技術特征：

1.基于未知目標軌跡的非線性系統(tǒng)魯棒自適應跟蹤控制方法，其特征在于：包括以下步驟：

步驟一、建立含有執(zhí)行器故障的多輸入多輸出非線性系統(tǒng)的數學模型；

所述含執(zhí)行器故障的多輸入多輸出非線性系統(tǒng)具有如下狀態(tài)空間形式：

$y^{\left(n\right)}=F\left(x\right)+G\left(\stackrel{\‾}{x}\right)u_a+d(x,t),$

式中x＝[x₁^T，…，x_q^T]^T∈Rⁿ是系統(tǒng)的整個狀態(tài)向量，其中i＝1，2，…，q,并且n₁+n₂+…+n_q＝n；是系統(tǒng)的輸出；F(x)∈R^q是未知的函數向量；是連續(xù)可微的未知函數，其中d(x，t)∈R^q為系統(tǒng)的不確定性非線性，u_a∈R^q為控制輸入向量；

考慮執(zhí)行器故障，實際控制輸入u_a與理想控制輸入u的關系為：

u_a＝ρ(t)u+ε(t)，

式中ρ＝diag{ρ_i}∈R^q×q是對角矩陣，ρ_i為執(zhí)行器效率因子，并滿足0＜h_i≤ρ_i≤1，h_i為ρ_i的最小值；ε(t)代表控制行為中完全失控的部分并假設為有界；

步驟二、建立估計未知目標理想軌跡的模型，并利用此模型得出估計的目標軌跡逼近理想的目標軌跡；

對于未知的目標軌跡，采用基于拓展卡爾曼濾波的數學模型去估計，并使其逼近理想的目標軌跡；

y_d(t)＝y(tǒng)_EKF(t)+y^*_guess(t)

${y_d}^{\left(i\right)}\left(t\right)={y^j}_{EKF}\left(t\right)+{y^{*\left(j\right)}}_{guess}\left(t\right)$

式中，y_d(t)∈R^q為未知目標理想軌跡的估計值；y_EKF(t)∈R^q為用拓展卡爾曼濾波技術預測的理想目標軌跡；y^*_guess(t)∈R^q為基于某種已知條件得出的理想軌跡的粗略估計值，如果沒有可用的已知條件，此值可以為0；y_d^(j)(t)是理想軌跡的j階導數的估計值，y^j_EKF(t)和分別為用拓展卡爾曼濾波技術及已知條件預測的對應理想j階導數軌跡；通過拓展卡爾曼濾波得出的最優(yōu)估計值對應于模型中的y_EKF(t)以及y^j_EKF(t)；

步驟三、設計魯棒自適應容錯控制器；

1)利用估計的未知目標軌跡與系統(tǒng)輸出得到跟蹤誤差E_m，通過滑模濾波器后得到新的狀態(tài)變量s_m；

2)控制增益G和執(zhí)行器效率因子ρ作為整體視作虛擬控制增益，對虛擬控制增益進行矩陣分解，得到已知的矩陣D(x)、U(x)和未知的矩陣S(x)；其中矩陣S(x)作為不確定項通過核心函數產生器，同時系統(tǒng)不確定模型和外部干擾不確定項也通過核心函數發(fā)生器處理，得到未知的虛擬參數a和可計算的核心函數

3)核心函數的平方通過任意正比例c₁放大后與之前得到的狀態(tài)變量s_m的乘積組成未知的虛擬參數的一部分，再減去估計的虛擬參數的c₂倍，c₂為任意正常數，得到虛擬參數的導數值，最后進行積分運算得到未知的虛擬參數a的估計值

4)利用得到的狀態(tài)變量s_m與核心函數的積再乘以未知的虛擬參數a的估計值的-c₁倍，得到最后的控制器u；

5)控制器u將計算出的控制指令發(fā)送給非線性系統(tǒng)的執(zhí)行器，實現系統(tǒng)輸出跟蹤理想的目標軌跡。