[01035230]满足多约束条件的飞行器智能控制方法

该项目研究内容属于控制科学与工程一级学科领域的核心关键基础问题。项目以高性能自主飞行器重大需求为牵引，针对控制输入约束(如控制方向未知、执行器饱和)、模型耦合约束(如位置-姿态耦合、多通道耦合)、拓扑结构约束(如无向拓扑、有向拓扑)以及响应时间约束(如故障/干扰快响应、有限时间稳定)等四类约束条件下的智能飞行控制开展了长期深入的研究，取得一系列原创性成果。主要科学发现包括： (1)控制输入约束下的神经网络控制方法。针对具有控制方向未知和输入饱和等约束的非线性控制问题，建立了基于高斯误差函数的执行器非对称饱和模型，提出了一种动态面神经网络控制方法，避免了传统反演控制方法的“参数膨胀”问题，并成功应用于某空地精确制导武器的多约束制导和末端高精度指向控制； (2)动力学耦合约束下的位置-姿态一体化建模与控制方法。针对飞行器多通道耦合、位置-姿态耦合等动力学耦合约束，提出基于连续状态空间模型的多输入-多输出系统参数辨识频域方法；采用单位对偶四元数建模位置-姿态耦合系统，构建了基于单位对偶四元数对数映射的不解耦控制框架，并应用于三维空间考虑位置-姿态耦合约束的飞行器制导控制一体化设计； (3)拓扑结构约束下的非线性系统协同控制方法。针对多飞行器协同的拓扑结构约束，创新发展了“边拉普拉斯矩阵”性质，基于代数图论和环路小增益定理，提出了无向/有向拓扑结构约束下强非线性多智能体系统协同控制方法，突破了传统方法仅考虑全局Lipschitz非线性动力学模型的局限； (4)响应时间约束下的高超声速飞行器安全控制方法。针对临近空间高超声速飞行器高动态特性和故障/干扰的快速响应需求，提出了基于快响应多变量滑模流形的安全控制方法，实现了在模型存在严重不确定性时，执行器故障的快速调节和强突变干扰的快速抑制，有效提高了飞行器的安全性。 该项目的8篇代表作及论文刊登在IEEE Trans，on Cybernetics(IF：10.387)，IEEE Trans，on Neural Networks and Learning Systems(IF：11.683)，IEEE Trans，on Robotics(IF：6.483)，IEEE/ASME Trans，on Mechatronics(IF：4.943)，IEEE Trans，on Industrial Informatics(IF：7.377)等国内外顶级期刊。总他引234次，SCI他引201次。引文广泛分布于IEEE Trans，on Neural Networks and Learning Systems(IF：11.683)，IEEE Trans，on Cybernetics(IF：10.387)，Automatica(IF：6.355)、IEEE Trans.on Automatic Control(IF：5.093)等国际顶级期刊；得到了中国科学院院士、中国工程院院士、IEEE Fellow、IFAC Fellow、AIAA Fellow以及ASME Fellow等国际知名专家的引用和评价。 项目系统发展了飞行器智能控制新方法，相关成果已成功应用于防区外空地精确打击武器等多项国防型号工程项目，为中国高性能自主飞行器的发展提供了理论基础和技术支撑。