Control de Retroceso por Deslizamiento Basado en Redes Neuronales Adaptativas para Vehículos de Transformación en el Espacio Cercano
Autores: Huang, Shutong; Jiang, Ju; Li, Ouxun
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Control de Retroceso por Deslizamiento Basado en Redes Neuronales Adaptativas para Vehículos de Transformación en el Espacio Cercano
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Rendimiento de vuelo
Vehículo de transformación en el espacio cercano
Control adaptativo por retroceso en modo deslizante
Red neuronal
Parámetros aerodinámicos
Estiramiento de alerones
Retracción
Fase de crucero
Eficiencia de vuelo
Ley de alcance de triple potencia
Sistema de control en modo deslizante
Estabilidad
Leyes de control adaptativo
Incertidumbres
Eficiencia del control del elevador
Red neuronal
Interferencia
Precisión de seguimiento
Robustez
Simulaciones.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Para obtener un buen rendimiento de vuelo en la fase de crucero del vehículo morfante de espacio cercano (NMV), este documento propone un esquema de control adaptativo de modo deslizante basado en una red neuronal, con el objetivo de reducir la eficiencia del control del elevador y los problemas de incertidumbres. En primer lugar, este documento analiza los parámetros aerodinámicos del NMV en los estados de estiramiento y retracción de los alerones durante la fase de crucero. Con base en lo anterior, la eficiencia de vuelo del NMV se puede mejorar al retraer los alerones en el modo de vuelo nivelado y estirarlos en el modo de ascenso de altitud. En segundo lugar, se propone una ley de alcance de potencia triple mejorada (ETPRL) para garantizar que el sistema de control de modo deslizante pueda converger rápidamente y reducir el parpadeo. Luego, se combinan el control de modo deslizante basado en ETPRL y el control de retroceso para garantizar la estabilidad del sistema, y se desarrollan leyes de control adaptativo para estimar y compensar las incertidumbres. Además, frente al problema de la reducción de la eficiencia del control del elevador, se utiliza la red neuronal adaptativa para estimar y compensar la interferencia en el canal de control para mejorar la precisión de seguimiento y la robustez del NMV. Finalmente, tres conjuntos de simulaciones verificaron la efectividad del método propuesto.
Descripción
Para obtener un buen rendimiento de vuelo en la fase de crucero del vehículo morfante de espacio cercano (NMV), este documento propone un esquema de control adaptativo de modo deslizante basado en una red neuronal, con el objetivo de reducir la eficiencia del control del elevador y los problemas de incertidumbres. En primer lugar, este documento analiza los parámetros aerodinámicos del NMV en los estados de estiramiento y retracción de los alerones durante la fase de crucero. Con base en lo anterior, la eficiencia de vuelo del NMV se puede mejorar al retraer los alerones en el modo de vuelo nivelado y estirarlos en el modo de ascenso de altitud. En segundo lugar, se propone una ley de alcance de potencia triple mejorada (ETPRL) para garantizar que el sistema de control de modo deslizante pueda converger rápidamente y reducir el parpadeo. Luego, se combinan el control de modo deslizante basado en ETPRL y el control de retroceso para garantizar la estabilidad del sistema, y se desarrollan leyes de control adaptativo para estimar y compensar las incertidumbres. Además, frente al problema de la reducción de la eficiencia del control del elevador, se utiliza la red neuronal adaptativa para estimar y compensar la interferencia en el canal de control para mejorar la precisión de seguimiento y la robustez del NMV. Finalmente, tres conjuntos de simulaciones verificaron la efectividad del método propuesto.