考虑驾驶仪动态特性的固定时间收敛制导律

2019-12-09张宽桥杨锁昌李宝晨刘畅

航空学报 2019年11期

张宽桥，杨锁昌，李宝晨，刘畅

1.陆军工程大学石家庄校区导弹工程系，石家庄 050003 2.陆军工程大学科研学术处，南京 210000

为增加战斗部的毁伤效能，有必要对导弹提出攻击角度约束的要求。由于滑模控制在滑动模态对干扰具有不变性，被广泛应用在制导律的设计中。通过选取包含弹目视线角速率和攻击角度约束项的滑模面，结合趋近律可设计出攻击角度约束的滑模制导律[1-2]。

传统滑模制导律采用线性滑模面，弹目视线角速率和攻击角度是渐进收敛的，收敛时间趋于无穷。但导弹攻击目标的时间是有限的，这就对制导律的设计提出了有限时间收敛的要求，而终端滑模控制采用非线性滑模面能够实现系统状态的有限时间收敛[3]。文献[4]设计了带攻击角度约束的终端滑模制导律。文献[5-6]在终端滑模面中加入线性项，进一步加快了收敛速度。但终端滑模制导律中含状态量的负指数项，会造成奇异问题。针对这个问题，目前主要有2种解决思路：积分滑模[7-8]和非奇异终端滑模[9-11]。积分滑模能保证系统状态的有限时间收敛，但不能确定其具体的收敛时间表达式。非奇异终端滑模与终端滑模结构类似，能使系统有限时间收敛。但其收敛时间与系统的初始状态相关，而系统初始状态一般是未知的，且不同的初始状态收敛时间也不同。为此，文献[12]提出了固定时间稳定性理论，能使系统收敛时间的上界不依赖于系统初始状态。文献[13-14]基于固定时间稳定性理论设计了非奇异终端滑模面，提出了固定时间收敛的终端滑模控制方法，其收敛时间上界仅与控制参数有关。

针对目标机动和系统扰动等干扰问题，目前大多数文献的处理方法为：利用滑模控制的鲁棒性抵抗干扰[15]；设计自适应律估计干扰的上界[10]；设计干扰观测器实时在线估计干扰[16]。前两种方法需要引入符号函数项，会使控制量不连续，引起抖振现象。大多数文献对符号项进行光滑处理来削弱抖振，但改变了滑模控制的固有结构，会降低控制精度。干扰观测器可实时估计干扰量前馈至控制律中，进而实现对干扰的抑制，且不需要引入符号函数项。近年来许多学者对干扰观测器进行了研究，以提高滑模控制的性能，如非线性干扰观测器[17]、自适应干扰观测器[18]、有限时间干扰观测器[19]、扩张状态观测器[20]等。这些观测器可以实现估计误差的有限时间收敛或者渐进收敛，但收敛时间的上界依赖于估计误差的初值。

在大气层内作战的导弹，由于受空气动力作用，以及导弹本身硬件设备的延迟特性，导致自动驾驶仪存在动态延迟。这对制导精度有很大的影响，尤其打击大机动目标时，会导致系统不稳定和较大脱靶量，因此在制导律的设计中需要加以考虑。目前，许多文献已对考虑驾驶仪动态特性的制导律进行了研究，所用方法主要为反步(Backstepping)递推设计或动态面控制[21]。文献[22]考虑自动驾驶仪一阶动态特性，采用终端滑模控制设计了有限时间收敛的制导律，但制导律中存在弹目视线角速率的高阶导数。实际上，自动驾驶仪一般具有高阶动态特性。若将其近似为高阶系统，能够很好地模拟驾驶仪的动态特性，但这会使制导律的形式过于复杂。将驾驶仪近似为二阶系统比较合理，既可以贴近驾驶仪实际动态特性，又能降低制导律的复杂程度。文献[23-24]基于动态面控制设计了考虑自动驾驶仪二阶动态特性的制导律，但不能保证有限时间收敛。因此，文献[25]采用滑模反步递推设计方法，提出了一种攻击角度约束的有限时间收敛制导律，但收敛时间的上界依赖于系统状态初值。

在上述讨论的启发下，本文提出了一种同时考虑攻击角度约束、自动驾驶动态特性和固定时间收敛的制导律。在三维空间内建立了考虑自动驾驶仪二阶动态特性的制导系统状态方程；针对目标机动等干扰问题，基于固定时间收敛和超螺旋算法，设计了一种滑模干扰观测器用于估计干扰；构造了一种包含弹目视线角速率和角度约束项的固定时间收敛非奇异终端滑模面，能使系统状态快速固定时间收敛；基于所提干扰观测器和滑模面，采用反步递推方法，对制导律进行设计。基于Lyapunov稳定性理论，证明了制导律的固定时间收敛特性，并给出了收敛时间的表达式；最后通过仿真分析，验证了所提制导律的有效性和优越性。

1 问题描述

在三维惯性坐标系OXYZ上建立弹目相对运动关系如图1所示。图中，OXSYSZS为弹目视线坐标系，r为弹目相对距离，q和η分别为弹目视线倾角和偏角。vm和vt分别为导弹和目标的速度，假定为恒速。

图1 弹目相对运动关系Fig.1 Relationship of missile-to-target motion

参考文献[26],可得弹目相对运动的动力学方程为

(1)

式中：atr、atq、atη和amr、amq、amη分别为目标和导弹的加速度在视线坐标系上的分量。

针对导弹的自动驾驶仪存在动态延迟的问题，这里将自动驾驶仪近似为二阶环节：

(2)

式中：ξ为阻尼比；ωn为自动驾驶仪的自振频率；uq和uη为制导指令。

导弹攻击角度为制导末端导弹和目标速度矢量间的夹角，带攻击角度约束的制导问题可转化为终端视线角约束问题[1-4]，即

q(tf)=qd,η(tf)=ηd

(3)

式中：tf为制导终端时刻;qd和ηd分别为期望终端视线倾角和偏角。

根据式(1)和式(2)，在三维空间内建立考虑自动驾驶仪动态特性带攻击角度约束的制导系统方程为

(4)

式中：

(5)

2 固定时间收敛反步滑模制导律

2.1 相关定义和引理

在制导律设计之前，为理论推导和分析方便，给出如下相关的定义和引理。

定义1为后文书写方便，作如下定义：

sgnα(y)=|y|αsgn(y)，|y|α=[|y1|α,|y2|α，…,|yn|α]T，其中，y=[y1,y2,…,yn]T，sgn(·)为符号函数，且sgn(0)=0。

针对如下非线性系统:

(6)

(7)

(8)

注1引理1和引理2为有限时间收敛特性分析中常用的两种引理，由式(7)和式(8)可以看出，收敛时间上界与参数和系统的初始状态有关，而系统的初始状态往往是未知的，因此不能准确估算收敛时间上界。为解决这个问题，文献[12]提出了固定时间稳定性的概念，相关定义及引理如下：

定义2对于系统(6)，若存在一个时刻Tmax>0，对任意x0∈R，t>Tmax，满足x(t)=0，则系统是固定时间稳定的。

(9)

(10)

(11)

引理5[32]对于任意实数xi(i=1,2,…，n)，存在实数0<α<1，使得式(12)成立：

(12)

引理6[33]对于任意实数xi(i=1,2,…，n)，存在实数β>1，使得式(13)成立：

(13)

根据引理5和引理6，有式(14)成立：

(14)

2.2 固定时间收敛滑模干扰观测器

在制导过程中，目标的加速度信息往往是无法进行测量的，因此在制导律设计前，需要对目标机动等干扰量进行估计。滑模干扰观测器是经常采用的一种估计系统不确定性及外部扰动的方法。它可以实现估计误差的渐进或有限时间收敛至零，但收敛时间取决于观测器参数和初始误差。若初始误差较大，其收敛时间也会相应增加，并且传统的滑模干扰观测器还存在抖振问题。针对这两个问题，借鉴固定有限时间收敛和超螺旋算法思想，设计了一种固定时间收敛的滑模干扰观测器。

(15)

式中：

针对系统(15)设计滑模干扰观测器为

(16)

(17)

将式(16)代入式(17)可得

(18)

式中：zi为一个辅助变量。

(19)

(20)

微分得

(21)

(22)

由式(18)可知，t′1i时刻时zi的值满足:

(λ3i+Li)t′1i

(23)

(24)

(25)

注2由观测器(16)的表达式可知，变结构项存在于积分项中，观测器的估计值是连续的，有效削弱了传统滑模干扰观测器的抖振问题。

注3由观测器的收敛时间表达式(19)可以看出，收敛时间的上界由观测器的参数λ1i、λ2i、λ3i、γ1和γ2的取值决定，不依赖于系统的初始状态，估计误差是固定时间收敛的。

2.3 制导律设计

针对系统，为使导弹以期望攻击角度精确打击目标，本文基于滑模控制，结合反步设计方法，对制导律进行设计。为使系统状态x1和x2固定时间收敛至零，基于引理3和分段滑模面思想，设计如下非奇异快速终端滑模面为

s1=x2+k1sgnα1(x1)+k2φ(x1)

(26)

式中：φ(x1)=[φ(x11),φ(x12)]T，且

(27)

其中：α1>1，0<α2=p1/p2<1，k1>0，k2>0，δ>0，p1、p2为正奇数。

对式(26)求一阶导数可得

(28)

式中：

(29)

f(x1i)是关于x1i的函数，且满足如下条件：

1)f(x1i)在x1i∈(-δ,δ)上是光滑函数，且与x1i同号。

2)f(δ)=φ(δ)=-f(-δ)。

3)f′(δ)=f′(-δ)=φ′(δ)，在x1i∈(-δ,δ)上，f′(x1i)>0。

注4条件1)能够保证f′(x1i)为连续有界函数，消除奇异问题，且系统到达滑模面s1=0时，x1i与x2i始终是异号的，保证系统状态是可收敛的；条件2)保证了滑模面函数s1是连续的；条件3)保证了f(x1i)在x1i∈(-δ,δ)是有界的，且保证了φ′(x1i)是一个连续函数，从而保证s1是光滑的。

根据选取条件，选取一种f(x1i)函数为

(30)

下面采用反步设计方法对制导律进行设计。

步骤1x3的虚拟控制律设计

定义滑模误差面为

s2=s1=x2+k1sgnα1(x1)+k2φ(x1)

(31)

对式(31)微分并结合式(4)可得

f(x1,x2)+b1x3-b1d+(k1α1|x1|α1-1+

k2φ′(x1))x2

(32)

设计虚拟控制律为

k4sgnβ2(s2)+(k1α1|x1|α1-1+k2φ′(x1))x2]

(33)

为避免对虚拟控制量的多次求导产生“微分膨胀”问题，借鉴动态面设计方法，引入一个新的虚拟控制律x3d，它由x3c经一阶低通滤波器得到。传统动态面设计方法采用一阶线性滤波器，不能保证系统有限/固定时间收敛。为保证固定时间收敛特性，基于引理3，设计一种一阶非线性滤波器为

(34)

式中：τ>0。

步骤2x4的虚拟控制律设计

定义滑模误差面为

s3=x3-x3d

(35)

对式(35)微分并结合式(14)得

(36)

设计虚拟控制律为

(37)

设计非线性滤波器为

(38)

步骤3实际制导律u的设计

定义滑模误差面为

s4=x4-x4d

(39)

对式(39)微分并结合式(4)可得

(40)

设计实际制导律为

(41)

定理2针对系统(4)，在制导律(41)的作用下，系统状态x1和x2能够固定时间收敛至原点的一个较小邻域内。

证明

定义虚拟控制律误差

yi=xid-xici=3,4

(42)

对式(42)求微分，并结合式(34)和式(38)可得

(43)

(44)

(45)

结合式(32)、式(35)和式(42)可得

k1α1|x1|α1-1x2+k2φ′(x1)x2=b1s3+b1y3-

(46)

结合式(36)、式(39)和式(42)可得

k5sgnβ1(s3)-k6sgnβ2(s3)

(47)

结合式(40)和式(41)可得

k8sgnβ2(s4)

(48)

构造Lyapunov函数为

(49)

微分可得

s3(s4+y4-b1s2-k5sgnβ1(s3)-k6sgnβ2(s3))+

b1s2y3+s3y4

(50)

(51)

考虑不等式：

p≤pm1+pm2

(52)

式中：p≥0，m1>1，0

-n1pm1-n2pm2+n3p≤-(n1-n3)pm1-(n2-

n3)pm2

(53)

式中：n1、n2、n3>0。

基于不等式(53)，式(51)可写为

(54)

式中：

(55)

选取合适的制导参数使得M>0，N>0，根据引理5和引理6，可将式(54)重新整理为

(56)

由于(β1+1)/2>1，1/2<(β2+1)/2<1，根据引理3可知，系统可固定时间收敛至原点的一个较小邻域

(57)

收敛时间满足:

(58)

1) |x1i|≥δ，式(31)可写为

(59)

|x2i|≤k1|x1i|α1+k2|x1i|α2+|μi|≤

k1(2ϑ2i)α1+k2(2ϑ2i)α2+εi

(60)

收敛时间满足:

(61)

2) |x1i|<δ，由式(31)可得

|x2i|≤k1|x1i|α1+k2|f(x1i)|+|μi|<

k1δα1+k2δα2+εi

(62)

综合分析上述两种情况可得，x1i和x2i收敛至原点的邻域

(63)

制导系统总收敛时间满足T≤t1+t2+t3，即

(64)

注6本文基于反步设计方法和固定时间稳定理论，设计的制导律能够实现系统的固定时间有界性，保证系统状态有限时间收敛至原点的一个较小的邻域内，且收敛时间的上界与系统的初始状态无关。

注7根据系统收敛时间和收敛域的表达式，可以确定制导参数的调整规则。对于干扰观测器而言，增大λ1、λ2、λ3、γ1，减小γ2可加快观测器的收敛速度，减小收敛时间，但过大的λ1、λ2、λ3、γ1，过小的γ2会导致过大的超调。对于制导律，增大ki(i=1,2,…,8)、α1和β1，减小τ、α2和β2能够有效加快收敛速度且提高控制精度，但较大ki(i=1,2…,8)、α1和β1，较小τ、α2和β2会产生较大的制导指令，需要导弹提供较大的过载，以满足制导需求。而导弹的可用过载是有限的，因此在参数选取时要折中考虑。

注8为后文叙述方便，将本文所提考虑驾驶仪动态特性和攻击角度约束的固定时间收敛反步滑模制导律(Fixed-Time Convergent Backstepping Sliding Mode Guidance law, FTCBSMG)。

3 仿真分析

本节基于弹道仿真对制导律性能进行仿真分析。设定导弹和目标的初始位置分别为(0 m, 0 m, 0 m)和(10 000 m, 5 000 m, 2 000 m)，导弹的速度为vm=500 m/s，目标运动速度为vt=250 m/s。重力加速度g=9.8 m/s2，导弹的最大可用过载为20g。自动驾驶仪动态特性参数设置为：ξ=0.8，ωn=8 rad/s。FTCBSMG的制导参数设置为：k1=1，k2=2，k3=0.1，k4=0.2，α1=5/3，α2=3/5，k5=k6=k7=k8=10，β1=0.5，β2=2，δ=0.001，τ=0.1，λ11=λ12=20，λ21=λ22=50，λ31=λ32=150，L1=L2=50，γ1=0.5，γ2=1.5。仿真步长5 ms，采用4阶Runge-Kutta法对模型进行解算。根据式(64)可计算出制导系统的收敛时间上界为Tmax=13.76 s。

仿真中引入了文献[16]提出的非奇异二阶终端滑模制导律(SONTSMG)以及文献[24]提出的考虑自动驾驶仪动态特性的滑模制导律(ADSMG)进行仿真。SONTSMG的表达式为

(65)

式中：z1为干扰观测器对系统干扰的估计值。参数设置为：k1=1 000，k2=50，α=5/3。β=1，γ=2.1。ADSMG的表达式为

(66)

制导参数设置为：K1=1，K2=K3=K4=10，ε=50，ρ=20，δ=0.001，τ3=τ4=0.1。

场景1以不同导弹初始弹道倾角θm0和偏角ψvm0打击机动目标。设定θm0和ψvm0分别为30°和-30°；60°和0°；90°和30°。期望终端视线角qd=30°，ηd=-20°。目标常值机动，加速度为aty2=atz2= 20 m/s2，其中aty2和atz2表示目标在弹道坐标系下的纵向和横向加速度，目标初始航迹倾角和偏角分别为θt0= 180°，ψvt0= 10°。仿真结果如图2所示。

图2 场景1的仿真结果Fig.2 Simulation results of Situation 1

场景2不同的期望终端视线角约束下打击机动目标。设定qd和ηd分别为10°和-10°，20°和-20°、40°和-30°；θm0= 60°，ψvm0= 0°，θt0= 180°，ψvt0= 0°；目标余弦机动，加速度为aty2=atz2= 50cos(πt/5) m/s2。仿真结果如图3所示。

图3 场景2的仿真结果Fig.3 Simulation results of Situation 2

场景3FTCBSMG和ADSMG、SONTS-MG的对比仿真。θm0= 45°，ψvm0= 0°，qd=40°，ηd=-20°，θt0= 150°，ψvt0= 10°。目标的机动考虑以下2种情况：

1)正弦机动：aty2=atz2= 50sin(πt/5) m/s2。

2)方波机动：aty2=atz2= 50sgn[sin(πt/5)] m/s2。

引入平均过载Nme(单位：g)来评估制导过程能量消耗，定义为

(67)

式中：K为总仿真步数。

图4 目标正弦机动下的仿真结果Fig.4 Simulation results with target sinusoidal maneuver

图5 目标方波机动下的仿真结果Fig.5 Simulation results with target square wave maneuver

图6 干扰观测器的估计结果Fig.6 Estimation results of disturbance observer

表1 不同制导律下的仿真结果
Table 1 Simulation results with different guidance laws

目标机动方式制导律攻击时间/s脱靶量/m视线倾角误差/(°)视线偏角误差/(°)Nme/g正弦机动ADSMG21.901.060.260.158.6125SONTSMG20.992.517.944.719.4675FTCBSMG21.570.360.040.057.8734方波机动ADSMG21.931.510.220.4510.1614SONTSMG22.982.063.784.6412.5603FTCBSMG21.440.650.020.039.6465

图6为本文所提固定时间收敛滑模干扰观测器对干扰d的估计结果，由式(19)可计算出设定的收敛时间上界为0.48 s，从图6(a)和图6(b)可以看出，无论目标正弦机动还是方波机动，所提干扰观测器的估计值都能在0.4 s左右快速收敛至d的真实值上，能够有效补偿干扰，保证制导系统整体的收敛性能。

表1为在3种制导律作用下的攻击时间、脱靶量、终端视线角误差和平均过载的仿真结果，可以看出，相比ADSMG和SONTSMG，FTCBSMG的攻击时间、脱靶量、终端视线角误差和平均过载最小，说明FTCBSMG能以更短的时间、更高的制导精度和角度约束精度以及更少的能量消耗有效打击目标，验证了本文所提导引律的有效性和优越性。