买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115220467B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211016430.3，技术领域涉及：G05D1/495；该发明授权一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法是由李一航;雷仲魁设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法在说明书摘要公布了：本发明公开了一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法，步骤包括：以时标分离为原则建立飞翼飞行器姿态角和角速率回路非线性模型；基于动态逆方法设计姿态角回路控制律，基于增量动态逆方法设计角速度回路控制律；引入单隐层神经网络在线补偿由于传感器延迟、外界干扰和建模不准确造成的逆误差影响，确保飞行器姿态角能够达到期望动态性能。本发明利用神经网络在线拟合未知动态的特性，解决了传统逆控制方法由于传感器延时造成的逆误差，在保证控制器对飞翼飞行器动力学和外界干扰不敏感的前提下进一步提高了控制器鲁棒性，改善了飞行姿态的动态性能和稳态性能。

本发明授权一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法在权利要求书中公布了：1.一种基于神经网络增量动态逆的飞翼飞行器姿态控制方法，其特征在于，包括以下步骤：S1根据时标分离原则建立飞翼飞行器姿态环和角速率环非线性模型，得到飞行器控制舵面、角速率状态量、姿态角状态量之间的数学关系；S2根据姿态角状态量建立姿态环回路模型，基于动态逆方法求解姿态环回路控制律，得到稳定姿态角回路控制器；S3根据角速率状态量建立角速率环回路模型，选择二阶参考模型为角速率环指令模型，基于增量动态逆方法求解角速率环回路控制律，引入单隐层神经网络对增量动态逆控制器的逆误差进行在线补偿，并基于李雅普诺夫稳定性原理构建网络的自适应学习律，得到角速率回路控制器；步骤S1所述飞翼飞行器的姿态环和角速度环非线性模型具体为：a.角速率状态量的非线性微分方程： 上式中，p，q和r分别表示飞行器的滚转、俯仰和偏航角速率，J为飞行器惯性矩阵，LA、MA和NA表示机体坐标系下由机身和控制舵面产生的滚转、俯仰和偏航气动力矩，MT表示由发动机推力力矩，力矩的具体表达式为： MT＝zTTmaxut上式中ua，ue和ur表示飞行器总副翼、总升降舵和总方向舵的控制输入，ut表示飞行器油门开度，Q为飞行器动压，Sw为机翼参考面积，b为机翼展长，cA为平均气动弦长，zT表示推力作用点在机体轴z轴上的坐标，Tmax表示发动机最大推力；表示与飞行器滚转力矩有关的气动力矩导数，表示与飞行器俯仰力矩有关的气动力矩导数，表示与飞行器偏航力矩有关的气动力矩导数，β表示飞行器侧滑角；b.姿态角状态量的非线性微分方程： 上式中，μ，α和β分别表示飞行器的滚转角、迎角和侧滑角，γ和χ分别表示航迹倾斜角和航向倾斜角，TBV表示由速度坐标系到机体坐标系的转换矩阵；步骤S2所述基于动态逆方法确定姿态角参考信号与角速率参考信号的关系，包括以下步骤：将飞行器姿态环模型改写为仿射形式： 上式中x2＝[μαβ]T为姿态环状态量，x1＝[pqr]T为角速率环状态量，f2为姿态角环系统转移矩阵，g2为姿态角环控制输入矩阵；根据动态逆控制理论，当状态量个数等于控制量个数，且输入控制矩阵g2可逆时，姿态角回路动态逆控制律有： 上式中为姿态环控制器解算出的角速率回路指令信号，v2＝[vμvαvβ]T为姿态回路的伪控制输入，由线性PID控制器计算产生；合理选择线性PID控制器参数，就能够通过伪控制输入对姿态角状态量进行控制；步骤S3基于增量动态逆方法确定角速率参考信号与控制输入的关系，包括以下步骤：将飞行器角速率环模型改写为仿射形式： 上式中表示能够产生理想角速率的控制输入量，f1为角速率环系统转移矩阵，g1为控制输入矩阵；根据动态逆控制理论，当状态量个数等于控制量个数，且输入控制矩阵g1可逆时，角速率回路动态逆控制律有： 上式中v1＝[vpvqvr]T表示角速率回路的伪控制输入，由线性PD控制器计算产生；由于角速率环系统转移矩阵f1含有大量易受外界环境变化而变化的气动导数项，动态逆控制依赖于精确的传递函数矩阵和控制输入矩阵，通常采用增量动态逆方法降低控制律对f1的依赖性；将仿射形式的角速率环微分方程展开为一阶泰勒级数形式，在控制器采样时间间隔极小的情况下，忽略状态量增量Δx，并忽略展开式中的高阶项，得到其简化形式： 上式中u为当前时刻的控制输入量，u0为上一时刻的控制输入量，为上一时刻的角速率微分，将上式进行移项并用为控制量代替当前时刻的角速率微分后得到增量动态逆控制律： 上式中v＝[vpvqvr]T表示角速率回路的伪控制输入，由PD控制器计算产生，采用二阶低通滤波器测量得到，其传递函数具体形式为： 上式中s表示拉氏变换后的传递函数在频域中的自变量，ωn为滤波器自然角频率，ξn为滤波器阻尼比；上一时刻的控制输入量u0采用二阶滤波器的积分形式测量得到，其传递函数具体形式为： 根据测量得到的上一时刻角速率导数和上一时刻控制量u0，结合控制输入矩阵g1，得到完整的加速率环增量动态逆控制律： udes＝Δudes+u0上式中Q为飞行器动压，Ixx为飞行器围绕机体轴x轴的转动惯量、Iyy为飞行器围绕机体轴y轴的转动惯量、Izz为为飞行器围绕机体轴z轴的转动惯量，通过对线性PD控制器参数进行合理选择，就能够通过伪控制输入对角速率状态量进行控制；步骤S3中引入单隐层神经网络对增量动态逆控制器的逆误差进行在线补偿，包括以下步骤：针对角速率环控制器适当选择二阶参考模型来限制期望指令的输入速率： 上式中上式中ωm为参考模型自然角频率，ξm为参考模型阻尼比，xdes为姿态环输出的理想角速率指令，xc为二阶参考模型输出的参考角速率指令，根据二阶参考模型输出的参考角速率指令和传感器测量得到的实际角速率，得到PD线性控制器输出： 上式中Kp，Kd为待设计的控制器参数，令逆控制器的伪控制量跟踪状态量的二阶微分参考指令并加入神经网络进行补偿，则进入控制器的伪控制信号为： 上式中vad为神经网络补偿结果，Δ为外界干扰和传感器延迟造成的逆误差，将上式移项后得到角速率环控制器的误差特性方程： 上式中为误差向量，假设神经网络能够实时补偿逆误差，即vad＝Δ，且线性控制器的控制参数Kp和Kd使A为Hurwitz矩阵，则能保证跟踪误差收敛至0；设神经网络输入个数为n，中间层个数为m，输出个数为l，根据带有偏置的单隐层神经网络结构，写出网络输出：vnn＝WT[bw；fVT[bv；x1；...；xn]]上式中x1,...,xn为神经网络输入向量，bv和bw为输入层偏置量和输出层偏置量，通常设置为1，f·为隐层sigmoid激活函数，其表达式为fx＝11+e-x，V为n+1×m的输入层权值矩阵，W为m+1×l的输出层权值矩阵；将神经网络输入层表示为X＝[bvx1…xn]T，则中间层激活函数输出为Z＝VTX＝[z1…zm]T，将网络中间层输出表示为fZ＝[bwfz1…fzm]T，则网络输出层为vnn＝WTfZ＝[v1…vl]T，两个矩阵的在线学习算法具体形式如下： 上式中kV和kW表示网络学习误差调节因子，τV和τW表示网络学习速率矩阵，满足τV＞0且τW＞0，表示中间层激活函数fZ对中间层输入Z的导数矩阵；为保证补偿器在逆误差较大的时候保证补偿效果，引入输出端高增益鲁棒项：vr＝-kr||Tx||ζ上式中其中||Tx||为上一时刻总权值矩阵Tx＝diagV,W的矩阵范数，kr为大于0的鲁棒项系数，ζ＝eTPB为误差动力向量，P为Lyapnov方程ATP+PA+Q＝0的正定解，若取Q＝2I，则解如下： 综上所述，神经网络自适应补偿器的输出为：vad＝vnn+vr选择神经网络输入为则在飞行器姿态控制的计算过程中，神经网络权值矩阵能够不断调整以实时补偿由于传感器延时造成的逆误差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。