1.一种基于固定时间自适应神经网络的直升机系统控制方法，其特征在于，包括：S1、根据拉格朗日力学模型，建立在实际工程应用中直升机系统的动力学模型；

S2、定义跟踪误差变量，设计辅助控制变量；

S3、采用径向基函数神经网络估计直升机系统中的不确定项；

S4、设计直升机系统的控制器和自适应律；

S5、建立李雅普诺夫函数；

S6、通过分析李雅普诺夫函数，证明所述直升机系统的稳定性；

S7、通过Matlab平台进行仿真，分析仿真结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：根据拉格朗日力学模型，建立在实际工程应用中直升机系统的动力学模型；

其中，Jf和Jd分别是俯仰运动和偏航运动的转动惯量，Df和Dd是粘性摩擦系数，Kpp是俯仰螺旋桨中作用于俯仰轴上的扭矩推力增益，Kpy是偏航螺旋桨中作用于俯仰轴上的扭矩推力增益，Kyp是俯仰螺旋桨中作用于偏航轴上的扭矩推力增益，Kyy是偏航螺旋桨中作用于偏航轴上的扭矩推力增益，α代表是俯仰角，β代表的是偏航角，lv表示距离机身固定框架远点的质心距离，ma表示直升机的质量，g表示重力加速度，Vf和Vd分别表示控制俯仰和偏航运动的电机电压输入；

T T

定义直升机系统的输出向量为p＝[p1,p2] ，其中p1＝[α,β] ， 将所述升机系统的动力学模型简化为：y＝p1 公式5；

T

其中，ΔG(p1,p2)和ΔH(p1,p2)是系统的不确定项，U＝[Vf,Vd]是控制器的输入，y是系统的输出，Q(p1,p2)和P(p1,p2)表示为：

3.根据权利要求2所述的方法，其特征在于，所述步骤S2具体包括：定义所述直升机系统的跟踪误差e1和e2：e1＝p1‑pd 公式8；

e2＝p2‑γ 公式9；

其中pd是直升机系统的俯仰角和偏航角的期望轨迹，γ是辅助控制变量，定义为：其中k11和k12是一个正的设计参数， 是期望轨迹对时间的导数。

4.根据权利要求3所述的方法，其特征在于，所述步骤S3具体包括：ΔG(p1,p2)和ΔH(p1,p2)是所述直升机系统的不确定项， 再次化简为：其中， R使用径向基函数神经网络来估计其中的不确定项；

*T

R(p,U)＝Φ Ξ(Z)+ξ(Z) 公式12；

*

其中，Φ 表示神经网络的理想权重，Ξ(Z)表示径向基向量的高斯函数，Z表示神经网络的输入向量，ξ(Z)是神经网络的近似误差，满足 其中 是一个未知的正常数；定义 其中 是神经网络的权重误差， 是神经网络估计的权重。

5.根据权利要求4所述的方法，其特征在于，所述步骤S4中的设计直升机系统的控制器具体包括：通过公式13设计直升机系统的控制器：其中k21和k22是一个正的设计参数。

6.根据权利要求5所述的方法，其特征在于，所述步骤S4中涉及自适应率具体包括：通过公式14设计自适应律为：

其中ΓΦ>0，σΦ1和σΦ2是设计的正常数。

7.根据权利要求6所述的方法，其特征在于，所述步骤S5具体包括：通过公式15‑公式17建立李雅普诺夫函数：

8.根据权利要求7所述的方法，其特征在于，所述步骤S6具体包括：分析李雅普诺夫函数，证明2‑DOF直升机系统的稳定性；首先对e1求导：得到V1的导数：

将α代入可得到：

然后对e2求导，得到：

对V2进行求导：

将U代入可以得到：

对V3进行求导：

考虑以下不等式：

进而推导得到：

其中

σΦ3是设计的正常数，为了确保ρ1,ρ2>0，k>0的选择应该满足：由此，可以证明系统中的所有信号都是一致最终有界的， 将在固定时间Tf内收敛到紧凑集中，其中Tf表示为：其中0<θ<1是一个常数，ρ1和ρ2是正常数。