非线性防射模型形式为:
式中,y为系统的实际输出,x=[x1 x2 x3]T;h(x)=[x1 0 0]T;
f(x)=[f1(x) f2(x) f3(x)]T;
其中,
然后,基于系统的相对阶与阶次相同,将上述系统非线性防射模型进行坐标变换,得到反馈线性处理后的防滑刹车系统,即如下式所示的线性标准系统:
其中,
在更优的技术方案中,所述积分滑模控制器的滑模面s表示为:
式中,e为跟踪的滑移率误差,e=y-yd,y为系统的实际输出,yd为系统的期望输出;C=[c1 c2 1],其中c1 c2为满足Hurwitz稳定性判据的正常数;ki为积分增益,满足ki>0; E为系统误差向量,
积分滑模控制器基于滑模面的切换控制律为:
式中,sgn(·)为符号函数,k、ε为正常数。
在更优的技术方案中,采用自适应RBF神经网络对不确定性干扰进行在线估计的具体过程为:
(1)将时变引起与未建模部分的外部扰动表示为d(z,t),将参数变化引起的内部扰动表示为△A和△Bu,则不确定性干扰D(z)表示为:
D(z)=△A(z)+△B(z)u+d(z,t);
式中,
(2)设存在未知的非线性连续函数Dn(z),以为自适应RBF神经网络的输入,采用自适应RBF网络逼近未知非线性函数Dn(z);其中,非线性连续函数Dn(z)满足:
D(z)=Dn(z)+Dd(z);
式中,|Dd(z)|≤δd,Dd(z)是影响Dn(z)为非线性连续函数的干扰项,δd为Dd(z)干扰项的边界;
(3)自适应RBF神经网络逼近非线性连续函数Dn(z),得到的实际输出作为系统的不确定性干扰估计值,并将该不确定性干扰引入到控制器中,作为控制器的补偿控制律,即:
式中,为自适应RBF神经网络的权值,H(ξ)为由输入得到的径向基向量。
在更优的技术方案中,自适应RBF神经网络权值更新律为:
式中,γ为自适应增益值,且γ>0。
在更优的技术方案中,选择高斯函数hi(ξ)作为自适应RBF神经网络的基函数,由它构成的径向基向量H(ξ),径向基函数的激活函数可表示为:
式中,ci为自适应RBF神经网络第i个隐藏层节点中心,di为第i个隐藏层节点基宽度参数。
在更优的技术方案中,防滑刹车系统控制器除了切换控制律和补偿控制律之外,还包括为了满足防滑刹车系统最终Lyapunov稳定的等效控制律为
本发明的上述方案有如下的有益效果:
1.利用反馈线性化处理防滑刹车模型进行建模,避免了基于参考点线性化建模带来的振荡偏离问题,保留了系统的非线性特性,增强了模型的实用性。
2.在反馈线性化处理的基础上,采用基于二阶误差与积分滑模面的滑模控制方法,最终得到闭环控制系统,提高了飞机防滑刹车系统的追踪最佳滑移率精度。
3.采用自适应RBF神经网络对不确定性干扰进行在线估计,并作为控制律中补偿部分,尽量减小与真实刹车情况下参数值的误差,提高飞机防滑刹车的效率。
附图说明
图1为飞机刹车过程机体动力学受力情况示意图。
图2为单个受刹机轮动力学受力情况的示意图。
图3为飞机防滑刹车系统反馈线性化处理和积分滑模控制的结构图。
图4为具有不确定性干扰在线估计的飞机防滑刹车系统反馈线性化处理和积分滑模控制方法的结构图。
图5为刹车效率计算的示意图。
图6为干跑道状态下具有不确定性干扰在线估计的飞机防滑刹车系统反馈线性化处理和积分滑模控制方法的仿真图,其中,(a)为飞机机体速度和飞机机轮速度随时间变化的仿真图,(b)为实际滑移率和期望滑移率随时间变化的仿真图,(c)为实际结合系数和期望结合系数随时间变化的仿真图,(d)为刹车压力随时间变化的仿真图,(e)为单个主轮垂直载荷随时间变化的仿真图,(f)为纵向滑跑距离随时间变化的仿真图。
图7为假定引入带高斯噪声的正弦曲线作为实际刹车过程的干扰与自适应RBF神经网络输出估计值对比的仿真图。
具体实施方式
本发明提供一种具有不确定性干扰在线估计的飞机防滑刹车系统控制方法,针对模型参数不确定和受到不确定性外界干扰的飞机防滑刹车系统最佳滑移率跟踪问题,以原防滑刹车系统进行输入输出反馈线性化处理为基础,采用积分滑模控制方法,并结合自适应RBF(径向基函数)神经网络在线估计来解决模型参数不确定与不确定性外界干扰给控制效果带来的不良影响。一方面利用自适应RBF神经网络技术对不确定性模型参数进行在线估计并作为控制律中补偿部分,尽量减小与真实刹车情况下参数值的误差,另一方面利用积分滑模控制技术来削弱外界干扰,快速地使系统收敛稳定,减小抖振。
下面结合附图和仿真及实验实例对本发明进行详细的描述。本实施例具体实施步骤如下:
1.飞机防滑刹车系统建模
(1)飞机机体动力学模型
飞机机体模型主要描述飞机动力学特性,在着陆滑跑过程中,对飞机机体模型进行受力分析,如图1所示。
对飞机刹车动力学模型分析前,做出如下假设:①将飞机视为理想刚体,不考虑弹性变形,机体简化成集中质量,在整个刹车过程飞机质量恒定不变;②假设飞机地面着陆滑跑时没有侧风,仅考虑纵向运动;③由于前轮没有受刹属于滚动摩擦力,量级太小可忽略;④假设所有受刹机轮的刹车机构性能一致,且同步控制,则所有机轮的刹车控制简化为单轮单通道机轮的控制。
根据牛顿第二定律和动力学分析,建立飞机机体动力学模型:
式中,m为飞机质量,vx为飞机纵向滑跑速度,Fx为迎风阻力,n为受刹主轮个数,Ff为单个主轮与地面间摩擦力,Tv为发动机推力,Fy为飞机升力,N1为单个主轮垂直载荷,N2为前轮垂直载荷,g为重力加速度,a为前轮中心与飞机重心的水平距离,b为主轮中心与飞机重心的水平距离,h为飞机重心与地面的垂直高度,ht为发动机推力点与飞机重心的垂直高度,μ(λ)为主轮与地面之间的结合系数,λ为轮胎的滑移率,Tint为发动机剩余推力,kv为发动机剩余推力与飞机纵向速度的系数,kx为水平方向空气阻力系数,ky为垂直方向空气阻力系数,ρ为空气密度,Cd为飞机气动阻力系数,Sw为机翼总面积,CL为飞机滑跑时的升力系数。
(2)单个受刹机轮动力学模型
在飞机着陆、机轮接触地面的过程中,主轮主要受到的力包括:由地面与轮胎之间产生的摩擦力、地面给予飞机的垂直载荷和刹车装置作用制动盘间的制动力。机轮与地面接触产生的摩擦力与结合系数和机轮的垂直载荷有关,它们之间相互关联又相互制约,由此可见,刹车系统是一个强非线性、强耦合的系统,难以通过简单的控制策略对刹车系统解耦求解。单个机轮在刹车状态下的受力情况如图2所示。
根据牛顿第二定律和动力学分析,建立单个受刹机轮动力学模型:
式中,Jw为主轮转动惯量,w为机轮角速度,R为主轮有效半径,Tb为刹车力矩,kb为刹车力矩与压力转化系数,PA为作用在刹车盘上的压力。
(3)结合系数模型
刹车过程中飞机的重量几乎毫无变化,结合力的大小由结合系数决定,本发明选择与实验数据拟合度较高的Magic Formula作为结合系数与滑移率关系模型:
μ(λ)=Dsin(Carctan(Bλ)) (3)
式中,D为峰值因子,C为刚度因子,B为曲线形状因子,λ为轮胎的滑移率。
飞机速度恒定时,建立干、湿、冰三种跑道条件下的结合系数μ与滑移率λ关系模型。通过对比试验数据和借鉴有关参考文献,获得干、湿、冰跑道状态下的峰值因子、刚度因子和曲线形状因子的数值如表1所示。
表1不同跑道状态下的Magic Formula模型各因子数值
跑道条件
峰值因子D
刚度因子C
曲线形状因子B
最大滑移率λ<sup>*</sup>
干
0.8
1.5344
14.0326
0.117
湿
0.4
2.0192
8.2098
0.12
冰
0.2
2.0875
7.201788
0.13
在刹车过程中,无论刹车压力PA作用与否,始终保持v≥Rw,由此定义滑移率λ为:
根据飞机机体动力学模型、单个受刹机轮动力学模型以及结合系数模型,对公式(4)求导,再结合(1)、(2)得到滑移率变化率的公式:
(4)全电刹车作动器模型
根据无刷直流电机全电刹车作动器模型,可得到作用在刹车盘上的压力变化率和转子角速度变化率的公式为:
式中,cb为刹车盘刚度系数,L0为滚珠丝杠行程,wm为转子角速度。
式中,Jm为转子转动惯量,kT为电机转矩常数,i为电枢电流,Bv为粘滞阻尼系数。
2.飞机防滑刹车系统反馈线性化处理
将公式(5)、(6)、(7)整合成完整的飞机防滑刹车模型:
以λ、PA、wm为系统状态,λ为系统输出,i为系统输入。假定x1为λ、x2为PA、x3为 wm,u为i,模型(8)重写成系统非线性仿射模型形式:
系统(9)中的相关向量参数及输出函数为:
x=[x1 x2 x3]T;h(x)=[x1 0 0]T;
f(x)=[f1(x) f2(x) f3(x)]T;
其中,
要对飞机刹车非线性系统准确反馈线性化,需要保证系统的相对阶等于系统阶次,因此进行系统的相对阶判断:
零阶:
一阶:
二阶:
三阶:
因为刹车系统的相对阶为3,等于系统的阶次,因此该系统可进行反馈线性化处理。
非线性系统模型经过坐标变换,得到如下线性标准系统:
其中,z1=h(x),z2=Lfh(x),
3.基于积分滑模面的滑模控制方法设计
考虑到实际的防滑刹车系统中存在不确定性干扰,如由时变引起与未建模部分的外部扰动d(z,t)和参数变化引起的内部扰动△A与△Bu,将模型(10)改写为:
式中,系统的实际输出为y,设期望输出为yd,则系统的跟踪误差e为:
e=y-yd (12)
设系统误差向量为则:
系统误差向量变化率为:
结合线性状态空间方程,对滑模切换面进行设计,得到如下积分滑模面s:
式中,C=[c1 c2 1],其中c1 c2为满足Hurwitz稳定性判据的正常数,ki为积分增益,满足ki>0。
控制律由等效控制项ueq和切换控制项usw两部分组成:
u=ueq+usw (16)
式中,sgn(·)为符号函数,k、ε为正常数。飞机防滑刹车系统反馈线性化处理和积分滑模控制结构框图如图3所示。
4.自适应RBF神经网络不确定性干扰在线估计
(1)自适应RBF神经网络设计
实际上,飞机防滑刹车系统具有严重的非线性、复杂性,存在不确定性干扰,对控制系统造成极大影响。为了使得控制的鲁棒性更加优良,采用自适应RBF神经网络对不确定性干扰在线估计,并作为补偿部分引入到积分滑模控制器中处理,对干扰起到了很好的抑制作用。
本发明采用的自适应RBF神经网络输入层为4个神经元,输出层为1个神经元。采用k-means聚类算法选择神经网络的隐藏层个数和对应的控制参数,最终确定隐藏层神经元个数为7个。
对于模型(11),令D(z)为干扰参数不确定项,满足如下表达式:
D(z)=△A(z)+△B(z)u+d(z,t) (19)
假设存在未知的非线性连续函数Dn(z),即:
D(z)=Dn(z)+Dd(z) (20)
式中,|Dd(z)|≤δd,Dd(z)是影响Dn(z)为非线性连续函数的干扰项,δd为Dd(z)干扰项的边界。
采用自适应RBF网络逼近未知非线性函数Dn(z),实际输出的近似值可表示为:
式中,为d、W的估计值。
假设存在理想的RBF神经网络权值W,满足如下表达式:
Dn(z)=WTH(ξ)+δ (22)
式中,为自适应RBF神经网络的输入向量, H(ξ)=[H1(ξ) H2(ξ)… Hi(ξ)]T为神经网络的径向基向量,δ为神经网络逼近误差,并且满足逼近误差δ有界,即|δ|≤δm。
选择高斯函数hi(ξ)作为的基函数,由它构成的径向基向量H(ξ),因此,径向基函数的激活函数可表示为:
式中,ci为第i个隐藏层节点中心,di为第i个隐藏层节点基宽度参数。
设计自适应RBF神经网络权值更新律为:
式中,γ为自适应增益值,且γ>0。
结合公式(17)、(18),得到最终控制律,其由等效控制项ueq、切换控制项usw和补偿控制项unn三部分组成:
u=ueq+usw+unn (25)
经过飞机防滑刹车系统的反馈线性化处理和积分滑模控制后,结合不确定性干扰的自适应RBF神经网络在线估计并作为控制律中补偿部分,能够在具有不确定性干扰影响下对期望滑移率跟踪控制效果表现很好,具有很强的自适应能力和鲁棒性,其综合控制策略图如图4 所示。
(2)稳定性及收敛性分析
自适应RBF神经网络权值估计误差
由于W变化缓慢,对公式(27)求导,得:
联立公式(11)、(19)、(20)、(21)、(22)、(25)、(27)得:
为了保证控制律的稳定性,定义Lyapunov函数为:
对公式(30)进行求导,并结合(24)、(27)、(28)、(29)可得:
确保ε>δm+δd,则可通过k值来调整跟踪误差的收敛速度。当时,s≡0,根据LaSalle不变集原理,闭环系统渐进稳定,t→∞时,s→0,从而e→0。
至此,飞机防滑刹车系统(8)在设计的滑模控制律(25)以及自适应更新律(24)的作用下,能够保证系统最终稳定收敛。
5.仿真验证与结果分析
(1)防滑控制性能指标
刹车效率一般作为对系统性能的一个重要衡量标准,其包括压力效率、力矩效率和结合系数效率。刹车效率的高低往往决定了控制策略的优劣。对于刹车效率的计算,最常见的是采用面积法,如图5中所示曲线,其计算公式为:
式中,η为刹车效率;A为实线所包围的面积;A0为虚线所包围的面积(如图5中阴影部分)。
另一个防滑刹车的性能指标是刹车距离,在相同的条件下,能够缩短刹车距离将会大大提高跑道的利用率,节省跑道占地面积。
(2)模型仿真验证与分析
整个仿真试验过程从飞机着陆后,刹车机轮速度与飞机速度一致,并满足刹车起始速度条件开始,直到飞机速度到达刹车系统失效速度(取5m/s),防滑刹车系统停止工作结束。
飞机防滑刹车系统工作的初始飞机速度为vx(0)=72m/s,初始机轮角速度 w(0)=160rad/s。仿真在干跑道状态进行,对应的期望滑移率为0.117。在干跑道条件下防滑刹车模型的仿真结果如图6所示。
图6(a)给出了飞机速度和机轮速度的对比波形,可以看出飞机速度与机轮速度减速平稳,没有出现较大的波动和机轮深打滑的现象。在干跑道条件下的滑移率仿真结果如图6(b) 所示,可以看出实际滑移率的跟踪性能与预期的滑移率基本一致,始终处在最优滑移率的左侧,工作在稳定区域,且滑移率误差收敛较快,保证了防滑刹车系统时刻跟踪最优滑移率。从图6(c)与(e)中看出,在速度一定时,结合系数与滑移率对应达到最大值,保证了最优的结合力矩,从而获得理想的刹车效率。另外,在刹车初始阶段由于飞机速度大,升力作用明显,所以载荷较小。当飞机速度变小时,飞机升力减小,作用在机轮上的垂直载荷越来越大,随之结合力矩也越来越大。同样的,当刹车力矩达到结合力矩的最大值时,滑移率可以稳定的处于最佳滑移率附近。图6(d)中发现,刹车压力在整个刹车过程光滑稳定、抖动小,与结合系数有相似的波形。在湿跑道的条件下,刹车压力出现较大抖动,但很快得到恢复。图6(f)可以看出,干跑道飞机刹车时间为12.2s,滑跑距离为471.3m,刹车效率为96.3%。
采用传统多门限速度差加偏压(PID+PBM)控制方式进行试验,干跑道飞机刹车时间为13.7s,滑跑距离为498.7m,刹车效率为92.7%。对干跑道情形下仿真结果的分析研究,本发明采用的控制方法与传统的PID+PBM控制策略相比,刹车效率更高,抗干扰性更强,刹车时间减少,滑跑距离缩短,防滑刹车效果更好。
为了检验自适应RBF神经网络对不确定性干扰的误差估计效果,假定引入带高斯噪声的正弦曲线作为实际刹车过程的干扰,从图7可看出,神经网络输出的估计值与实际的干扰曲线误差较小,且具有一定的滤波作用。
综上所述,本发明提供了一种具有不确定性干扰在线估计的飞机防滑刹车系统反馈线性化处理和积分滑模控制方法。建立精确的飞机防滑刹车系统模型,接着对原系统进行反馈线性化处理后,将强复杂性、强非线性、强耦合的系统简化成线性系统,很大程度上优化了模型,使得依赖准确模型的控制方法得到良好的基础前提。然后采用积分滑模面的滑模控制方法对滑移率进行闭环控制,可以保证快速稳定地工作在最佳的滑移率附近的稳定区域,出现较大干扰时能起到很好的抑制作用,积分引入使得抖振消除减弱。最后结合自适应RBF神经网络对不确定性干扰在线估计,设计相应补偿器,使得整个系统的鲁棒性、自适应能力得到提升,仿真结果非常贴近真实飞机滑跑情况。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
- 上一篇:一种医用注射器针头装配设备
- 下一篇:一种可对组件更换和调节的高楼层消防用无人机