多源干擾下高超聲速飛行器自主精細控制

郭 雷，王陳亮，王 雨，朱玉凱，喬建忠

(1. 北京航空航天大學自動化科學與電氣工程學院，北京 100191；2. 北京航空航天大學宇航學院，北京 100191)

0 引 言

高超聲速飛行器(HFV)是國防裝備和民用空天技術的重要發展方向。在軍事領域,高超聲速飛行器是各軍事強國爭相研制的利器,俄羅斯在2022年俄烏沖突中將高超聲速武器首次投入實戰,美國以《國防工業生產法》來急速推進高超聲速武器研發,美國首款陸基高超聲速武器“暗鷹”和首款空基高超聲速導彈AGM-183A即將服役。在民用領域,2022年8月中國亞軌道運載器首次成功實現重復使用飛行,高超聲速飛行器成為天地航班化高效飛行和全球極速運輸的關鍵載體。

大空域、寬速域、高動態、一體化構型、多樣化任務等特征使得高超聲速飛行器本體、飛行環境和飛行任務充滿干擾和不確定性[1-3],飛行器在飛行過程可能面臨故障損傷、突發威脅、器件退化、燃料快速消耗、燒蝕變質心、機體變形、動力不確定等問題。例如,2010年5月,美國空軍實驗室X-51A高超聲速飛行器進行第一次飛行試驗,在發動機切換到純燃料工作140 s后遭遇故障,飛行任務失敗。2012年8月,X-51A進行第三次飛行試驗,在飛行約31 s后,控制舵面發生故障,導致飛行器失去控制。2021年10月,美國陸軍和海軍聯合進行高超聲速助推滑翔導彈飛行試驗,因遭遇助推器異常而失敗。事實上,大多數事故是由非理想條件、未設定模式和強不確定環境造成的。

因此,由強不確定因素、未預設突變和強博弈對抗態勢等引起的“極端”飛行環境是制約高超聲速飛行器控制系統自主性、精確性和可靠性的主要因素之一。與此同時,高超聲速飛行器本身是強耦合、強不確定、強非線性、靜不穩定、快時變、多約束、欠驅動系統。為實現高超聲速飛行器的高可靠和智能化目標,飛行器控制技術需從適應偏差向適應本體、適應環境和適應任務升級[4-8],需要提高飛行器控制系統在線學習和應對極端環境的能力。然而,相比于理想環境,極端環境下飛行器的多源干擾和不確定性問題極為突出,極端環境也會將耦合、時變、約束等因素的影響放大,使得傳統控制方法難以滿足高超聲速飛行器超穩、超快、超準的控制需求。如何實現多源干擾下飛行器自主精細控制,賦予飛行器強自主、強適應、強生存等智能行為能力,是高超聲速飛行器研發中需要解決的核心技術問題。

本文從高超聲速飛行器自主精細控制需求出發,梳理了國內外研究現狀,探討了極端環境下多源干擾與不確定性表征以及飛行器深耦合系統建模方法,提出了干擾在線預示、風險在線預警和強抗擾控制策略,并給出了一些值得深入探索的挑戰性技術難題以及可能的解決思路,旨在彌補傳統方法“預設任務、理想環境、程序化控制”的不足,推動高超聲速飛行器控制系統技術的發展。

1 多源干擾與不確定性表征

為研究極端環境下飛行器的控制問題,首先要對各種典型干擾和不確定性進行表征和模擬。根據多源干擾系統理論[9],本部分從外部、內部和模型不確定性三個方面進行闡述。

氣動因素是高超聲速飛行器的外部干擾。對于大氣擾動中的紊流和風切變,可分別利用Dryden紊流模型和邊界層急流模型來表征[10];對于執行機構故障和退化,可以融合失效因子和加性/乘性故障進行表征[11];對于結構性損傷,可采用非連續切換系統模型來刻畫[12]。另外,在軍事對抗環境下,主動電磁干擾會嚴重影響導航和控制系統性能。

高超聲速飛行器動力系統不確定性可看作系統內部干擾。例如,超燃沖壓發動機產生的推力與馬赫數、攻角、燃料當量比等存在復雜的非線性動靜耦合關系。傳統面向控制的高超聲速飛行器模型[13-16]普遍采用多項式來擬合推力與馬赫數、攻角、燃料當量比之間的關系,該方法存在顯著誤差和不確定性。近年來,利用影響系數法建立超燃沖壓發動機模型的研究日益引起關注。文獻[17]綜合考慮了壁面摩擦、壁面傳熱、燃燒效率等干擾影響,基于影響系數法構建了包含連續性方程、動量方程、能量方程、氣體狀態方程在內的發動機流場和推力表征模型。文獻[18]考慮了溢流效應影響,基于影響系數法計算了發動機推力,并對其中的不確定性進行了定量分析。

在高超聲速飛行過程中,氣流因受到強烈壓縮和摩擦作用而會對機體產生極端氣動加熱現象。高超聲速飛行器通常利用機體表面熱防護材料的燒蝕來吸收熱量,從而達到保護核心部件的目的。然而,機體燒蝕也造成了飛行器質量損失,進而導致飛行器轉動慣量和質心變化,這可視作一種模型不確定性。文獻[19]結合飛行器熱防護材料的化學特性,通過有限元數值仿真分析了熱防護材料的燒蝕速度。文獻[20]提出了一種長短期記憶網絡方法來模擬高超聲速飛行器的燒蝕量,并通過地面燒蝕試驗驗證了其有效性。文獻[21]給出了一種飛行器燒蝕質量估算方法,涉及飛行器幾何外形、熱防護材料和溫度場的多個參數。另一方面,液體燃料在有動力高超聲速飛行器總質量中的占比較高,例如,在文獻[22]所研究的吸氣式高超聲速飛行器中,燃料質量占總質量的53.7%。因此,貯箱內燃料消耗和晃動對飛行器的影響不可忽視。類似于燒蝕,燃料消耗也會引起飛行器質量、轉動慣量和質心變化[22-23]。從燒蝕質量和剩余燃料出發,結合飛行器外形參數和質量分布,利用多體動力學建模可表征質心變化的影響[24-25],質心變化使得傳統單一平衡點形式的飛行器模型難以適用。此外,現有文獻一般采用等效力學模型(如單擺模型和彈簧-質量模型)來模擬貯箱內的燃料晃動[26-27],進而將晃動產生的力和力矩融合到飛行器動力學方程中。

傳統高超聲速飛行器模型大多僅考慮飛行器自身的動力學特性,未深入探索極端環境導致的多源干擾因素與飛行器狀態的時空動態關聯關系。極端環境造成的干擾具有多來源、多類型、多通道特征,在數學表征上呈現出加性、乘性以及與飛行器狀態深耦合的隱性等形式。因此,亟需開展飛行器姿態/軌跡/干擾一體化表征的深耦合系統建模方法研究。

2 干擾在線預示與風險在線預警

為提升飛行器控制系統極端環境下的適應性和安全性,基于在線估計的干擾預示和風險預警尤為重要。干擾/異常信號觀測器是實現干擾預示和風險預警的重要途徑,可以根據需要靈活設置在飛行器的不同回路中,可視為一種無傳感的軟測量技術。文獻[28]為高超聲速飛行器姿態系統設計了線性干擾觀測器,文獻[29]構造了非線性干擾觀測器以估計飛行器縱向運動模型中的外界干擾。文獻[30]設計了滑模干擾觀測器來估計飛行器彈性振動,文獻[31]提出了神經網絡干擾觀測器來應對縱向運動中的未知非線性擾動,文獻[32]基于跟蹤微分器為飛行器縱向運動模型設計了干擾觀測器。針對高超聲速飛行器上升段三維制導控制一體化模型,文獻[33]提出了非線性干擾觀測器來估計陣風等擾動。為估計飛行器舵面故障,文獻[34-35]設計了固定時間觀測器和自適應變增益觀測器。文獻[36-37]引入了自學習機制來在線辨識飛行器的執行機構退化因子。文獻[38-41]將高超聲速飛行器控制系統中所有的干擾和不確定性視為變化率有界的集總擴張狀態,并構造擴張狀態觀測器對其進行估計。

總之,現有方法初步具備了對于特定典型干擾和故障的預示和預警功能。但是,針對高超聲速飛行器極端環境下的多源干擾和異常信號估計、分離、預測和溯源能力還有待提升。就干擾在線預示和風險在線預警問題,仍需結合多源干擾系統理論開展系統性的研究工作。

3 高超聲速飛行器自主精細抗干擾控制

作為目前工業領域使用最為廣泛的控制方法,PID控制具有補償階躍干擾的能力。然而,高超聲速飛行器的強非線性、強不確定和快時變特性以及極端環境下的多源干擾使得PID控制難以保證系統穩定性和控制品質。針對高超聲速飛行器六自由度運動的線性特征模型,文獻[42]提出了一種自適應控制方法。文獻[43]針對縱向運動的線性化模型給出了一種抗飽和切換控制策略,文獻[44]則基于縱向運動的時變線性模型設計了指令跟蹤控制器。

為應對高超聲速飛行器的強非線性,許多基于非線性模型的控制方法被陸續提出。文獻[15]針對一類高超聲速飛行器的非線性縱向運動模型,提出了一種多輸入多輸出滑模控制方法。文獻[45]設計了一種非線性H∞控制器,文獻[46]給出了一種非線性模型預測控制方法,文獻[47]則將自適應動態規劃應用到了高超聲速飛行器。基于浸入與不變控制技術,文獻[48]進行了輸出反饋控制器設計。為處理非匹配干擾和不確定性,文獻[49-50]提出了自適應反步控制方法,文獻[51-52]則進一步引入動態面技術來克服反步設計的“微分爆炸”問題。為提升過渡過程品質,文獻[53]構造了指定性能控制器。上述控制方法可有效處理參數不確定性和抑制范數有界干擾。

在任何工作中，都需要專業人才的輔助和支持，農村基層統計工作需要人才的加入。但是由于農村的環境和條件有限，一直無法吸引專業人才加入，很多地區的農村基層統計工作都是由兼職人員來完成。工作人員在年齡、素質和水平方面都不達標，也沒有接受專業化的技能培訓，這也導致了統計隊伍整體水平不高，所以農村基層統計工作急需專業人才的加入[1]。

為增強系統的抗干擾能力,具有干擾估計和補償能力的主動抗干擾控制方法備受關注。針對高超聲速飛行器,文獻[28-35]提出了多種基于干擾觀測器的控制(Disturbance observer-based control,DOBC)方法。以擴張狀態觀測器為核心,文獻[38-41]為高超聲速飛行器設計了自抗擾控制(Active disturbance rejection control,ADRC)策略。上述主動抗干擾控制方法已初步得到應用。然而,DOBC和ADRC方法大多局限于單一同質等價干擾,忽略了干擾的多源性和動態特征,難以進行干擾預示和風險預警。針對多源干擾系統,復合分層抗干擾控制(Composite hierarchical anti-disturbance control,CHADC)框架包括干擾估計、前饋補償和反饋抑制等環節[9,54-56],已被廣泛應用于衛星、無人機等飛行器對象,顯著提高了自主精細控制能力。

在CHADC的理論框架下,通過充分融合DOBC和ADRC各自優勢,可針對高超聲速飛行器提出強抗擾控制(Enhanced anti-disturbance control,EADC)方法。以一類滑翔類高超聲速飛行器為例,其姿態系統模型可描述如下[34,38]:

(1)

(2)

(3)

式中:α,β,γv,θ,m和V分別為飛行器攻角、側滑角、傾側角、航跡傾角、質量和速度;g,L和Z分別為重力加速度、升力和側向力;ωl,ωm和ωn分別為滾轉角速度、俯仰角速度和偏航角速度;Il,Im和In為三軸轉動慣量;Ml,Mm和Mn分別為滾轉力矩、俯仰力矩和偏航力矩,其表達式為

(4)

式中:ρ,S,b和l分別為大氣密度、飛行器參考面積、翼展和平均氣動弦長。在忽略一些影響較小的因素后,力矩系數cl,cm和cn可表示為

(5)

(6)

(7)

(8)

圖1 強抗擾控制框圖Fig.1 Diagram of enhanced anti-disturbance control

4 飛行器精細抗干擾控制系統性能仿真測試評估

作者團隊基于“干擾表征-方法設計-性能評估”三維表征的仿真測試思想,在MATLAB環境下開發了面向極端環境的高超聲速飛行器控制性能測試評估軟件。軟件涵蓋飛行器標稱模型模塊、極端環境干擾模擬與注入模塊、控制方法模塊、性能對比分析模塊等,其中控制方法模塊包括ADRC等傳統控制方法和強抗擾控制方法。在綜合考慮極端環境因素和飛行器力/力矩系數不確定性的情形下,結合蒙特卡洛仿真對不同控制方法進行測試評估。

在測試過程中,將高超聲速飛行器三軸舵面均設置為失效50%,將飛行器質量和轉動慣量設置為每200 s均勻減少其初始值的1%來部分模擬機體燒蝕的影響。在此基礎上,將飛行器力和力矩系數在[-40%, 40%]范圍內隨機組合拉偏,針對EADC和ADRC兩種控制方法進行蒙特卡洛測試,其中每次蒙特卡洛測試包含50次仿真。測試結果如圖2～3所示,其中不同曲線代表不同單次仿真中飛行器高度和攻角變化情況,超出圖邊界的曲線對應失穩的仿真結果。在50次仿真中,EADC有47次完成下壓段飛行,3次失穩,通過率為94%;ADRC有29次完成下壓段飛行,21次失穩,通過率為58%。

圖2 EADC測試結果Fig.2 Test results of EADC

圖3 ADRC測試結果Fig.3 Test results of ARDC

從測試結果可以看出,EADC具有較強的環境適應性和可靠性,而ADRC應對極端環境的能力不足。

5 研究展望

在國內外現有研究成果的基礎上,為進一步提升高超聲速飛行器極端環境下的自主性、適應性和可靠性,以下關鍵技術領域值得深入探索。

1)飛行器深耦合系統建模與可控能力量化。針對極端環境下高超聲速飛行器強不確定、強耦合和多源干擾等問題,需開展機理和數據混合驅動的控制系統建模與驗模方法研究,深入挖掘干擾與飛行器狀態、輸入、輸出以及其他干擾之間的交聯耦合特征,探索干擾的傳遞機理和影響邊界,突破極端環境下系統可控能力量化、飛行器平衡狀態重構優化等關鍵技術。

2)多源干擾在線預示和異類風險在線預警。針對極端環境相關的加性、乘性、隱性等多源異質異構干擾,需進一步開展因果和溯源分析,發展干擾的可觀測性、可分離性與可補償性理論。同時,根據飛行器的響應數據和物理機理,分析飛行器所受干擾的來源和形式,在線辨識和預示極端環境干擾,探索失效、退化、損傷、威脅等異類風險因素的識別、量化與預測方法。

3)變質心情形下多通道協調智能強抗擾控制。針對高超聲速飛行器機體燒蝕、燃料消耗與晃動等因素帶來的質心變化問題,需融合干擾抑制、補償和消納(利用)機制,開展多通道協調智能強抗擾控制方法研究,突破多通道協調自調參強抗擾控制、混合異類執行機構控制自分配等關鍵技術,滿足飛行器變質心條件下高精度控制需求。

4)基于事件觸發機制的全回路安全調控。面向失效、退化、損傷、威脅等多類風險,需在飛行器“感知-決策-控制-執行”全回路的框架內,融合干擾在線預示和風險在線預警,開展基于事件觸發機制的安全調控方法研究,突破動態事件觸發機制設計、在線快速制導重構、在線柔性控制重構等關鍵技術,賦予飛行器異常狀態下自主動態調節能力。

6 結束語

圍繞極端環境下高超聲速飛行器強自主、強適應、強生存等智能行為需求,本文探討了器件失效退化、燒蝕變質心、燃料消耗晃動、動力不確定性等多源干擾與不確定性表征和飛行器深耦合系統建模方法。在此基礎上,提出了具有干擾在線預示和風險在線預警能力的強抗擾控制方法,并給出了一些值得深入探索的挑戰性難題以及可能的解決思路。飛行器自主精細抗干擾控制研究的目的是提升飛行器極端環境下強自主、強適應、強生存等智能行為能力,實現從單一同質干擾估計到復合干擾分離和利用、從干擾不變到適應可變、從傳統穩定性到均衡性的跨越,推動高超聲速飛行器控制系統技術的發展。