杨铭超，江驹，甄子洋，李腾

(南京航空航天大学 自动化学院,江苏 南京 210016)

空间可变翼飞行器小翼伸缩自适应滑模控制

杨铭超，江驹，甄子洋，李腾

(南京航空航天大学 自动化学院,江苏 南京 210016)

近空间可变翼飞行器具有可伸缩小翼结构，针对小翼伸出和收回状态变化过程中，存在参数摄动，可能造成飞行器状态以及控制量的大范围跳变，影响飞行器的稳定性的问题，本文提出一种快速双幂次趋近律滑模与神经网络结合的自适应滑模控制方法。应用该方法设计快速双幂次趋近律滑模控制器，并利用神经网络充分逼近复杂的非线性关系能力，得到小翼伸缩全过程的滑模趋近律。对比分析传统滑模控制方法和快速双幂次滑模与神经网络结合自适应控制效果，仿真结果表明快速双幂次滑模控制与神经网络结合方法具有良好的控制效果。

近空间可变翼飞行器； 小翼伸缩； 模态切换； 参数摄动； 神经网络； 滑模控制； 快速双幂趋近律； 自适应控制

Abstract：Nearspace morphing vehicles possess telescopic winglets. Aircraft stability may be affected by parameter perturbations, which is caused by the large- range hop to the state and the control volume of the aircraft during the stretching and withdrawal of the winglet. An adaptive sliding mode control method that combines fast double- power reaching law sliding mode with a neural network is proposed in this paper. A sliding mode controller is designed on the basis of the fast double- power reaching law. The neural network is used to model complex nonlinear relationships to obtain the reaching law of the sliding mode throughout the entirety of the stretching and withdrawal processes of the winglet. The proposed method is compared with the traditional sliding mode control method. The simulation results showed that the proposed method has an excellent control effect.

Keywords：nearspace morphing vehicle; winglet flexing; modal handoff; parameter perturbation; neural network; sliding mode control; fast double- power reaching law; adaptive control

近空间可变翼飞行器具有强非线性、快时变、强耦合以及不确定性等动态特性，给飞行器的控制系统设计带来了困难[1-2]。顾臣风等提出针对近空间飞行器爬升段的跟踪控制研究，采用反馈线性化的方式得到飞行器速度和高度的非线性方程[3]。吴雨珊等采用基于动态逆-PID的控制方式实现了对近空间飞行器的巡航段的姿态控制[4]。针对近空间可变翼飞行器不确定性的动态特点，焦鑫等提出二型模糊滑模控制的方法、自适应鲁棒控制的方法和基于灰色预测滑模控制方式，设计了鲁棒控制器，实现了对飞行器的稳定控制[5-7]。……