1.一种基于神经网络估计的刚性飞行器固定时间姿态镇定方法，其特征在于：所述方法包括以下步骤：步骤1，建立刚性飞行器的运动学和动力学模型，初始化系统状态以及控制参数，过程如下：

1.1刚性飞行器系统的运动学方程为：T

其中qv＝[q1,q2,q3] 和q4分别为单位四元数的矢量部分和标量部分且满足q1,q2,q3分别为映射在空间直角坐标系x,y,z轴上的值； 分别是qv和q4的

3 3×3

导数； 为qv的转置；Ω∈R是刚性飞行器的角速度；I3是R 单位矩阵； 表示为：

1.2刚性飞行器系统的动力学方程为：

3×3 3 3

其中J∈R 是飞行器的转动惯性矩阵； 是飞行器的角加速度；u∈R 和d∈R 是控×制力矩和外部扰动；Ω 表示为：

1.3转动惯性矩阵J满足J＝J0+ΔJ，其中J0和ΔJ分别表示J的标称部分和不确定部分，则式(4)重新写成：进一步得到：

1.4对式(1)进行微分，得到：其中 为总不确定的集合；

T

Ω为Ω的转置； 为qv的二阶导数； 为J0的逆； 表示为：分别为q1,q2,q3的导数；

步骤2，针对外部扰动和转动惯量不确定的刚性飞行器系统，设计所需的滑模面，过程如下：选择固定时间滑模面为：其中，

和sgn(qi)均为符号函数，λ1＞0,λ2＞0,a2＞1， 为qi的导数，i＝1,2,3；

T

定义S＝[S1,S2,S3]，对S求导，得：将式(8)代入(11)，得：步骤3，设计神经网络固定时间控制器，过程如下：

3.1定义神经网络为：*T

Gi(Xi)＝Wi Φ(Xi)+εi                    (13)

4 * 4

其中 为输入矢量，Φ(Xi)∈R为神经网络基函数，Wi ∈R为理想的权值矢量，定义为：4

其中Wi∈R 为权值矢量，εi为近似误差，满足|εi|≤εN,i＝1,2,3，εN为很小的正常数；

*

arg min{·}为Wi取其最小值所有的集合；

3.2考虑固定时间控制器被设计为：其中 为3×3对称的对角矩阵， 为Wi的估计值Φ(X)＝[ΦT T

(X1),Φ(X2),Φ(X3)]， L＝[L1,L2,L3]，i＝1,2,3；

3×3

Γ＝diag(Γ1,Γ2,Γ3)∈R 为3×3对称的对角矩阵， 0＜r1＜1，

3×3 3×3

r2＞1，K1＝diag(k11,k12,k13)∈R 为3×3对称的对角矩阵；K2＝diag(k21,k22,k23)∈R 为

3×3

3×3对称的对角矩阵；K3＝diag(k31,k32,k33)∈R 为3×3对称的对角矩阵； 为Wi的估计；

3.2设计更新律为：

其中γi＞0,pi＞0， 为 的导数，i＝1,2,3；Φ(Xi)选择为以下的sigmoid函数：其中l1 ,l2 ,l3和l4为近似参数，Φ(Xi)满足0＜Φ(Xi)＜Φ0，并且步骤4，固定时间稳定性证明，过程如下：

4.1证明刚性飞行器系统所有信号都是一致最终有界，设计李雅普诺夫函数为如下形式：T

其中 i＝1,2,3；S是S的转置； 是 的转置；

对式(18)进行求导，得到：其中min{·}表示最小值； i＝1,

2,3；||·||表示值的二范数；

则判定刚性飞行器系统所有信号都是一致最终有界的；

4.2证明固定时间收敛，设计李雅普诺夫函数为如下形式：对式(20)进行求导，得到：其中 i＝1,2,3；

υ2为一个大于零的上界值；

基于以上分析，刚性飞行器系统状态在固定时间一致最终有界。