基于物理信息和长短期记忆神经网络的飞行器自适应姿态控制方法

本发明公开了一种基于物理信息和长短期记忆神经网络的飞行器自适应姿态控制方法，包括：建立飞行器姿态动力学模型，转换为欧拉‑拉格朗日形式并形成已知动力学项与未知动力学项分离的表达；构造姿态跟踪误差与辅助误差，以已知动力学项为物理基准，设计DNN‑LSTM联合估计器在线估计未知动力学项，DNN分支估计静态非线性映射，LSTM分支提取历史状态时序特征，输出融合得到未知项估计值；将估计值作为补偿信号与基于已知动力学项计算的基准控制量叠加构建控制律，基于Lyapunov稳定性理论推导网络权重在线更新律，实现飞行器姿态角跟踪控制。本发明将动力学先验结构与神经网络在线学习相结合，无需离线训练，在参数不确定和外部干扰条件下能实现高精度姿态跟踪控制。