基于自适应控制的近空间高超声速飞行器研究进展

甄子洋，朱 平，江 驹，陶 钢

(1.南京航空航天大学自动化学院，南京 210016；2.美国弗吉尼亚大学电气与计算机工程系，夏洛茨维尔 22904)

0 引 言

近空间高超声速飞行器是一种飞行马赫数为5以上的在大气层或跨大气层飞行的飞行器，主要包括高超声速巡航导弹、空天飞行器等类型。高超声速飞行器技术的突破成为人类航空航天科学技术史上又一个跨时代的里程碑。根据不同的动力系统，可将高超声速飞行器分为火箭推进式和吸气式两大类。最早研制的飞行器如美国X-15、X-20等采用火箭推进式高超声速飞行器。X-43A等飞行器则采用吸气式超燃冲压发动机，它直接从大气中获得氧气，可以携带更多有效载荷。然而，这类飞行器使用与冲压发动机配置集成的机身技术，使弹性机体、推进系统和结构动力学之间相互耦合，控制系统的作用显得尤为关键，同时也增加了控制系统设计难度。目前，国内外研究重点是吸气式高超声速飞行器，它被认为是未来主要类型。

从20世纪50年代开始，美国、俄罗斯、法国等国家最早开始了高超声速飞行器技术研究。近年已经试飞测试的典型高超声速飞行器包括：①美国：X-43A高超音速飞机(2004)[1]、X-37B空天战斗机(2010)、X-51A高超声速巡航导弹(2010)[2]、HTV-2猎鹰高超音速飞行器(2010)；②俄罗斯：锆石高超声速导弹(3M22，2016)、Yu-71/ Yu-74助推滑翔导弹(2016)；③印度：可重复使用运载器验证机RLV-TD(2016)；④日本：HOPE-X轨道飞机(2004)；等等。

我国高超声速飞行器研究起步相对较晚，但是进展显著。2002年香山科学会议发布了高超声速技术发展计划， 2007年我国自然基金委员会公布了“近空间飞行器的关键基础科学问题” 这一重大研究规划，此后我国高超声速飞行器研究得到发展迅猛。2012年《科技日报》报道了我国建成9马赫9JF12高超声速激波风洞。2017年10月，我国公开报道了风速可达5-10倍声速的JF12激波风洞以及高超声速飞行器的测试模型。

高超声速飞行器的优势主要体现在飞行速度快、突防能力强、隐蔽性高、高机动作战和精确打击等方面。由于高超声速飞行器大空域、宽速域与高机动的特征，加之以环境复杂多变等，导致其具有极为复杂的特性，建模和控制方法的研究有很大难度，而自适应控制正适合解决该类复杂控制问题。目前，Friedmann等人[3]概述了含空气动力学、气体热力学和弹性力学的高超声速飞行器建模的发展现状。杨超[4]、余平[5]等人综述了高超声速飞行器气动力学的研究进展，Doman[6]、吴宏鑫[7]、段海滨[8]、孙长银[9]、方汪洋[10]、宗群[11]等人综述了高超声速飞行器控制技术的研究进展。然而以上文献缺乏对自适应控制技术进行专门深入的讨论。近年来，自适应控制理论研究成果丰硕，在高超声速飞行器控制中的应用研究日益发展，美澳联合进行的“高超声速国际飞行研究实验”(HIFiRE)项目中开展了对自适应飞行控制系统性能的研究。为此，本文重点概述高超声速飞行器自适应控制技术。

1 近空间高超声速飞行器建模研究

高超声速飞行器机身发动机一体化的设计结构、先进的气动布局、所处环境十分复杂等因素，其模型建立十分困难且具有复杂特性。虽然美国航空航天局(NASA)和美国空军早已开展高超声速技术研究，但是高超声速飞行器模型公开甚少。近年我国对高超声速飞行器建模研究不断加强，由于缺乏实验数据与关键设备，多数是在改进国外现有模型基础上进行建模。

1.1 典型的高超声速飞行器模型描述

典型的高超声速飞行器模型描述如下：

(1)NASA兰利研究中心Pinckney等人[12]于1990年左右针对带翼锥体加速器Wing-Cone概念飞行器提出六自由度飞行器模型，成为多数研究者采用的对象模型。采用计算流体力学软件和部分风洞试验验证相结合的手段，给出了较完整的气动数据，可为飞行控制研究提供参考对象。

(2)美国马里兰大学帕克分校的Schmidt等人[13-14]于1994年左右开发了模拟可重复使用空天飞机研究机X-30的高超声速飞行器气动推进弹性模型(Aeropropulsive/Aeroelastic Hypersonic- Vehicle，AAHV)，该模型利用牛顿理论的二维超音速空气动力学分析，以及SCRAM喷射型推进系统内流动一维空气动力学/热力学分析。

(3)美国空军研究实验室的Bolender和Doman等人[15-16]于2005年左右开发了模拟X-43A的柔性吸气式高超声速飞行器模型(Flexible Air-Breathing Hypersonic Vehicle-First-Principle Model，FAHV-FPM)。在飞行器刚体模型中考虑机身弹性结构振动形变，由于机身发生弹性形变，产生前体和后体形变，飞行器的质心也将发生改变，进而影响机身表面的气动布局和推进系统，建模过程变得非常复杂[17]。

(4)美国加利福尼亚州立大学的多学科飞行动力学与控制实验室的Clark等人[18,19]于2005年左右开发了针对柔性吸气式高超声速飞行器X-43的通用模型(Generic Hypersonic Flight Vehicle，CSUL-GHV)。由于高超声速飞行器多数采用细长几何形状和轻质结构，不能忽视弹性效应，该模型旨在设计一个通用模型供飞行控制工程师们研究使用，因此能更好地满足实际情况[20]。

(5)美国空军研究实验室的Parker等人[21]开发了一种模拟X-43A的面向控制建模的柔性吸气式高超声速飞行器模型(FAHV-COM)，该模型在FAHV-FPM模型基础上，忽略了某些弱耦合和慢时变动态特性，利用曲线拟合方法代替飞行器的力和力矩方程，适用于非线性控制系统设计。

国内多数研究者采用以上典型模型进行分析、控制系统设计和仿真验证。鲍文等人[22]针对综合离心力/气动力的吸气式升力体高超声速飞行器建立了飞行器刚体动力学矢量模型。叶正寅等人[23]建立了耦合气动/气动热/推进/结构弹性的吸气式高超声速飞行器动力学模型，采用Chavez和Schmidt建立的超燃冲压发动机推进系统模型。江驹、甄子洋等人[24-25]开发了针对美国X-24B的气动布局及尺寸的小翼伸缩近空间可变翼飞行器(Near-space Morphing Vehicle，NMV)模型，将小翼设定为一个气动舵面，通过伸缩变形改变机翼浸润面积和展长，改变飞行器结构和气动特性，适应不同的飞行条件和飞行状态。

近年，美国弗吉尼亚理工大学提出了面向气动弹性控制的吸气式高超声速飞行器模型[26]。天津大学联合美国曼彻斯特大学提出了带可调进气道的吸气式高超声速飞行器模型[27]。

1.2 高超声速飞行器模型特性分析

从上述模型描述及对比分析来看，高超声速飞行器具有如下几个重要特性：

(1)强非线性特性：①升力、阻力和推力及其系数表达式都是状态相关的非线性函数，并随着马赫数与迎角等条件变化而表现出强非线性；②在宽速域飞行时存在很多非线性约束条件，如热流、动压和过载限制等；③六自由度运动模型本身由一组非线性微分方程组表示。

(2)强耦合特性：①机身一体化设计使发动机和机体之间存在耦合影响；②流体和固体力学之间的相互作用也会导致很强的耦合作用；③结构以及特殊飞行环境导致在飞行过程中有可能发生形变，带来弹性体和刚体之间的耦合作用；④俯仰、偏航和滚转通道之间的相互耦合。

(3)不确定特性：①未建模动态引起的不确定主要包含高温影响、黏性影响所引起的边界层增长问题，还有大气环境变化等；②结构弹性形变引起的不确定；③随机干扰因素对飞行器产生的不确定影响，比如在飞行过程中燃料的消耗使飞行器质量和重心发生改变，进一步会引起回旋速度干扰；④由于飞行试验缺乏、实验条件非常苛刻，导致建模过程存在不确定误差。

(4)快时变特性：①跨越区域大、飞行速度快等特殊性，使其具有大空域飞行引起的时变特征；②燃料快速消耗引起的飞行质量变化，导致飞机质心变化，使其具有快时变动态特性；③飞行中遇到声速流引起的局部流场中激波与边界层干扰，导致飞行器表面的局部压力及热流率的变化，进一步加剧了气动力的时变特性。

(5)弹性特性：①通常采用乘波体几何构造，具有锲形形状，这种细长机身结构和较轻重量易引起飞行器的结构发生弹性形变，影响气动布局；②表面气动加热严重，高温使飞行器结构强度和刚度降低，破坏气动外形，甚至会引起结构颤振。

(6)非最小相位特性：①迎角、俯仰角速度动态通常为不稳定动态，即只要迎角、俯仰角速度成为系统零动态，就是不稳定零动态，会造成系统非最小相位特性；②模型的弹性部分的零动态通常为不稳定零动态，造成系统的非最小相位特性；③机体/发动机/结构动态耦合特性的非线性数学模型均带有不稳定零动态，使模型具有非最小相位特性。针对该特性，文献[28]用输出重定义使零动态稳定，用动态反演稳定新的外部动力学。

(7)状态/输入受限特性：由于超燃冲压发动机的工作条件要求，且为减小飞行器状态散布，气动舵面不宜偏转过大，迎角、角速率等飞行状态要满足约束。文献[29]利用高度回路的比例-微分产生过载信号，过载信号经过指令调节器生成调节指令，以解决飞行器状态和舵偏满足约束下的实际问题。

2 近空间高超声速飞行器自适应控制研究

高超声速飞行器是具有强烈非线性、快时变、强耦合、不确定、弹性等特点的飞行运动对象，飞行控制难度很大。常规控制方法难以解决具有上述特性的高超声速飞行器的稳定和精确控制问题。为确保其安全有效地飞行，先进飞行控制系统的设计仍然是首要问题。自适应飞行控制技术不依赖于飞行器系统精确模型，具有强鲁棒性、自适应性和干扰抑制能力。自适应控制除传统的模型参考自适应控制之外，通常与非线性控制、神经网络、模糊逻辑等方法相结合使用，形成广义自适应控制理论，有效提高控制系统综合性能。

2.1 模型参考自适应控制

自适应控制用于解决系统参数、结构存在不确定性的复杂控制问题具有独特优势，在航空航天领域得到广泛应用研究，近年来多变量自适应控制理论也已成为控制领域的一大研究热点[30-31]。文献[32]设计了可变翼高超声速飞行器小翼伸缩自适应切换控制系统，验证了自适应控制在不同模态下的鲁棒性能。荷兰代尔夫特理工大学的Mooij采用直接模型参考自适应控制用于高超声速飞行器姿态控制，将参考模型(含姿态和角速率等6个状态)和非线性翼锥体模型(位置、速度、姿态和角速率等12个状态)组合成一个动态模型，如图1所示[33]。图中，采用自适应算法设计增益[34]。

该系统的新颖之处在于：①控制器除利用模型跟踪误差信息之外，还利用参考模型的状态信息和控制输入信息，该参考模型的纵、横向控制器均采用PID方法设计，然后采用集成结构将纵、横向控制器综合，自适应调节增益权重，提高了高超声速飞行器的控制性能；②考虑到外部扰动因素，控制器通过优化加权因子或通过在参考模型周围建立前馈补偿器来进一步提高自适应控制的性能，设计比较简单。但它也存在一些缺点：①当加权因子不够大时，空气动力学系数的不连续性会导致不稳定性；②当参考模型中控制器的积分增益增加到一个大值或当输入信号中存在不连续性时，系统会有强烈的响应。

2.2 浸入-不变集非线性自适应控制

高超声速飞行器控制系统设计中，一大挑战是物理和空气动力学参数中的严重不确定性。相关研究表明，非线性自适应控制系统能够克服空气动力学参数的不确定性[35]。浸入-不变集(Immersion and Invariance，I&I)非线性自适应控制思想是设计一个控制规律，保证系统渐近地接近目标系统运行[36-37]。基于I&I的自适应控制系统的设计过程描述如下[38]：①使用未知参数作为已知参数来找到控制律，使得闭环系统具有期望的动力学，并将闭环系统视为目标系统；②设计未知参数更新规则，使原始系统被扩展到系统状态和参数估计的空间；③优化参数估计；④证明增广系统具有渐近稳定性。

根据高超声速飞行器Wing-Cone模型的纵向运动方程，其纵向运动可以分为速度子系统和高度子系统两部分，可分开控制。发动机节流阀调定值直接用于控制推力和速度，升降舵偏转控制姿态角和高度。高度子系统进一步分为外环子系统(高度和轨迹角子系统)和内环子系统(迎角和俯仰速率子系统)，如图2所示，具体参数定义见文献[39]。

I&I非线性自适应控制的优点是不需要使用Lyapunov函数，可依据非确定性等价原理证明稳定性。然而将它直接应用于飞行控制时，存在两个主要问题：一是中间虚拟控制的导数计算繁琐；二是对输入没有约束，需要考虑状态变量，例如迎角须保持在允许范围内。为此，美国加利福尼亚大学的Farrell等人[39]提出对这两个问题进行滤波反演的方法，用指令过滤器计算中间虚拟控制的导数，并定义补偿的跟踪误差替换实际跟踪误差，即使一个执行器或虚拟控制饱和发生时，该替换也可确保稳定的参数估计。

2.3 自适应动态面反步控制

近空间高超声速飞行器大包络飞行时难以避免产生飞行状态偏离问题，多控制律切换策略是实现大范围指令跟踪的一种有效途径。江驹等人[40]针对高超声速飞行器的速度和高度跟踪系统进行了反步控制器设计，提出基于时间或者基于速度和高度的两种多模态切换方法。反步控制采用输入-输出反馈线性化方法对飞行器模型进行非线性映射，将飞行器划分为多个子系统，利用回馈递推依次求取控制信号，可用于具有输入约束和外部干扰的飞行器，其中外部干扰和不确定性的界限可由自适应律估计和更新。然而，反步控制存在两个缺陷：一是基于精确非线性模型，因此鲁棒性不强；二是固有“计算爆炸”问题，严重限制了反步法的应用。

针对上述第一个问题，可以利用神经网络对未知函数所具有的学习和估计能力，对飞行器模型未知非线性部分或者干扰进行逼近，保证闭环系统的鲁棒性能[41]。针对上述第二个问题，即反馈递推设计过程中的微分膨胀问题，一种新的反步法由此提出——动态面控制(DSC)，它在逆步骤的每个步骤的合成输入通过一阶滤波器过滤[40]。新加坡国立大学Butt等人[42]提出一种用于FAHV-COM模型自适应动态面控制器，考虑作动器约束，包括作动器信号幅度、速率和带宽约束。为改进性能，引入一个新的积分项，避免过大的初始控制信号[43]。此外，针对存在模型参数不确定性和输入饱和的情况，可以采用鲁棒自适应动态面控制有效解决[44]。同理，胡庆雷等人[45]利用自适应反步法和动态逆控制器分别设计高度和速度控制子系统，解决了参数不确定和输入饱和下的输出跟踪控制问题。

随后，Butt等人[46]研究了通用高超声速飞行器的飞行速度和轨迹角控制问题，考虑执行器幅度、速率和带宽约束，基于径向基函数神经网络(RBFNN)的自适应动态面控制方案。宗群等人[47]基于RBFNN非线性鲁棒自适应动态面控制，设计了用于FAHV-FPM模型的控制器。特点概括为：①针对存在输入约束和系统不确定性情况设计FAHV模型的控制器，考虑不确定性和强耦合，控制设计没有考虑弹性动力学，其影响通过模拟来评估，降低了设计复杂性；②子系统分开设计，基于RBFNN设计速度子系统，通过组合动态面控制和RBFNN设计高度子系统，用氨基学习参数(MLP)技术估计RBFNN的理想权重向量的最大范数，计算量降低；③通过设计一阶滤波器，避免“计算爆炸”问题，为解决输入约束，建立附加系统以分析其影响。然而，这种方法假设所有FAHV的飞行状态已知，而实际中如迎角和轨迹角等状态很难测量，所以对于输入约束和部分状态未测量的高超声速飞行器控制问题需要进一步研究解决。

2.4 自适应滑模控制

实际系统中难以避免不确定性和干扰，要求控制系统具有鲁棒性。滑动模态控制(SMC)简称滑模控制，是一种能够使系统收敛到一个设定好的有限曲面上的变结构控制方法，具有鲁棒性强、响应速度快等优点，已在高超声速飞行器上应用[48-49]。滑模变结构的常用趋近律包括等速、指数和幂次趋近律。在处理参数不确定性和外界干扰的非线性系统时，双幂次趋近律滑模控制能够精确地跟踪指令信号，有较强的稳定性和鲁棒性[50]。江驹等人[51]结合滑模控制、参数自适应估值和鲁棒补偿的方法设计了一种鲁棒自适应控制器，消除参数不确定和模型误差不利影响。

由于系统不可能完全停留在滑模面上，滑模控制容易出现抖振现象，影响其控制性能，通常需要对控制器进行适当改进才可进行应用。自适应控制可以得到稳定的闭环系统，且滑动面偏离有限。为此，美国南加利福尼亚大学的Mirmirani等人[52]设计了高超声速飞行器Wing-Cone模型的自适应滑模控制器。但是，该方法不适合用于FAHV模型，因为该模型具有非最小相位特性。为此，吴立刚等人[53]提出了一种用于具有系统参数不确定性和非线性扰动的FAHV模型的鲁棒自适应滑模控制方法。对FAHV在特定条件下的纵向运动，制定了线性化模型，基于给定的参考模型，开发了鲁棒滑模面，讨论了滑动面的鲁棒性，运用自适应律，使系统跟踪动态可保持全局稳定。

滑模控制的不连续控制项可以嵌入高阶导数，可以减小抖动。然而，这需要不确定性的上限信息，用于计算开关增益，而由于系统结构的复杂性和不确定性，在实践中不容易获得这类信息。为克服这个缺点，宗群等[54]提出具有计算滑动增益的自适应高阶动态滑模控制，为FAHV模型开发了实用的非线性鲁棒控制器。

2.5 自适应模糊滑模控制

目前，用于FAHV模型的大多数控制方法是假设系统以线性输入，输入动力学可以通过线性模型近似。然而，实际的作动器具有非线性特性，控制输入非线性的存在可能会严重影响FAHV系统的稳定性和其他性能，甚至出现不可预测的结果。因此，在实际控制器设计和实现中不宜忽略输入非线性的影响，这类问题已经受到学术界和工程界的广泛重视。近年来，由于Takagi-Sugeno(T-S)模糊系统通过一些局部线性系统模型的“混合”对任何平滑非线性函数近似，极大地促进了复杂非线性系统的分析和综合，因此得到广泛应用[55]。文献[56]为FAHV模型提出了一种T-S模糊模型的积分滑模控制方法，用于含参数不确定性、非线性扰动和输入非线性的FAHV系统非线性动力学模型。

可变翼高超声速飞行器技术的研究也是一个热点问题，其研究重点在于解决变翼模态下的鲁棒控制问题，通常采用切换控制策略，而在切换过程中必须克服干扰等不确定因素的影响。传统1型Takagi-Sugeno-Kang(TSK)模糊系统已被用于解决这种控制问题[57-58]。然而，随着系统变得更加复杂，精确的模糊集和隶属函数已经不足以完成任务。而2型TSK模糊方法已经被证明在各种问题中可以克服这些不确定因素，被越来越多地用于控制不确定系统[59]。文献[24]提出一种基于2型TSK模糊滑模控制的高超声速可变翼飞行器自适应模式切换方案，其原理结构如图3所示。对于小翼伸出和收回模式，采用特定的滑模控制器，设计2型TSK模糊逻辑系统用于这些滑模控制器之间的鲁棒模式切换，为使系统快速稳定和平滑过渡，模式切换的自适应规律使用直接建构的Lyapunov分析法进行设计，在NMV模型中得到了仿真验证。

2.6 神经网络自适应控制

由于神经网络(NN)具有对非线性系统的全局逼近能力，因此适用于高超声速飞行器这类非线性不确定系统中。许斌等人[60]将直接自适应神经控制器用于Wing-Cone纵向动力学模型，使高度和速度能够跟踪给定的期望轨迹。基于功能分解，使用精确反馈线性化和神经网络近似，为高度子系统和速度子系统设计离散时间非线性自适应控制器，控制器结构比基于反步控制器简单，只需要较少的NN参数在线调整。为更加简化控制器设计并提高控制性能，文献[61]提出了一种新的用于Wing-Cone模型的自适应神经控制器，控制器结构如图4所示。对于高度子系统，将高增益观测器(HGO)和最小学习参数(MLP)技术合成的神经网络来估计未知状态，比具有严格反馈形式的反步法方案简单很多。同时在速度子系统上实现类似的控制器设计。针对通用高超声速飞行器Wing-Cone模型，文献[62]依据时间尺度分解将高度和速度视作慢动力学，姿态相关状态视作快速动力学，文献[63]为此重新配置了功能子系统。

神经网络可以实时逼近高超声速飞行器的实际模型，所以得到的自适应控制系统具有很强的鲁棒性能，但是因为在设计中用到了很多假设条件，所以该方法在实际系统中还难以全面运用。

3 高超声速飞行器自适应容错控制研究

由于高速飞行带来的弹性形变、多通道耦合、参数不确定以及高温高热环境等原因，容易导致控制系统的执行器和传感器故障，因此高超声速飞行器的故障容错控制技术已成为飞行控制领域的重要难题，正吸引越来越多研究者的关注[64]。陈复扬等人引入自适应故障观测器到动态逆控制系统，解决了作动器多故障、参数不确定、外界扰动下的高超声速飞行器鲁棒控制问题[65]。

上述方案将高超声速飞行器视为一个刚体并未考虑弹性影响。FAHV动态系统的容错控制问题还没有被充分研究，这仍然是一个具有挑战性的问题。为此，文献[66]研究了FAHV模型的容错控制方案。然而，当飞行中经历大的参数扰动时，该方案可能并不能获得良好的控制性能。滑模控制被认为是应对外部干扰和参数不确定性的有效方法。虽然传统的滑模控制可以保证系统的稳定性，但是系统状态和误差是在无限时间内渐近地收敛到平衡点。

此外，文献[67]提出了基于快速端子滑模的高超声速飞行器容错控制方法，而文献[68]介绍了一种非线性多变量不稳定柔性高超声速飞行器的非线性鲁棒自适应容错控制方法。

4 自适应控制在高超飞行试验中的应用

上述自适应控制方法在高超声速飞行器的几种典型模型中进行了大量仿真测试，但是多数没有在真实高超声速飞行器中实现。

4.1 X-15飞行测试

美国X-15高超声速飞行器采用火箭发动机，最大速度可以达到马赫6.72，是目前速度最快的有人驾驶飞机。X-15的高超声速飞行控制技术独特[69]。在大气层内飞行时使用常规气动控制系统，在大气层外时过氧化氢被用作反作用增强系统推进火箭。在整个飞行包络线中对自适应飞行控制系统(AFCS)进行了测试，飞行高度为354200英尺，速度为6209公里/小时，保持高达250度的粘性角，动态压力大约从0变化到90446牛顿/平方厘米。AFCS系统是一种自适应可变增益指令增强系统或自动驾驶仪。AFCS系统特有的部件重量大于50千克，具有双重冗余机械化。图5为AFCS系统简化框架。AFCS系统被设计成比模型带宽达三到五倍的带宽，以确保飞机紧密跟随模型。增益自动增加直到系统开始处在不稳定振荡边缘时，通过监测极限循环振幅和调节增益以保持振幅在预设水平以下操作。AFCS先后解决了滞后作动器速率限制和结构共振的问题，改进了X-15飞机的操纵性能，尤其在飞行条件变化最大的再入大气期间有显著改进。该系统在65次测试飞行期间表现出高可靠性。

飞行测试项目确认了X-15自适应飞行控制系统的以下优点：①在绝大多数的空气动力学飞行条件下可以有近似不变的响应性能；②准确的飞机空气动力学特性的先验知识；③对飞机构型变化进行了充分研究；④双冗余概念保证了系统可靠性。

4.2 X-43A飞行测试

X-43A飞行器(HXRV)是无人自主飞行器，应美国高超音速试验计划(Hyper-X)计划而生。X-43A飞行器在第二次飞行测试中从B-52B飞机分离之后，运载火箭HXLV以大约马赫7速度、95000英尺高度、约1000磅/平方英尺的动态压力将试验飞行器HXRV带到分离点。之后HXRV与运载火箭HXLV分离，稳定飞行，在2.5秒内达到所需的发动机试验条件。

美国宇航局德莱顿飞行研究中心给出研究飞行器制导和控制系统以及在分离时和发动机试验期间飞行器的性能[70]。进行研究操作以收集空气动力学和飞行控制研究的数据。在试验中，Hyper-X中的控制系统的基本目标是在测试期间将期望的迎角(AOA)和倾斜角维持在±0.5度内，在测试完成后遵循来自引导系统的转向命令维持期望的下降轨迹。由于空气动力加热，不能使用常规AOA测量装置。文献[71]开发和使用了几种估计AOA的精确测量的技术。Hyper-X飞行控制方案如图6所示[72]。图中AMW表示全动翼。控制器设计基于线性模型，包括刚体模式、二阶激励模式和某些动态特征。在控制器设计中避开了弹性模式效应作为增益裕度要求的一部分，避免使用单独的结构过滤器。超前滞后补偿器用于提高稳定性裕度，前馈补偿器抑制推进系统和动态压力变化对空气动力学的影响。控制器参数利用AOA和马赫数调度的增益得到。

在飞行测试中，纵向控制器使用惯性回转结构中的惯性迎角和飞行器轴向俯仰速率进行迎角控制，纵向增益通过根轨迹方法设计，增益参数为马赫数和动态压力补偿的迎角函数，实现自适应调度，最大限度地提高稳定性和其他性能。在发动机罩门关闭两秒半后，控制器转换到正常加速度指令控制器，并在整个下降过程模式保持。横侧向控制器调节倾斜角和滚动速率，用副翼到方向舵互连(ARI)协调机动。与纵向控制器不同，横侧向控制器在整个飞行中采用相同结构。

5 总结与展望

近年来，美国等国家全面加速推进高超声速打击武器实用化发展，持续开展空天飞行器概念论证和技术探索，加大高超声速基础研究力度，加快关键技术攻关。国外高超声速飞行器的未来型号项目主要包括：① 美国：美国防部国防高级研究计划局(DARPA)和美空军联合主管的“高超声速吸气式武器概念”(HAWC)和“战术助推滑翔”(TBG)两个战术级高超声速导弹演示验证项目、美国防部“常规快速全球打击”(CPGS)项目、“高频次、低成本高超声速飞行试验(台)”(HyRAX)项目、“先进全速域发动机”(AFRE)项目、“高速作战系统支撑技术”(ETHOS)项目、海军正联合陆军大力推进海基AHW项目、用于高速作战系统的使能实现技术(ETHOS)项目、美澳联合完成的“高超声速国际飞行研究实验”(HIFiRE)项目，美国在2017年3月公开宣布，美国军方计划在2040年左右部署高超声速情报、监视与侦察(ISR)无人机；②俄罗斯：高超声速六代机项目；③ 英国：未来小型载荷运载器(FSPL-UK)项目；等等。

以上综述得出如下结论：①对于高超声速这种难以准确获得不确定性、外界干扰信息的飞行器，自适应控制技术通过在线辨识获取系统不确定参数或动态然后设计控制律，可以很好地保证闭环控制系统的全局稳定性和渐近跟踪特性；②广义的自适应控制技术集成了传统模型参考自适应控制、非线性控制、模糊逻辑、神经网络等各种控制与优化手段，能够充分发挥各种优势，取长补短，使高超声速飞行器控制系统具有更好的鲁棒和智能性能；③当前的多数高超声速飞行器型号或计划项目来自美国，飞行测试结果表明美国在这方面拥有扎实的基础和高技术水平；④我国近年来不断加强对高超声速飞行器技术的研究，并取得了一系列成果，在飞行器建模、控制方法研究等方面都取得了丰硕成果，但是在控制系统工程化开发、实现与飞行验证方面，与发达国家相比还有较大差距。

由于近空间高超声速飞行器的复杂动力学特性，以及外界复杂环境影响，飞行控制技术的研究仍然处于起步阶段，亟需解决跨大气层、宽速域、高机动、多模态、气动-结构-发动机集成、多控制面组合优化等特征下的复杂控制问题。因此，近空间高超声速飞行器自适应控制技术的未来研究重点展望如下：

(1)强鲁棒非线性智能化自适应控制技术

由于高超声速飞行器飞行包络极大、飞行环境复杂，针对严重非线性、激烈快时变、强动态不确定、强耦合特点的高超声速飞行器，有必要设计强鲁棒非线性智能化自适应控制系统，有效融合智能控制与优化[73-76]、鲁棒非线性控制[77-80]等先进控制策略，提高爬升/巡航/再入过程的整体控制性能，减小各种不确定因素和外界干扰影响，满足跨大气层、跨声速、高机动、多构型多任务模式需求，保证全包络稳定运行，真正实现智能自主控制。鲁棒非线性自适应控制系统的设计方案考虑采用鲁棒自适应高阶终端滑模控制、鲁棒自适应预见预测控制、模糊神经网络自适应控制、鲁棒自适应非线性动态逆控制等。

(2)气动-结构-发动机集成协调控制技术

高超声速飞行器的推进系统常采用超燃冲压发动机，对飞行姿态和动压变化极为敏感，过大迎角、速度和高度的变化将会使发动机偏离设计状态，甚至出现熄火。因此，飞行器气动-结构-发动机集成系统的一体化协调控制，是需要解决的重要问题。将飞行控制系统同气动设计、发动机控制以及弹性振动控制等一起协调，实现多学科一体化设计，例如考虑利用发动机推力矢量与气动舵面共同作用的协调复合控制技术，减小推力矢量偏角和气动舵面偏角，使总体控制能量最小、效率最高。因此，有必要设计鲁棒非线性自适应控制方法，保证飞行器在姿态稳定条件下协调控制飞行姿态与飞行器轨迹之间的运动耦合，协调控制高超声速飞行器与超燃冲压发动机之间的飞/推耦合。

(3)多控制面组合自适应优化控制技术

由于高超声速飞行器飞行空域和速度范围变化极大，其运动特性呈现很强的时变性、非线性、不确定性，为了获得最优的飞行轨迹，必须通过飞行姿态角与飞行器重心运动集成一体化的鲁棒自适应协调控制，有必要根据外界环境、飞行状态和机动要求，确定机翼构型变化，设计鲁棒自适应一体化协调稳定控制系统。结合高超声速飞行器集成一体化飞行控制系统具有多操纵面且能相互协调特点，设计强鲁棒稳定自适应控制算法，实现控制面作动器的组合控制优化。研究各飞行控制舵面(升降舵、方向舵、副翼、鸭翼、机翼可变后掠角控制)以及推力矢量舵面复合控制，随着飞行高度、速度变化而进行交替、补充控制，使飞行器的控制面组合控制达到能量和效率的整体最优化。

(4)放宽静稳定机动飞行主动控制技术

近空间区域空气稀薄，飞行器气动舵面的舵效下降很快，操纵性能严重恶化，舵面大偏转还会带来气动热不良影响。同时，典型高超声速飞行器长周期模态为欠阻尼或不稳定，短周期模态不稳定，静态稳定边界随着马赫数增加而降低，尤其是在高超声速飞行和伴随着机体气动结构变化时，焦点容易产生大幅度后移，稳定裕度大大增加，机动能力相对减弱。因此，有必要引入主动控制技术，解决机动性和稳定性之间的矛盾，提高飞行器的稳定裕度和操纵性能。放宽静稳定后的飞行器能够提高飞行效率，明显改善近空间飞行器升力特性和机动性能。直接力控制技术通过增加附加操纵面，在保持飞行器姿态不变前提下使飞行器受力发生变化，直接改变飞行轨迹，提高飞行器的机动性能。

(5)多模态转换鲁棒自适应切换控制技术

飞行器从起飞、爬升、巡航到再入返回需要经过大气平流层、中间层以及热层。整个飞行过程中，飞行马赫数、飞行高度、大气密度、环境温度、动压等因素都会发生剧烈变化，因此每个飞行模态下飞行器自身构型、气动特性以及外界环境都有很大差异，单一控制器难以满足高性能要求。因此，有必要研究多模型鲁棒稳定自适应切换控制技术，使近空间高超声速飞行器实现质心运动和姿态角运动的协调稳定控制。针对模态切换前后控制律结构不变的多模型控制律的自适应切换技术，以及模态切换前后控制律结构改变的多模型自适应切换控制技术，结合神经网络、模糊逻辑、滑模非线性控制等先进算法，以保证不同模态切换过程的平滑、快速与稳定，抑制和补偿切换过程中的各种干扰和不确定性因素，提高多模态转换过程的鲁棒自适应能力。

[1] Voland R T, Huebner L D, Mcclinton C R. X-43A Hypersonic vehicle technology development [J]. Acta Astronautica, 2006, 59(1-5): 181-191.

[2] Hank J, Murphy J, Mutzman R. The X-51A Scramjet engine flight demonstration program [C]. 15thAIAA International Space Planes and Hypersonic Systems and Technologies Conference. Dayton Ohio, April 28-May 1, 2008.

[3] Friedmann P, Mcnamara J. Aeroelastic and aerothermoelastic analysis of hypersonic vehicles:current status and future trends [C]. 48th AIAA/ASME/ ASCE/AHS/ASC Structures, Structural Dynamics, and Materials Conference, Honolulu, Hawaii, April 23-26, 2007.

[4] 杨超, 许赟, 谢长川. 高超声速飞行器气动弹性力学研究综述[J]. 航空学报, 2010, 31(1): 1-11. [Yang Chao, Xu Yi, Xie Chang-chuan. Review of studies on aeroelasticity of hypersonic vehicles [J]. Acta Aeronautica et Astronautica Sinica, 2010, 31(1): 1-11.]

[5] 余平, 段毅, 尘军. 高超声速飞行的若干气动问题[J]. 航空学报, 2015, 36(1):7-23. [Yu Ping, Duan Yi, Chen Jun. Pneumatic problems in hypersonic flight [J]. Acta Aeronautics et Astronautics Sinica, 2015, 36 (1): 7-23.]

[6] Doman D B, Oppenheimer M W, Bolender M A. Progress in guidance and control research for space access and hypersonic vehicles [C]. IEEE Conference on Decision & Control, San Diego, CA, USA, 13-15 Dec., 2006.

[7] 吴宏鑫, 孟斌. 高超声速飞行器控制研究综述[J]. 力学进展，2009, 39(6): 756-765. [Wu Hong-xin, Meng Bin. Review on the control of hypersonic flight vehicles [J]. Advances in Mechanics, 2009, 39 (6): 756-765.]

[8] Duan H B, Li P. Progress in control approaches for hypersonic vehicle [J]. Science China, Technological Sciences, 2012, 55(10): 2965-2970.

[9] 孙长银, 穆朝絮, 余瑶. 近空间高超声速飞行器控制的几个科学问题研究[J]. 自动化学报, 2013, 39(11): 1901-1913. [Sun Chang-yin, Mu Zhao-xu, Yu Yao. Study on several scientific problems of near-space hypersonic vehicle control [J]. Acta Automatica Sinica, 2013, 39 (11): 1901-1913.]

[10] 方洋旺, 柴栋, 毛东辉, 等. 吸气式高超声速飞行器制导与控制研究现状及发展趋势[J]. 航空学报, 2014, 35(7): 1776-1786. [Fang Yang-wang, Chai Dong, Mao Dong-hui, et al. Current status and development trend of guidance and control of Air-breathing hypersonic vehicle [J]. Acta Aeronautics et Astronautics Sinica, 2014, 35 (7): 1776-1786.]

[11] 张超凡, 宗群, 董琦, 等. 高超声速飞行器模型及控制若干问题综述[J]．信息与控制, 2017, 46 (1): 90-102. [Zhang Chao-fan, Zong Qun, Dong Qi. A survey of models and control problems of hypersonic vehicles [J]. Information and Control, 2017, 46 (1): 90-102.]

[12] Pinckney S Z, Mcminn J D, Cruz C I, et al. Hypersonic vehicle simulation model: winged-cone configuration [M]. National Aeronautics and Space Administration, Langley Research Center, 1990.

[13] Schmidt d. Dynamics and control of hypersonic aeropropulsive/aeroelastic vehicles[C]. AIAA Guidance, Navigation and Control Conference, Hilton Head Island, SC, USA, 1992.

[14] Chavez F R, Schmidt D K. Analytical aeropropulsive-aeroelastic hypersonic-vehicle model with dynamic analysis [J]. Journal of Guidance Control & Dynamics, 1994, 17(6): 1308-1319.

[15] Bolender M, Doman D. A non-linear model for the longitudinal dynamics of a hypersonic air-breathing vehicle [C]. AIAA Guidance, Navigation, and Control Conference and Exhibit, Guidance, Navigation, and Control and Co-located Conferences, San Francisco, California, 15-18 August, 2005.

[16] Bolender M A, Doman D B. Nonlinear longitudinal dynamical model of an air-breathing hypersonic vehicle [J]. Journal of Spacecraft & Rockets, 2007, 44(2): 374-387.

[17] Williams T, Bolender M, Doman D, et al. An aerothermal flexible mode analysis of a hypersonic vehicle [C]. AIAA Atmospheric Flight Mechanics Conference and Exhibit. USA, July, 2006.

[18] Mirmirani M D,Wu C,Clark A D,et al. Modeling for control of a generic airbreathing hypersonic vehicle [C]. AIAA Guidance, Navigation, and Control Conference, San Francisco, CA, 15-18 Aug., 2005.

[19] Clark A D, Mirmirani M D, Wu C, et al. An aero-propulsion integrated elastic model of a generic airbreathing hypersonic vehicle [C]. Proc. of the AIAA Guidance, Navigation, and Control Conference, Keystone, CO, USA, 21-24 Aug., 2006.

[20] Levin J, Ioannou P, Mirmirani M. Adaptive mode suppression scheme for an aeroelastic airbreathing hypersonic cruise vehicle [C]. AIAA Guidance, Navigation and Control Conference and Exhibit. Honolulu, Hawaii, August 18-21, 2008.

[21] Parker J T, Serrani A, Yurkovich S, Bolender M A, And Doman D B. Control-oriented modeling of an air-breathing hypersonic vehicle [J]. Journal of Guidance, Control, and Dynamics, 2007, 30(3): 856-869.

[22] 鲍文, 姚照辉. 综合离心力/气动力的升力体高超声速飞行器纵向运动建模研究[J]. 宇航学报, 2009, 30(1): 128-133. [Bao Wen, Yao Zhao-hui. Study on longitudinal motion modeling of a high-supersonic vehicle with integrated centrifugal force/aerodynamic force [J]. Journal of Astronautics, 2009, 30(1): 128-133.]

[23] 华如豪, 叶正寅. 吸气式高超声速飞行器多学科动力学建模[J]. 航空学报, 2015, 36(1):346-356. [Hua Ru-hao, Ye Zheng-yi. Study on multidisciplinary dynamics modeling of inspiratory hypersonic vehicle [J]. Acta Aeronautics et Astronautics Sinica, 2015, 36 (1): 346-356.]

[24] Jiao X, Fidan B, Jiang J, et al. Adaptive mode switching of hypersonic morphing aircraft based on type-2 TSK fuzzy sliding mode control [J]. Science China Information Sciences, 2015, 58(7): 1-15.

[25] 甄子洋, 江驹, 吴雨珊, 等. 可变翼高超声速飞行器智能非线性控制系统：中国，105843080A[P]. 2016-06-01. [Zhen Zi-yang, Jiang Ju, Wu Yu-shan, et al. Intelligent nonlinear control system for hypersonic morphing aircraft, China, 105843080A [P]. 2016-06-01.]

[26] Sudalagunta P R, Sultan C, Kapania R K, et al. Aeroelastic control-oriented modeling of an air-breathing hypersonic vehicle [C]. 15th Dynamics Specialists Conference, San Diego, California, USA, 4-8 January, 2016.

[27] Dou L Q, Su P H, Ding Z T. Modeling and nonlinear control for air-breathing hypersonic vehicle with variable geometry inlet [J]. Aerospace Science and Technology, 2017, 67: 422-432.

[28] Ye L, Zong Q, Crassidis J L, et al. Output redefinition-based dynamic inversion control for a nonminimum phase hypersonic vehicle [J]. IEEE Transactions on Industrial Electronics, 2017, PP(99) : 1-1.

[29] 杜昊昱, 凡永华, 闫杰. 高超声速飞行器机动飞行受限控制方法研究[J]. 西北工业大学学报, 2016，34 (6): 945-950. [Du Hao-yu, Fan Yong-hua, Yan Jie. A novel method for hypersonic flight vehicle’s maneuver flight constrained control [J]. Journal of Northwestern Polytechnic University, 2016, 34(6):945-950.]

[30] Tao G. Adaptive control design and analysis. John Wiley & Sons, 2003

[31] Tao G. Multivariable adaptive control: a survey [J]. Automatica, 2014, 50: 2737-2764.

[32] 杨政, 甄子洋, 蒋烁莹. 近空间可变翼飞行器自适应小翼切换控制系统及工作方法：中国， 201710285460.7[P], 2017-04-27.[Yang Zhen, Zhen Zi-yang, Jiang Shuo-ying. Adaptive winglet switching control system and its operating method of near space morphing vehicle. China, 201710285460.7 [P], 2017-04-27.]

[33] Mooij E. Numerical investigation of model reference adaptive control for hypersonic aircraft [J]. Journal of Guidance Control & Dynamics, 2001, 24(2): 315-323.

[34] Kaufman H, Bar-Kana I, Massey J L, et al. Direct adaptive control algorithms: theory and applications [M]. Springer, 1998.

[35] Fiorentini L, Serrani A, Bolender M, et al. Nonlinear robust/adaptive controller design for an air-breathing hypersonic vehicle model [J]. AIAA Journal, 2013.

[36] Liu Z, Tan X, Yuan R, et al. Adaptive trajectory tracking control system design for hypersonic vehicles with parametric uncertainty [J]. Proceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering, 2015, 229(1): 119-134.

[37] Astolfi A, Ortega R. Immersion and invariance: a new tool for stabilization and adaptive control of nonlinear systems[J]. IEEE Transactions on Automatic Control, 2003, 48(4): 590-606.

[38] Kobayashi Y, Takahashi M. Design of nonlinear adaptive flight control system based on immersion and invariance[C]. AIAA Guidance, Navigation, and Control Conference, Chicago, Illinois, 10-13 August, 2009.

[39] Farrell J, Sharma M, Polycarpou M. Backstepping-based flight control with adaptive function approximation[J]. Journal of Guidance Control & Dynamics, 2005, 28(6): 1089-1102.

[40] 顾臣风, 江驹, 甄子洋, 等. 近空间飞行器多模态切换控制研究[J]. 飞行力学, 2015, 33(3): 222-225. [Gu Chen-feng, Jiang Ju, Zhen Zi-yang, et al. Study on multi-mode switching control of near-space vehicle [J]. Flight Dynamics, 2015, 33 (3): 222-225.]

[41] 吴雨珊, 江驹, 甄子洋, 等. 基于回馈递推的可变翼高超声速飞行器智能非线性控制[J]. 哈尔滨工程大学学报, 2016, 37(7): 963-968. [Wu Yu-shan, Jiang Ju, Zhen Zi-yang, et al. Intelligent non-linear control of variable wing supersonic aircraft based on feedback recursion [J]. Journal of Harbin Engineering University, 2016, 37 (7): 963-968.]

[42] Butt W A, Yan L, Kendrick A S. Adaptive dynamic surface control of a hypersonic flight vehicle with magnitude, rate and bandwidth constraints [J]. IFAC Proceedings Volumes, 2011, 44(1): 5341-5346.

[43] Butt W A, Yan L, Kendrick A S. Adaptive integral dynamic surface control of a hypersonic flight vehicle [J]. International Journal of Systems Science, 2015, 46(10): 1717-1728.

[44] Xu B, Huang X, Wang D, et al. Dynamic Surface Control of Constrained Hypersonic Flight Models with Parameter Estimation and Actuator Compensation [J]. Asian Journal of Control, 2014, 16(1): 162-174.

[45] Hu Q L, Meng Y. Adaptive backstepping control for air-breathing hypersonic vehicle with actuator dynamics [J]. Aerospace Science & Technology, 2017, 67: 412-421

[46] Butt W A, Yan L, Kendrick A S. Adaptive dynamic surface control of a hypersonic flight vehicle with improved tracking [J]. Asian Journal of Control, 2013, 15(2):594-605.

[47] Zong Q, Wang F, Tian B, et al. Robust adaptive dynamic surface control design for a flexible air-breathing hypersonic vehicle with input constraints and uncertainty [J]. Nonlinear Dynamics, 2014, 78(1): 289-315.

[48] 焦鑫, 江驹. 非线性系统自适应鲁棒控制器设计[J]. 哈尔滨工程大学学报, 2016, 37(3):402-407. [Jiao Xin, Jiang Ju .Design of adaptive robust controller for nonlinear systems [J]. Journal of Harbin Engineering University, 2016, 37 (3): 402-407.]

[49] 焦鑫, 江驹, 孟宏鹏. 基于灰色预测滑模控制的鲁棒飞行控制器设计[J]. 飞行力学, 2015, 33(6):542-546. [Jiao Xin, Jiang Ju, Meng Hong-peng. Design of robust flight controller based on gray prediction sliding mode control [J]. Flight Dynamics, 2015, 33 (6): 542-546.]

[50] 顾臣风, 江驹, 吴雨珊. 近空间飞行器爬升段跟踪控制[J]. 哈尔滨工程大学学报, 2016, 37(11):1526-1531. [Gu Chen-feng, Jiang Ju, Wu Yu-shan. Study on tracking control of climbing section of near space [J]. Journal of Harbin Engineering University, 2016, 37 (11): 1526-1531.]

[51] 余朝军, 江驹, 肖东, 郑亚龙, 等. 一种高超声速飞行器鲁棒自适应控制方法[J]. 宇航学报, 2017, 38(10): 1088-1096. [Yu Chao-jun, Jiang Ju, Xiao Dong, et al. A novel robust adaptive control scheme for hypersonic vehicles [J]. Journal of Astronautics, 2017, 38(10): 1088-1096]

[52] Xu H J, Mirmirani M D, Ioannou P A. Adaptive sliding mode control design for a hypersonic flight vehicle [J]. Journal of Guidance Control & Dynamics, 2004, 27(5): 829-838.

[53] Hu X, Wu L, Hu C, et al. Adaptive sliding mode tracking control for a flexible air-breathing hypersonic vehicle [J]. Journal of the Franklin Institute, 2012, 349(2): 559-577.

[54] Zong Q, Wang J, Tao Y. Adaptive high-order dynamic sliding mode control for a flexible air-breathing hypersonic vehicle [J]. International Journal of Robust and Nonlinear Control, 2013, 23(15): 1718-1736.

[55] Zhou S, Lam J, Zheng W X. Control design for fuzzy systems based on relaxed nonquadratic stability and H∞, performance conditions [J]. IEEE Transactions on Fuzzy Systems, 2007, 15(2): 188-199.

[56] Hu X, Wu L, Hu C, et al. Adaptive fuzzy integral sliding mode control for flexible air-breathing hypersonic vehicles subject to input nonlinearity [J]. Journal of Aerospace Engineering, 2013, 26(4):721-734.

[57] Takagi T, Sugeno M. Fuzzy identification of systems and its applications to modeling and control [J]. IEEE Transactions on Systems, Man, and Cybernetics, 1985: 15(1): 116-132.

[58] Gao D X, Sun Z Q. Fuzzy tracking control design for hypersonic vehicles via T-S model [J]. Science China Information Sciences, 2011, 54(3): 521-528.

[59] Biglarbegian M, Melek W W, Mendel J M. On the stability of interval type-2 TSK fuzzy logic control systems [J]. IEEE Transactions on Systems Man & Cybernetics, 2010, 40(3): 798-818.

[60] Xu B, Sun F C, Yang C G, et al. Adaptive discrete-time controller design with neural network for hypersonic flight vehicle via back-stepping [J]. International Journal of Control, 2011: 1543-1552.

[61] Xu B, Fan Y, Zhang S. Minimal-learning-parameter technique based adaptive neural control of hypersonic flight dynamics without back-stepping [J]. Neurocomputing, 2015, 164(C): 201-209.

[62] Ataei A, Wang Q. Non-linear control of an uncertain hypersonic aircraft model using robust sum-of-squares method [J]. IET Control Theory & Applications, 2012, 6(2): 203-215.

[63] Xu B, Shi Z, Yang C, et al. Neural control of hypersonic flight vehicle model via time-scale decomposition with throttle setting constraint [J]. Nonlinear Dynamics, 2013, 73(3): 1849-1861.

[64] Gao Z, Jiang B, Qi R, et al. Robust reliable control for a near space vehicle with parametric uncertainties and actuator faults [J]. International Journal of Systems Science, 2011, 42(12): 2113-2124.

[65] Chen F Y, Wang Z, Tao G, et al. Robust adaptive fault-tolerant control for hypersonic flight vehicles with multiple faults [J]. Journal of Aerospace Engineering, 2015, 28(4): 1-10.

[66] Ji Y, Zong Q, Zhou H. Command filtered back-stepping control of a flexible air-breathing hypersonic flight vehicle [J]. Proceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering, 2013, 228(9): 1617-1626.

[67] Sun J G, Song S M, Wu G Qu. Fault-tolerant track control of hypersonic vehicle based on fast terminal sliding mode [J]. Journal of Spacecraft and Rockets, 2017(3): 1-13.

[68] Hao A, Fidan B, Liu J X, et al. Adaptive fault-tolerant control of air-breathing hypersonic vehicles robust to input nonlinearities [J]. International Journal of Control, 2017.

[69] Thompson M O, Armstrong N A. At the edge of space: the X-15 flight program [M]. Smithsonian Institution Press, Astronomy, 1992.

[70] Bahm C, Baumann E, Martin J, et al. The X-43A Hyper-X Mach 7 Flight 2 guidance, navigation, and control overview and flight test results [C]. AIAA/CIRA 13th International Space Planes and Hypersonics Systems and Technologies Conference, Capua, Italy, May 16-20, 2005.

[71] Davidson J, Lallman F, Mcminn J, et al. Flight control laws for NASA′s Hyper-X Research Vehicle [C]. AIAA Guidance, Navigation, and Control Conference and Exhibit, Portland, OR, USA, August 9-11, 1999.

[72] Fidan B, Mirmirani M, Ioannou P. Flight dynamics and control of air-breathing hypersonic vehicles: review and new directions [C]. AIAA International Space Planes and Hypersonic Systems and Technologies. Norfolk, Virginia, December 15-19, 2003.

[73] Du Y L, Wu Q X, Jiang C S, et al. Adaptive recurrent-functional-link-network control for hypersonic vehicles with atmospheric disturbances [J]. Science China Information Sciences, 2010, 53(12): 482-497.

[74] Hu X X, Can H J, Karimi H R, et al. Fuzzy reliable tracking control for flexible air-breathing hypersonic vehicles [J]. International Journal of Fuzzy Systems, 2011, 13 (4): 323-334.

[75] Xu B, Yang C G, Pan Y P. Global neural dynamic surface tracking control of strict-feedback systems with application to hypersonic flight vehicle [J]. IEEE Transactions on Neural Networks and Learning Systems, 2015, 26(10): 2563-2575.

[76] Liang B B, Zhen Z Y. Jiang J. Modified shuffled frog leaping algorithm optimized control for air-breathing hypersonic flight vehicle [J]. International Journal of Advanced Robotic Systems, 2016: 1-7.

[77] Wu H N, Liu Z Y, Guo L. Robust L-infinity-gain fuzzy disturbance observer-based control design with adaptive bounding for a hypersonic vehicle [J]. IEEE Transactions on Fuzzy Systems, 2014, 22(6): 1401- 1412.

[78] Wilcox Z D, Mackunis W, Bhat S, et al. Robust nonlinear control of a hypersonic aircraft in the presence of aerothermoelastic effects [J]. Journal of Guidance, Control, and Dynamics, 2010, 33(4): 1213-1224.

[79] Pu Z Q, Yuan R Y, Tan X M, et al. Active robust control of uncertainty and flexibility suppression for air-breathing hypersonic vehicles [J]. Aerospace Science and Technology, 2015, 42: 429-441.

[80] 杜立夫, 黄万伟, 刘晓东, 等. 考虑特征模型的高超声速飞行器全通道自适应控制[J]. 宇航学报, 2016, 37(6): 711-719. [Du Li-fu, Huang Wan-wei, Liu Xiao-dong, et al. Whole-channel adaptive control for hypersonic vehicle considering characteristic model [J]. Journal of Astronautics, 2016, 37(6): 711-719.