1.3 高超声速飞行器控制概况

1.3.1 高超声速飞行器运动特点

近空间高超声速飞行器跨越平流层、中间层和部分热层，这一区域大气密度和空气压力变化范围大，环境温度变化复杂，使得飞行器的特性随飞行高度、速度变化呈现出强烈的非线性特性。由于高超声速飞行器自身复杂的气动特性以及采用机体/发动机一体化设计技术，使得其与一般的飞行器相比，弹性机体、推进系统、结构动态和控制操纵面之间的耦合更强，模型的非线性程度更高。

高超声速飞行器在大气层内飞行时，高超声速气流引起局部流场中激波与边界层的干扰，会导致飞行器表面的热流率及局部压力的变化而直接影响飞行器的气动力特性。在高超声速条件下，飞行器表面不可避免地引起机体气动外形变化而造成控制系统的基础结构失真[6]。高超声速飞行器大的飞行包络使得控制模型参数容易受到高低空的气动力特性差异的影响，而大气特性的测量和气动特性的估算都比较困难。因此，高超声速飞行器模型具有不确定性，模型参数也是高动态变化的。此外，对典型的高超声速飞行器布局而言，长周期模态是欠阻尼的，短周期模态是不稳定的，静态稳定边界随着马赫数的增加而降低，并且呈现非最小相位特征，使得高超声速飞行器在飞行时容易受到许多随机干扰的影响[7]。

高超声速飞行大攻角的舵效耦合使得飞行器在高速巡航过程中存在攻角、额定角速度、飞行器姿态等方面的约束。此外，高超声速飞行器具有明显的时变特性，包括燃料消耗引起的质量变化、时变的非线性气动特性和气热特性等。

概括起来，高超声速飞行器的特点主要体现在模型结构非线性、模型参数非线性、约束条件非线性等引起的强非线性特性；机体发动机一体化设计、流固耦合、弹性体与刚体间的耦合、通道耦合等引起的强耦合特性；大空域飞行、高超声速流、质量变化等引起的快时变特性；未建模动态、数据稀缺、弹性变形、随机干扰等引起的不确定特性四个方面[8]。因此，为确保高超声速飞行器在复杂飞行条件下拥有稳定的飞行特性，良好的轨迹跟踪性能及强鲁棒性，必须在其飞行控制系统设计中引入新的控制方法和控制手段。虽然航空航天工作者对高超声速飞行器的控制系统研究取得了一些成果，但仍有一些问题尚未完全解决。因此，约束处理、强非线性、强耦合、快时变问题仍是高超声速飞行器控制系统设计中亟待解决的问题。

1.3.2 高超声速飞行器控制研究概况

面对飞行器这样一个复杂多变的不确定系统，国内外学者开展了大量的研究工作，取得了丰富的成果，下面对这些成果进行整理概述。

1.鲁棒控制方法

鲁棒控制是一种关于不确定性系统的分析与设计方法，就是设计这样的一个控制器，当系统存在一定程度的参数不确定性及一定限度的未建模动态时，在控制的作用下，闭环系统不仅能保持稳定，并且保持一定的控制品质[9]。近些年来，人们展开了对不确定系统鲁棒控制问题的研究，并取得了一系列研究成果。H_∞鲁棒控制理论和μ分析理论则是当前控制工程中最活跃的研究领域之一，多年来一直受控制研究工作者的青睐。

Gregory等人[10]较早地开展了其鲁棒控制器的设计，控制目的是使飞行器稳定以及跟踪速度和高度参考信号，同时保证攻角精度。在状态可测的情况下，利用H_∞回路整形和μ分析综合方法设计了H_∞控制器和μ最优控制器。基于不确定性模型，Buschek等人[11]设计了固定低阶鲁棒控制器，从而避免了由于高阶控制所带来的执行问题。在文中，对全阶控制器、截断控制器和固定阶控制器的性能进行了全面分析比较，结果表明，固定低阶控制器的性能优于截断控制器，其性能与全阶控制器异常接近，充分显示了固定阶控制器的优越性。但是，该设计方法要求一个初始镇定器，因此在实际中难以推广实施。Marrison等人[12]针对非线性高超声速飞行器模型，采用非线性随机鲁棒控制方法设计控制器。Lohsoonthorn等人[13]讨论了基于H_∞发展的Shapiro特征结构配置方法，并将该方法应用到飞行器控制设计中，但是文中忽略了模型不确定性和外部干扰。针对高超声速飞行器飞行高度和马赫数变化范围大，飞行环境多变，模型不确定性的特点，尉建利等人[14]采用L分析方法设计了高超声速飞行器鲁棒控制系统。仿真结果表明，该分析方法可以克服高超声速飞行器在多种不确定因素情况下的建模误差难题。孟中杰等人[15]研究了H_∞鲁棒控制中的混合灵敏度设计问题，通过合理选择加权阵，构造广义被控对象，控制器最终通过黎卡提（Riccati）方程进行求解。结果表明所设计的控制器能够有效地抵抗飞行过程中存在的多种干扰和参数的摄动，能够满足飞行控制性能要求。

2.滑模控制方法

对于不确定性问题，滑模控制方法能够提供一套完整的方法保证闭环系统的稳定性和控制性能。滑模控制的主要优势是滑动模态对匹配的模型不确定性和外部干扰保持不变性。对于高超声速飞行器这样的不确定系统，应用滑模控制方法来设计控制器是自然的。Shtessel等人[16]对X-33飞行器采用双环结构分别设计滑模控制器，实现了内环角速度间的解耦和外环姿态角间的解耦，但是作者并没有考虑姿态运动学方程中存在的不确定性。Xu等人[17]引入了自适应滑模控制设计方法，在一定程度上减少线性系统鲁棒控制的保守性。在该文献中，应用输入输出精确线性化理论进行解耦，并发展了一套新的自适应滑模控制方法，利用非线性滑模观测器对不可量测状态进行估计。所设计控制器能够有效处理参数不确定性。尉建利等人[18]采用模型参考变结构控制对飞行器俯仰通道自动驾驶仪控制系统进行设计。结果表明，和PID控制相比，模型参考自适应变结构控制能够更好地抵抗参数扰动影响，控制效果更好。Yang等人[19]对高超声速飞行器再入过程，针对存在模型不确定性和外部干扰的情形下，利用积分滑模的方法设计了鲁棒解耦跟踪控制器。仿真结果表明，所设计的控制器能够满足性能要求。黄国勇等人[20]对空天飞行器再入过程的姿态控制系统，基于快速模糊干扰观测器，为其设计了自适应Terminal滑模控制方案。李惠峰等人[21]用非线性的高超声速飞行器纵向模型，首先进行输入/输出线性化，然后以指数趋近律作为到达条件设计滑模变控制器。仿真结果表明，控制器能够较好地处理不确定性问题，而且对外部干扰不敏感。

3.智能控制方法

智能控制是近20年来发展起来的一门新兴学科，是研究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有仿人智能的工程控制与信息处理系统的一个新兴交叉边缘学科。由于智能控制强大的学习能力，近年来逐渐被应用到高超声速飞行器控制中。高道祥等人[22]提出了高超声速飞行器的模糊自适应控制方法，针对飞行器纵向模型的特点，基于动态逆和Backstepping方法，分别设计了高度控制器和速度控制器。由气动参数变化而引起的不确定性通过模糊自适应系统来辨识，而自适应律采用Lyapunov理论来推导，这样保证了系统的稳定性。闫斌斌等人[23]针对高超声速飞行器建模不准确的特点，设计了一种模糊CMAC神经网络控制器，在CMAC神经网络控制器中结合模糊逻辑理论，使得CMAC控制器具有自学习能力。朱亮等人[24]研究了一种新的空天飞行器鲁棒自适应轨迹线性化飞行控制系统。系统中的不确定性通过单隐层神经网络在线辨识，以抵消不确定性对控制性能的影响。仿真结果表明，即使在很恶劣的条件下，所提出的方法仍然确保控制性能。Chen等人[25]基于多层神经网络、反馈线性化技术和Backstepping设计方法，对高超声速飞行器设计了一种新的鲁棒自适应控制系统。最后六自由度仿真验证了算法的有效性。Butt等人[26]联合神经网络自适应结构，利用动态面控制对一般非线性吸气式高超声速模型设计了鲁棒动态控制器，并在巡航平衡条件下，对系统进行了仿真验证。

4.预测控制方法

预测控制，起源于20世纪70年代，是一种新型的计算机控制算法，它利用过程的模型来预测对象的将来响应。预测控制基本原理包括模型预测、滚动优化和反馈校正三大要素，这三个要素是预测控制区别于其他控制方法的基本特征，也是其在实际工程应用中取得成功的关键。预测控制并不是某一种统一理论的产物，而是在工业实践过程中发展起来的，并在实际中取得了十分成功的应用[27]。预测控制最重要的特点就是能有效处理约束问题，这是因为在实际系统中，运行状态常会使操控变量饱和，使被控变量超出既定的约束，使得系统不能安全地运行。因此能够处理多目标、具有约束控制能力就成为使控制系统稳定、可靠地运行的关键技术。

方炜等人[28]对高超声速飞行器的姿态系统提出了基于自适应模糊系统的非线性预测控制方法。所设计的控制器包括基于模糊系统的非线性预测控制器和鲁棒自适应控制器两部分。非线性预测控制律是通过模糊系统泰勒展开来设计，从而避免了在线优化带来的计算负担。而鲁棒自适应控制器则用于减少不确定性的影响。所设计的控制器保证了闭环系统的最终一致有界稳定，同时给出了理论证明和分析。姜长生等人[29]基于状态相关黎卡提方程方法，对空天飞行器再入过程的姿态系统设计了预测控制律。根据状态相关黎卡提方程方法局部渐进稳定的特点，联合有限时间预测控制，确保了系统的稳定性。程路等人[30]对高超声速飞行器姿态控制系统，首先基于标称系统设计了广义预测控制律，为了消除不确定性和外干扰的影响，同时设计了滑模干扰补偿器对干扰进行估计。仿真结果表明所提出的方法具有很好的鲁棒性。Vaddi等人[31]针对高超声速飞行器的刚性和弹性模型，在巡航飞行条件下，分别讨论了调节问题和跟踪问题，而且在求取控制律时考虑了状态和控制的约束。

5.其他控制方法

齐乃明等人[32]针对高超声速飞行器系统非线性、气动参数变化剧烈的特点，应用跟踪微分器，设计了自抗扰PID控制器，实现了对高超声速飞行器俯仰通道的姿态控制。仿真结果表明，所设计的控制器对于高超声速飞行器这样复杂的系统有很好的控制能力。吴森堂等人[33]基于Gauss-Hermite积分规则，提出了二次型高斯非线性随机控制新方法，并将其应用于高超声速飞行器的纵向运动控制中，取得了良好的控制效果。鲁波等人[34]针对通用的高超声速飞行器的纵向运动，提出了神经网络动态逆补偿控制方法。采用神经网络补偿逆误差，放宽了对数学模型的要求，同时还可以简化动态逆控制律的设计。孟斌等人[35]基于特征模型来研究X-34的爬升控制问题。因为不需要选取多个工作点，从而大大简化了设计过程。仿真结果表明，提出的方法不仅实现了控制目标，而且还能满足俯仰角和过载的约束。Georgie等人[36]利用动态逆方法研究了X-38的再入控制问题，分别设计了俯仰角速率和攻角的动态逆控制器，不仅满足了时域和频域指标，而且也满足了评价指标。Kuipers等人[37]针对吸气式高超声速飞行器的速度和高度跟踪问题，采用新的多模型自适应控制方法设计控制器，仿真结果验证了算法的有效性。Chuang等人[38]针对高超声速飞行器周期最优巡航问题，在考虑加热速率约束情况下，应用非线性规划对问题进行求解。另外，Austin等人[39]应用遗传算法来设计高超声速飞行器的纵向控制器。