测量噪声下的高超声速飞行器组合观测鲁棒控制.pdf

第 45 卷第 2 期 2024 年 2 月宇 航 学 报Journal of AstronauticsNo.22024FebruaryVol.45测量噪声下的高超声速飞行器组合观测鲁棒控制张睿1，2，李世华1，魏振岩3，许斌2（1.东南大学自动化学院，南京 210096；2.西北工业大学自动化学院，西安 710129；3.北京机电工程研究所，北京 100074）摘要：针对高超声速飞行器大包络飞行时，风场等外部干扰和测量噪声导致控制系统性能变差甚至失稳的问题，提出了一种基于状态观测的高超声速飞行器鲁棒控制策略。考虑噪声和外部干扰影响下系统状态受扰的问题，设计了扩张状态观测器（ESO）和自适应Kalman滤波器（AKF）的特殊组合，在统计特性未知的噪声和外部干扰影响下准确估计系统状态。其中，自适应Kalman滤波器用于滤除噪声，为扩张状态观测器提供不受噪声影响的状态估计，扩张状态观测器连续为自适应Kalman滤波器提供外部干扰估计。基于系统状态估计设计线性高斯二次型控制器，实现高超声速飞行器精确轨迹跟踪。最后，通过仿真验证了该方法在测量噪声及风干扰影响下的鲁棒跟踪能力。关键词：高超声速飞行器；扩张状态观测器；自适应Kalman滤波器；鲁棒控制；测量噪声中图分类号：V249.1 文献标识码：A 文章编号：1000-1328（2024）02-0203-09 DOI：10.3873/j.issn.1000-1328.2024.02.005Robust Control of Hypersonic Flight Vehicle Based on Combined State Observation Under Measurement NoisesZHANG Rui1，2，LI Shihua1，WEI Zhenyan3，XU Bin2（1.School of Automation，Southeast University，Nanjing 210096，China；2.School of Automation，Northwestern Polytechnical University，Xian 710129，China；3.Beijing Research Institute of Mechanical&Electrical Technology，Beijing 100074，China）Abstract:In response to the poor performance and even instability of the control system caused by existed external disturbances and measurement noises，a robust control strategy based on state observation is proposed.Considering the unstable controller caused by using inaccurate system states under disturbances and noises，the special combination of extended state observer（ESO）and adaptive Kalman filter（AKF）is proposed to accurately estimate the system states which are contaminated by disturbances and noises that with unknown statistical properties.The AKF is used to offset noises and to provide the ESO with noiseless state estimation，while the ESO continuously provides the estimation of wind disturbances for the AKF.To achieve good tracking performance，the linear quadratic Gaussian control using the states estimation of observer is designed for HFV.Simulations are implemented to verify that robust tracking is obtained under the proposed method.Key words:Hypersonic flight vehicle；Extended state observer；Adaptive Kalman filter；Robust control；Measurement noises0引言高超声速飞行器（Hypersonic flight vehicle，HFV）能够以马赫数超过5的高速度巡航飞行，在民用和军事领域发挥着至关重要的作用，越来越受到人们的重视。当前已经成功进行了 X-43A、X-51A和猎鹰HTV-2等型号的试飞验证。HFV的机身与推力系统设计呈现高度一体化，机身外形纤细，材料轻收稿日期：2023-08-10；修回日期：2023-11-19基金项目：江苏省卓博计划（2022ZB117）；陕西省自然科学基础研究计划（2023JC-XJ-08）；国家自然科学基金重点项目（61933010）宇航学报第 45 卷薄，气动、推力、弹性三者之间的耦合突出。文献1-2 分别给出了HFV锥体加速器模型和曲线拟合得到的面向控制模型。考虑到飞行环境、气动参数和外界扰动的大范围变化，HFV控制过程中存在扰动和噪声干扰。为了使HFV在各种干扰下获得良好的跟踪性能，已有大量的先进控制方案研究。文献 3-4 将面向控制的HFV纵向通道模型分解为速度子系统和高度子系统，分别设计控制器实现参考轨迹跟踪。其中，针对速度子系统，设计了鲁棒自适应控制器。针对高度子系统，提出了动态逆控制，避免了传统反步控制的“计算爆炸”问题。文献 5 在反馈线性化控制的框架下，采用滑模控制来提高HFV控制系统的鲁棒性。文献 6 分别设计了有限时间终端滑模控制和高阶滑模控制以获得更快的跟踪误差收敛速度和更高的控制精度。考虑HFV大包络飞行时复杂飞行环境导致的系统未知动力学，文献 7-9 分别采用神经网络对未知非线性动力学进行逼近，并将逼近结果进一步前馈到控制器中，以获得更高的跟踪控制精度。考虑风等外部干扰引起的扰动，当扰动存在上界时，文献 10 设计了扰动观测器。然而，上述研究忽略了实际HFV系统中攻角、航迹角等系统状态难以测量的问题，所设计的控制器难以工程实现。针对这一问题，文献 11 同时考虑无法测量的状态和干扰，将不确定性和外部干扰视为一个新的系统状态，与原有系统状态方程联立，设计扩张状态观测器（Extended state observer，ESO）同时对不可测系统状态、不确定和干扰构成的集总不确定进行估计。文献 12-13 在此基础上进一步面向HFV控制系统提出了高增益观测器和变增益观测器，以提高ESO的收敛速度和估计精度。文献 14 研究了有限时间观测器，以实现更快的状态估计。值得注意的是，在上述工作中，HFV控制器都是在假设系统无噪声的情况下设计的。这种假设是不现实的。由于模型构建误差、极端飞行环境以及飞行器超高速飞行产生的电磁干扰等因素将影响传感器的测量精度，系统状态中必然存在测量噪声。如果将被噪声污染的系统状态直接应用到控制器设计中，会导致跟踪性能下降，甚至失控。因此，必须在控制器设计中降低噪声的影响。文献 15 利用二阶命令滤波器来处理系统噪声。文献 16 提出了线性高斯二次型（Linear quadratic Gaussian，LQG）/回路传递恢复（Loop transfer recovery，LTR）控制器，实现噪声影响下的HFV高精度全通道姿态控制。然而，上述HFV控制研究虽然在控制器设计中增加了噪声处理环节，却忽略了外部干扰的影响，导致控制系统抗噪能力增强，抗扰能力有限。同时考虑噪声和外部干扰的影响，文献 17 面向线性系统提出了ESO和Kalman滤波的组合观测策略，但是该方法不仅要求被控对象为线性系统，更要求传感器测量噪声的统计特性提前已知，这一点实际工程中难以保证，在呈现非线性且面临复杂多变飞行环境的HFV控制系统中更是完全不能实现。如何获取不受干扰和测量噪声影响的系统状态，并基于该系统状态设计HFV控制器实现对高度参考信号和速度参考信号的高精度鲁棒跟踪仍待解决。针对HFV大包络飞行时，飞行器模型和传感器测量受风干扰和噪声影响，导致控制系统性能变差甚至失稳的问题，本文提出了一种基于状态观测的鲁棒控制策略。首先，采用小扰动线性化理论，推导HFV的线性纵向通道模型；其次，基于该模型设计“AKF+ESO”组合状态观测器，在未知测量噪声及外部干扰的影响下准确重构系统状态；再次，基于“AKF+ESO”估计的系统状态，设计LQG控制器实现HFV对高度参考信号和速度参考信号的高精度跟踪；最后，仿真验证本文HFV组合观测控制策略的有效性。1高超声速飞行器动力学模型1.1高超声速飞行器的纵向通道模型考虑风场干扰的影响，HFV的纵向通道动力学模型为3-4：V=Tcos-Dm-gsinh=Vsin =L+TsinmV-gcosV+d(t)=q-q=MyyIyy+dq(t)（1）式中：V，h，q分别为速度、高度、航迹角、攻角、俯仰角速率；m为飞行器质量；g为重力加速度；Myy，Iyy分别为俯仰转动力矩和俯仰转动惯量；d(t)，dq(t)为风场造成的外部干扰；T，D，L分别为飞行器204第 2 期张睿等：测量噪声下的高超声速飞行器组合观测鲁棒控制发动机推力、阻力、升力，并且满足：T=T()+T0()q S()C3T3+C2T2+CT+C0T+q S()C3T3+C2T2+CT+C0TD q S()C2D2+CD+C0DL=L0+L q SC0L+q SCLMyy=MT+M0()+MeezTT+q Sc()C2M2+CM+C0M+q Sc CeMe（2）式中：，e分别为燃油当量、舵面偏角；q 为动压；S为参考面积；c 为平均气动弦；C()T，C()T，C()D，C()L，C()M为气动参数；zT为推力力矩耦合系数。1.2动力学模型线性化采用小扰动线性化理论线性化动力学模型（1）。在平衡点(0，u0)处进行泰勒展开，保留泰勒展开一次项，忽略高阶项，动力学模型（1）可改写为如下线性时不变状态方程，即：()t=A()t+Bu()t+Bd()ty()t=C()ty()t=C0()t（3）式中：(t)=V，h，qT为系统状态向量；u(t)=，eT为控制输入；(t)=d(t)，dq(t)T为外部干扰；y(t)R5为测量输出；y(t)R2为受控输出。定义f1=V，f2=h，f3=，f4=，f5=q，fi为fi(i=1，2，3，4，5)对(t)的偏导数，ufi为fi对u(t)的偏导数，则A和B为偏导数矩阵在平衡点(0，u0)处的取值，有：A=f1，f2，f3，f4，f5T=0，u=u0B=uf1，uf2，uf3，uf4，uf5T=0，u=u0（4）具体形式为：A=00-gcoscos-Tsin-m0sin0Vcos00-LmV20gsinVL+sin+TcosmV0LmV20-gsinV-L+sin+TcosmV1000zT+qIyy0（5）B=T()cosm0T()sinmV T()sinmV00000MeT（6）式（5）和式（6）中，系统状态向量选取为平衡点处的系统状态0，系统输入选取为平衡点处的输入量u0，且：L=L+Tsin-mgcosq=q Sc()2C2M+CM=q S()3C3T2+2C2T+CT+q S()3C3T2+2C2T+CT=q S()2C2D+CD（7）模型（3）的其他参数为：Bd=001-1000001TC=I5 5C0=1000001000（8）假设采样时间为Ts，采用zero-order-hold（ZOH）方法对HFV线性动力学模型（3）进行离散化处理。记k=(kTs)，uk=u(kTs)，k=(kTs)，yk=y(kTs)，y k=y(kTs)，k为当前时刻，动力学模型（3）离散化后得：k+1=Ak+Buk+Bkyk=Cky k=C0k（9）式中：A=I5 5+ATs，B=BTs，B=BdTs。考虑测量噪声的影响，离散动力学模型（9）可重新写为：k+1=Ak+Buk+Bkyk=Ck+ky k=C0k（10）式中：k R5为测量噪声。记dk=d(kTs)，dqk=dq(kTs)，k=dk，dqkT。将k引 入 系 统 状 态，定 义 新 的 系 统 状 态 为k=Vk，hk，k，k，qk，dk，dqkT。HFV 的动力学模型（10）可重新描述为如下扩张状态方程：k+1=Ak+Buk+Bkyk=Ck+k（11）式中：A=AB02 502 2，B=B02 2，B=05 2I2 2，C=205宇航学报第 45 卷C05 2，k=d(k)dq(k)。假设1.测量噪声、外部干扰及其导数有界。因此，存在未知正常数m，dm，dqm，dm，dqm使得k m，|dk|dm，|dqk|dqm，|dk|dm，|dqk|dqm。假设2.定义k为高斯白噪声，定义扰动估计误差为过程噪声vk=Bk-Bk，且vk为高斯白噪声，满足：Ek=0，EkTj=RkkjE vk=0，EvkvTj=QkkjETkvk=0（12）其中，kj=0，k j1，k=j（13）式中：k为k的估计，由ESO（18）得到；k和j为两个计算时刻；Rk R5和Qk R5为正定矩阵，在实际系统中Rk和Qk通常未知。注1.线性动力学模型（3）中的矩阵A和B为非线性动力学函数fi在平衡点(0，u0)处的雅可比矩阵，均为时不变的常值矩阵。这种在平衡点处展开的HFV小扰动线性化方法在文献 16 中得到了详细论证。2基于AKF和ESO的状态组合观测考虑被噪声污染的测量信号如果直接用于HFV控制可能激发执行器额外的高频控制量，降低控制性能甚至导致系统失控，必须在控制器设计中使用不受噪声和干扰影响的系统状态。本节提出了“AKF+ESO”的状态组合观测方法，在统计特性未知的测量噪声和外部干扰影响下获取准确的系统状态估计。面向HFV离散动力学模型中统计特性未知的测量噪声，设计AKF实时估计噪声的统计特性并获取不受噪声影响的系统状态，随后将降噪后的系统状态输入ESO实现对外部干扰的估计。值得注意的是，ESO估计的外部干扰又被引入了AKF，以提升AKF的抗干扰能力。这种自增强拓扑使组合观测结构能够在外部干扰、噪声并存的环境下精确地重构系统状态。考虑系统（10），设计AKF为：k+1/k=Ak+Buk+BkPk+1/k=APkAT+QkKk+1=Pk+1/kCT()CPk+1/kCT+Rk-1Pk+1=()I5 5-Kk+1C Pk+1/kZk+1=yk+1-Ck+1/kk+1=k+1/k+Kk+1Zk+1（14）式中：k为k的估计值；Kk为 Kalman 滤波增益；k+1/k为状态一步预测；Pk+1/k为状态一步预测均方误差阵；Pk为状态预测均方误差阵；Zk为量测新息；Qk为Qk的估计；Rk为Rk的估计。Qk和Rk的更新律为：Qk=()1-kQk-1+k()KkZkZTkKTk-APk-1ATRk=()1-kRk-1+k()ZkZTk-CPk-1CT（15）式中：k=k-1/()k-1+b，k的初值设置为 0=1，b为遗忘因子且通常取值为b(0.95，0.999)。其中，Qk更新律中包含负定项-APk-1AT，Rk更新律中包含负定项-CPk-1CT。负定项导致系统可能出现发散，为了保证系统稳定性，可舍弃负定项，损失部分状态估计精度，具体形式如下：Qk=()1-kQk-1+kKkZkZTkKTkRk=()1-kRk-1+kZkZTk（16）基于扩张状态方程（11），设计ESO为：k+1=Ak+Buk+Ks(yk-Ck)（17）式中：k为k的估计值；Ks R7 5为ESO增益。为了提升ESO的抗噪能力，将式（17）中的yk替换为 AKF估计预测的系统输出Ck，因此，式（17）可重新写为：k+1=Ak+Buk+Ks(Ck-Ck)（18）定义AKF估计误差为：k+1=k+1-k+1（19）定义ESO估计误差为：k+1=k+1-k+1（20）联立k+1和k+1，可得“AKF+ESO”组合观测的系统状态误差为：k+1=k+1k+1=k+1k+1-k+1k+1（21）进一步计算可得：206第 2 期张睿等：测量噪声下的高超声速飞行器组合观测鲁棒控制k+1=Ak+Buk+BkAk+Buk+Bk-Ak+Buk+Bk+Kk+1()yk+1-Ck+1/kAk+Buk+Ks()Ck-Ck=Ak+BkAk+Bk-Kk+1()C()Ak+Buk+Bk+k+1-Ck+1Ks()Ck-Ck=Ak+BkAk+Bk-Kk+1C()Ak+Bk+Kk+1k+1KsC()k-k-KsC()k-k=Ak+BkAk+Bk-Kk+1C()Ak+Bk+Kk+1k+1-KsCk+KsCk（22）定义k=()I5 5-Kk+1C A()I5 5-Kk+1C KsCA-KsC，=05 5B，k=-Kk+1k+1Bk。方程（22）可以重新写为：k+1=Hkk+k（23）在假设1情形下，存在正常数m使得k m。注2.选取合适的平衡点(0，u0)，使得(A，B)可控，(A，C)可观，则可推导得到(A，C)可观。此时，通过调整增益Kk和Ks可以实现k的任意极点配置，使得状态估计误差有界。注3.式（16）同时给出了Qk和Rk的更新律。然而，在实际系统中难以同时实现两者的在线估计，通常仅更新其中一个噪声统计特性。注4.本文设计的“AKF+ESO”组合观测结构可在测量噪声及外部干扰存在的情形下，准确重构不可测系统状态。已有AKF和ESO与“AKF+ESO”相比，其缺陷在于：AKF虽能降低噪声影响，但受外部干扰影响不能准确重构系统状态；传统ESO可重构系统状态，但为了获取更快收敛速率，必须设置极大的观测增益，这导致测量噪声被放大，系统状态估计精度降低。3LQG控制器设计基于“AKF+ESO”组合观测的系统状态，本节设计LQG控制器实现对高度参考信号和速度参考信号的鲁棒跟踪，具体方案如图1所示。定义参考信号为ydk=Vdk，hdkT，其中，Vdk和hdk分别为k时刻的速度参考信号和高度参考信号。定义跟踪误差为：ek=ydk-y k（24）定义有限时域二次型性能指标为J=12eTnFLen+12k=0n-1eTkQLek+uTkRLuk（25）式 中：FL=02 2；QL R2和RL R2为 正 定 对 称矩阵。使目标函数J取最小值的最优控制器设计为：“AKF+ESO”组合观测系统状态LQG控制高超声速飞行器动力学二次型性能指标参考信号最优控制器HFV纵向通道连续非线性模型小扰动线性化HFV纵向通道连续线性模型离散化HFV纵向通道离散线性模型AKF：k+1=Ak+Buk+B k+Kk+1(yk+1Ck+1/k)ESO：k+1=Ak+Buk+Ks(CkCk)kk图1基于“AKF+ESO”组合观测的HFV鲁棒控制策略Fig.1Robust control strategy of HFV based on AKF+ESO combined observation207宇航学报第 45 卷uk=-Kk+k（26）式中：控制增益K设计为K=R-1BTPLAR=RL+BTPLB（27）其中，PL通过计算如下黎卡提矩阵方程可得：PL=ATPLA-KTRK+C0QLCT0（28）k设计为k=-R-1BT(12k+KBk)（29）式中：k设计为k=-2CT0QLydk（30）K设计为K=(BR-1BT)-1（31）利用“AKF+ESO”组合估计的系统状态k和干扰k，控制器（26）可重新写为uk=-Kk+k（32）式中：k=-R-1BT(12k+KBk)（33）将控制器（32）代入动力学方程（10），得：k+1=Ak+B()-Kk+k+Bk=Ak+B()-Kk+Kk+k+Bk=()A-BKk+BKk+Bk+Bk=()A-BKk+BKk+B()-R-1BT()12k+KBk+Bk=()A-BKk+BKk+BR-1BTCT0QLydk-BR-1BTKBk+Bk=()A-BKk+BKk+BR-1BTCT0QLydk+Bk（34）式中：k=k-k。联立式（34）和式（23）可得增广矩阵方程为 k+1k+1=A-BK012 5Hk kk+B012 2k+BR-1BTCT0QL012 2ydk+05 12I12 12k（35）式中：=BK，05 7。定义k=BR-1BTCT0QL012 2ydk+B012 2k+0512I1212k，式（35）可以重新写为：k+1k+1=A-BK012 5Hk kk+k（36）注 5.由于“AKF+ESO”的干扰估计误差k有界，且k在假设1下有界，给定参考信号ydk和参数矩阵B，QL和RL后，k有界。注6.A，B，QL和RL给定后，控制增益K为式（27）计算得到的定常矩阵，系统（36）的极点随之确定。根据文献 18 可知，由于QL和RL为正定对阵矩阵，系统（36）渐近稳定。注7.控制增益K的设计与QL和RL取值有关。QL和RL的选取对系统动态性能有影响。QL越大，系统跟踪精度越高；RL越大，uk越平稳。4仿真分析记本文提出的基于“AKF+ESO”组合观测的LQG控制方法为“本文方法”，为了验证其抗噪抗干扰能力，将之与文献 19 提出的LQR控制（记为“对比方法”）在仿真中作对比。选取HFV的初始配平状态为0=V0，h0，0，0，q0T，其 中V0=2 392.68 m/s，h0=26.212 km，0=0，0=3.69，q0=0（）/s；u0=0，e0T且0=0.1，e0=0.1。忽略极小量，计算配平状态下HFV线性动力学模型（3）的参数为：A=00-32-78.0880007 850000000.0670000-0.06710003.3810（37）B=28.8760000.000 240-0.000 2400-3.694（38）另外，在该配平状态计算得到rankB，AB，A2B，A3B，A4B=5，rankC，CA，CA2，CA3，CA4=5，可知208第 2 期张睿等：测量噪声下的高超声速飞行器组合观测鲁棒控制(A，B)可控，(A，C)可观。进一步计算得到rankC，CA，CA2，CA3，CA4，CA5，CA6=7，可知(A，C)可观。选取外部干扰为d(t)=-10-3，dq(t)=-10-5。AKF和ESO的系统初始状态初值与配平状态选取一致。设置AKF参数为b=0.998。选取AKF噪声相关矩阵的初值为：Rf()0=diag()10-2，10-2，10-12，10-12，10-12Pf()0=diag()1，1，0.1，0.1，0.1Qf()0=diag()10-10，10-12，10-12，10-12，10-12（39）设置ESO增益为：Ks=1000001000001050000010500000105010-410-4-10-410-4010-40010-4（40）高度和速度参考信号分别增加152.4 m和30.48 m/s的阶跃信号，且该阶跃信号通过以下滤波器：hdhr=h12h2()s+h1()s2+2hh2s+2h2VdVr=V12V2()s+V1()s2+2VV2s+2V2（41）式中：h1=0.5；h2=0.1；V1=0.3；V2=0.2；h=0.7；V=0.7。设置二次型性能指标函数的参数为FL=02 2，QL=diag(1，1)，RL=diag(1，0.01)。仿真结果如图24所示。图2和图3分别给出了两种鲁棒控制策略下的高度、速度跟踪曲线及跟踪误差曲线，由图可知相较于文献 19 提出的LQR控制，本文提出的方法不仅具有良好的抗噪能力，且跟踪精度更高。这是由于“AKF+ESO”组合观测结构结合了 Kalman 滤波器和 ESO 的优点，Kalman滤波器具有抗噪能力，而ESO具有干扰估计能力。图4给出了“AKF+ESO”组合观测系统状态的误差，包括速度估计误差、高度估计误差、航迹角估计误差、攻角估计误差、俯仰角速率估计误差。由图4可知，在外部干扰和噪声影响下，系统状态得到了有效估计。由此可证，本文提出的HFV组合观测控制策略可在噪声及外部干扰影响下实现准确的系统状态估计，进而实现对参考速度和参考高度信号的鲁棒跟踪。0102030405060708090 10026.2026.2526.3026.3526.40参考信号对比方法0102030405060708090 10026.2026.2526.3026.3526.40参考信号本文方法1.00.500.51.01.52.0h/kmh/kmeh/km(a)对比方法下的高度跟踪时间/s(b)本文方法下的高度跟踪时间/s0102030405060708090 100(c)高度跟踪误差时间/s103对比方法本文方法图2高度跟踪Fig.2Altitude trackingV/(kms1)V/(kms1)eV/(kms1)(a)对比方法下的速度跟踪时间/s104020406080100(b)本文方法下的速度跟踪时间/s020406080100(c)速度跟踪误差时间/s0204060801002.392.402.412.422.43参考信号对比方法2.392.402.412.422.43参考信号本文方法6420246对比方法本文方法图3速度跟踪Fig.3Velocity tracking209宇航学报第 45 卷5结论本文针对系统状态受测量噪声和风场等外部干扰影响导致控制性能衰减的问题，提出基于“AKF+ESO”组合观测的LQG控制策略。综合利用AKF降噪和ESO估计外部干扰，通过自增强拓扑结构精确重构系统状态，提升HFV鲁棒控制精度。文中给出的仿真实例说明了该方法的有效性。参 考 文 献1 SHAUGHNESSY J D，PINCKNEY S Z，MCMINN J D，et al.Hypersonic vehicle simulation model：Winged-cone configurationR.Hampton，USA：NASA，1990.2 PARKER J T，SERRANI A，YURKOVICH S，et al.Control-oriented modeling of an air-breathing hypersonic vehicleJ.Journal of Guidance，Control，and Dynamics，2007，30（3）：856-869.3 DOMAN D B，NGO A D.Dynamic inversion-based adaptive/reconfigurable control of the X-33 on ascentJ.Journal of Guidance，Control，and Dynamics，2002，25（2）：275-284.4 王冠，夏红伟.一种基于学习的高超声速飞行器智能控制方法 J.宇航学报，2023，44（2）：233-242.WANG Guan，XIA Hongwei.A learning-based intelligent control method for hypersonic flight vehicle J.Journal of Astronautics，2023，44（2）：233-242.5 SHTESSEL Y，MCDUFFIE J，JACKSON M，et al.Sliding mode control of the X-33 vehicle in launch and re-entry modesC.Guidance，Navigation，and Control Conference and Exhibit，Boston，USA，August 10-12，1998.6 YU X，LI P，ZHANG Y M.The design of fixed-time observer and finite-time fault-tolerant control for hypersonic gliding vehiclesJ.IEEE Transactions on Industrial Electronics，2018，65（5）：4135-4144.7 XU B，WANG X，CHEN W S，et al.Robust intelligent control of SISO nonlinear systems using switching mechanismJ.IEEE Transactions on Cybernetics，2021，51（8）：3975-3987.8 GUO Y Y，XU B.Finite-time deterministic learning command filtered control for hypersonic flight vehicle J.IEEE Transactions on Aerospace and Electronic Systems，2022，58（5）：4214-4225.9 SHOU Y X，YAN T，XU B，et al.Integrated guidance and control of hypersonic flight vehicle with coordinated mission requirement and input constraint J.International Journal of Robust and Nonlinear Control，2023，33（7）：4262-4280.10 GUO Y Y，YAN T，XU B，et al.Asymmetric integral BLF based state-constrained flight control using NN and DOBJ.International Journal of Robust and Nonlinear Control，2022，32（5）：3021-3038.11 LU Y，LIU X D，JIA Z Q.An ESO-based attitude control method for non-affine hypersonic flight vehiclesC.The 40th Chinese Control Conference（CCC），Shanghai，July 26-28，2021.12 ZHANG R，XU B，SHI P.Output feedback control of micromechanical gyroscopes using neural networks and disturbance observer J.IEEE Transactions on Neural Networks and Learning Systems，2022，33（3）：962-972.13 王锦，张伸.基于变增益观测器的高超声速飞行器输出反馈控制 J.宇航学报，2019，40（5）：543-553.WANG Jin，ZHANG Shen.Variable gain observer based output feedback control for hypersonic vehicles J.Journal of Astronautics，2019，40（5）：543-553.14 ZHANG R，XU B，SHI P.Finite time observer-based output feedback control of MEMS gyroscopes with input saturation J.International Journal of Robust and Nonlinear Control，2022，320102030405060708090 1001.00.500.51.00102030405060708090 10010120.020.0100.010.022010010201 00050005001 000(a)速度估计误差时间/s(b)高度估计误差时间/s0102030405060708090 100(c)航迹角估计误差时间/s0102030405060708090 100(d)攻角估计误差时间/s0102030405060708090 100(e)俯仰角速率估计误差时间/s103103V/(kms1)h/km/rad/radq/(rads1)本文方法本文方法本文方法本文方法本文方法图4“AKF+ESO”组合观测的系统状态Fig.4Combined observation of system states under“AKF+ESO”210第 2 期张睿等：测量噪声下的高超声速飞行器组合观测鲁棒控制（7）：4300-4317.15 HU K Y，SUN W J，YANG C X.Improved adaptive fault-tolerant control of a variable structure fighter with multiple faults based on an extended observerJ.Mathematical Problems in Engineering，2022：4607538.16 杜立夫，陈宜成，闵勇，等.基于LQG/LTR的高超声速飞行器全通道姿态控制 J.飞行力学，2017，35（5）：66-69.DU Lifu，CHEN Yicheng，MIN Yong，et al.Whole-channel attitude control for hypersonic vehicle based on LQG/LTRJ.Flight Dynamics，2017，35（5）：66-69.17 SUN H，MADONSKI R，LI S H，et al.Composite control design for systems with uncertainties and noise using combined extended state observer and Kalman filterJ.IEEE Transactions on Industrial Electronics，2022，69（4）：4119-4128.18 龚德恩.离散控制系统理论引论 M.北京：中国铁道出版社，2004：320-321.19 LU Q，ZHOU J.LQR tracking guidance law for hypersonic vehicle C.The 29th Chinese Control and Decision Conference（CCDC），Chongqing，China，May 28-30，2017.作者简介：张睿（1992-），女，博士，副教授，主要从事自适应控制、鲁棒控制等方面的研究。通信地址：西安市长安区东祥路1号（710129）E-mail：李世华（1975-），男，博士，教授，主要从事抗干扰控制、鲁棒控制等方面的研究。通信地址：南京市玄武区四牌楼2号（210096）E-mail：魏振岩（1982-），男，高级工程师，主要从事飞行器控制、非线性控制等方面的研究。通信地址：北京市丰台区云岗北里40号院（100074）E-mail：gone_许斌（1982-），男，博士，教授，主要从事飞行器控制、非线性控制、鲁棒控制等方面的研究。通信地址：西安市长安区东祥路1号（710129）E-mail：211