可重复使用运载器模型与飞行控制律

可重复使用运载器模型与飞行控制律
对普通RLV 高保真仿真模型的研究是以HL-20空气动力学数据库和X38型气动表面几何构型以及19100磅的干燥重量为基础。

这项仿真模型已应用于欧洲航天局的火卫二并且作为研究陆地导航，航海和控制系统再入和自动化的平台。

（Fernandez, Penin, & Caramagno, 2006).
这种模型由参考轨迹发生器，基于飞行操纵系统的无损检查，非线性执行器样式，RLV 动力学，陀螺仪和加速计的传感器，具体的环境模式（1969年美国标准与地球重力和大地水准面模型）组成。

RLV 仿真模型是在Matlab 动态仿真模块下应用的。

参考轨迹是依据攻角（AOA 或α），侧向滑动角（AoSS 或β）和倾斜角φ定义的。

无损探伤控制器根据运载工具规定动力学配备了升降舵，副翼，方向舵和制动控制输入装置。

该控制器依据RLV 发出指令的时刻，与参考星球之间的距离以及RLV 的周转率来完成驱动器分配功能。

更详尽的模型及其有关的飞行控制系统在Fernandez 等人（2006）的著作中有介绍。

这种模型的参数和有关的不确定性价值都可以通过一个XML 文件的集合组成的数据库进行访问。

一个飞行器完全再入轨道需要1680秒的模拟时间，并且根据动态压力和大气层，这个过程被划分为不同的飞行阶段。

目前的分析侧重于1588秒到1675秒时间范围之内，32-20公里的高度范围之间的低层大气阶段。

在这段参考轨迹中需要保证一个从30°角向接近20°角递减的AOA 角的同时保持一个零度AOSS 角和一个明确的倾斜角的变化。

再入飞行器控制算法在跟踪参考轨迹的标称性能如图1所示。

目前分析所考虑的不确定性有表示飞行器质量，惯性，重心和空气动力系数（纵向和横向）的参数。

在此分析中，配置和惯性参数不确定性的个人描述和允许波动范围如表1所示。

纵向空气动力不确定性是指上升系数（c l ∆），阻力系
数（c D ∆），俯仰力矩系数(c m ∆)和升阻比系数(∆D L /)。

横向动力系数不确定性
是指滚动力矩系数(c l ∆)，偏航力矩系数(c n ∆)，侧向力系数(c y ∆)。

符合当前
的工业实践(Fernandez et al., 2006)。

所有的纵向与横向空气动力不确定性都作为无量纲参数在模型中应用，举例来说，所有的阻力系数都用公式C nom *(1+c D ∆)模式化。

注意这两个标称值，图2和图3，以及不确定性范围，图4，把空气动力参数的显著变化作为马赫号的标志并且这些参数必须因此被视为不确定因素。

3.基于优化的最坏分析框架
3.1以价值函数为标准进行分析
对于模型输出函数，几乎所有的分析准则，线性的或者非线性的都能在拟建框架中为优化问题而被公式化为价值/适应性函数。

在此项研究中，分析标准使用了从名义参考轨迹得到的偏差，也就是，该架用于识别不确定参数值的组合，它从自身的指定轨迹为飞行器提供全球最大偏差。

对所考虑的飞行阶段，为了估计跟踪指定轨道在AOA角度条件下的性能最差情况，分析标准定义为
Max J1 在（1）
J1=‖αref-α∆‖∞（2）
∆-≦.∆≦∆
__
（3）
价值函数J1在优化函数中被定义为Eq.(2)来运用，在飞行器在其不确定参数允许偏差范围内仿真中αref代表参考AOA角轨迹，α∆代表实际AOA角轨迹。

不确定参数矢量的上限与下限定义在表1中，标注为为∆_和∆
_。

这个特别的分
析被选为研究这种类型的标准，并且被广泛的使用于欧洲航天航空工业的飞行控制率的电气间隙(Fielding et al., 2002; Forssell, 2003; Menon et al., 2006)。

优化问题的目的是识别不确定参数结合为定义分析标准带来的最大价值，也就是说，最不利的数值。

优化方案提供了不确定参数在RLV模型仿真中运用的价值。

RLV模型的模拟是以优化运算法则得到的一系列新的不确定参数组合作为预定义再入飞行条件的。

在每次仿真的结尾，优化运算法则为特殊的不确定参数的结合评估价值/适应性函数，这是以释义模拟输出为基础的。

优化会继续进行指导满足优化准则定义。

框架则可以在MATLAB 7.4.0.287 (R2007a)版本和Simulink 6.6 (R2007a)版本中实现。

由于指定轨迹的RLV空置率是根据飞行器的多种状态定义的，它在辨别一系列不确定参数时也有重要的意义，这些不确定参数能提供最差性能作为判断不同的标准，在每一种状态下的性能指标常常是矛盾的。

为了表明为何这些问题能够很容易的在提议的框架范围内处理，一个优化问题被制定，在通过RLV使命轨迹的特殊阶段确定帕累托最优前使Aoss(β)和AoA(α)之间为最大偏差。

多目标分析的标准这一问题的定义如下：
MaxJ1,J2 在（4）
J1=‖α
ref -α
∆
‖
∞
（5）
J2=‖β
ref -β
∆
‖
∞
（6）
s.t. ∆
-≦.∆≦∆
__
（7）
其中α
ref 和β
ref
是参考了AOA和Aoss轨迹，用α
∆
和β
∆
代表
了RLV使用的AOA和Aoss轨迹受多种不确定性扰动向量.∆有确定的分析标准和相关价值函数用于分析的优化，现在提供细节的各种优化算法用于该框架。