一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法，并应用于超机动飞机控制器设计中，飞机的基本控制采用非线性动态逆方法进行设计，对于模型不准确导致的逆误差采用神经网络进行在线补偿，仿真结果表明，采用神经网络补偿误差，弥补了非线性动态逆要求精确数学模型的缺点，而且可以简化动态逆控制律的设计，改善整个控制系统的性能。     

自适应模糊-滑模控制在重构飞行控制中的应用

 论述了综合运用非线性动态逆、自适应模糊系统和滑模控制的优点进行飞行控制律设计的方法。运用非线性动态逆理论对非线性系统进行近似线性化 ,用模糊自适应系统来抵消近似非线性逆带来的误差 ,最终的残差由滑模控制项补偿。根据李亚普诺夫稳定性理论推导了自适应系统权值的调整规律 ,从而保证了闭环系统的稳定性。将此方法应用于带推力矢量飞机重构飞行控制 ,对两类故障的仿真结果表明 :即使系统未检测到故障 ,在较大的舵面损伤情况下 ,飞控系统性能仍能得到很好的保持。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

可重构零空间控制分配算法及流程规划

针对飞机正常情况和舵面故障情况下的控制分配算法展开研究。根据控制效能矩阵的特点设计了性能指标,并给出了对应的最优逆控制。对带约束的一般控制分配问题,采用零空间横截方法进行了再分配。设计了针对舵面卡死故障的重构控制律。结合某飞机仿真平台,进行了卡死故障的重构仿真,结果表明,控制分配算法能够在故障状态下完成对指令的精确跟踪。     

基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

歼击机结构故障的检测与自修复控制律重构

 针对鲁棒动态逆控制的飞机,提出一种有效的故障检测新方法及自修复控制律重构方法。设计了一种基于理想模型的非线性故障检测器,通过监测残差信号,能够可靠地对各类故障进行辨识,并利用补偿信号来抵消故障舵面产生的影响,可以满足自修复飞行控制的实时性要求。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于神经网络自适应动态逆的结冰飞机飞行安全边界保护方法

考虑到飞机带冰飞行的安全问题，对结冰飞机进行安全边界保护成为一种有效的解决手段。基于神经网络自适应动态逆跟踪性能好、鲁棒性强的优点，提出了以安全关键飞行参数限制值作为神经网络自适应动态逆的输入，获取可用舵面偏转角的边界保护方法。建立了飞机本体动力学模型，采用高精度的数值模拟方法获得结冰数据库。设计了神经网络自适应动态逆控制律，通过在动态逆环节引入单隐层神经网络，对不确定性逆误差进行自适应补偿，增强了控制系统的鲁棒性。以俯仰姿态保持模式为例设计了结冰飞行闭环安全边界保护系统。以结冰飞机最小平飞速度的估算值作为飞机最低飞行速度，设计自动油门控制系统，实现对飞行速度的保护。通过仿真验证了设计的控制律具有较强的鲁棒性。对结冰严重程度线性增加情形下飞机状态参数的动态响应进行了分析。仿真结果表明，所设计的结冰边界保护系统，能够实现飞机在容冰飞行过程中对安全关键参数如迎角、飞行速度的实时保护。     

多操纵面飞翼构型飞机舵面故障在线诊断方法

舵面故障会影响飞机的操纵性,为实现飞机的控制重构需在线诊断出舵面的故障信息.针对多操纵面飞翼构型飞机,提出了一种在线诊断其舵面故障的方法.飞翼构型飞机舵面故障在线诊断需辨识的操纵导数个数较多,直接使用最小二乘法难以精确辨识得到各操纵导数.基于限定记忆最小二乘法,采用分组辨识法对飞机的操纵导数进行辨识,减少了每次辨识操纵...     

Closed-loop dynamic control allocation for aircraft with multiple actuators

A closed-loop control allocation method is proposed for a class of aircraft with multiple actuators. Nonlinear dynamic inversion is used to design the baseline attitude controller and derive the desired moment increment. And a feedback loop for the moment increment produced by the deflections of actuators is added to the angular rate loop, then the error between the desired and actual moment increment is the input of the dynamic control allocation. Subsequently, the stability of the closed-loop dynamic control allocation system is analyzed in detail. Especially, the closedloop system stability is also analyzed in the presence of two types of actuator failures: loss of effectiveness and lock-in-place actuator failures, where a fault detection subsystem to identify the actuator failures is absent. Finally, the proposed method is applied to a canard rotor/wing (CRW) aircraft model in fixed-wing mode, which has multiple actuators for flight control. The nonlinear simulation demonstrates that this method can guarantee the stability and tracking performance whether the actuators are healthy or fail.     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

升降舵辅助操纵的自转旋翼机自适应姿态控制

针对常规自转旋翼机俯仰操纵方式存在的问题,提出了一种升降舵辅助操纵的自转旋翼机布局。采用解析叶素积分方法建立了自转旋翼气动模型,通过与风洞试验数据及数值叶素积分法的对比验证了其合理性。提出了基于神经网络动态逆的自转旋翼机姿态控制方法,采用动态逆技术设计了基本控制器,采用在线神经网络自适应补偿建模误差、外界干扰和设计模型误差导致的不确定逆误差。提出了基于动态控制分配技术的升降舵-旋翼纵向周期变距分配方法,以协调二者在控制效率和带宽方面的差异。仿真结果表明,提出的升降舵辅助操纵方式可以有效地降低旋翼机桨盘的调整频率和幅值;提出的姿态控制方法具有良好的控制性能和鲁棒性;动态控制分配器能够合理地协调升降舵和旋翼纵向周期变距。     

基于多模型的飞控系统自适应重构技术研究

针对飞控系统执行器故障引起参数大范围跳变的问题,提出了一种基于多模型的自适应重构控制方法。建立了执行器故障参数模型,根据故障的特征模型设计一系列并行的辨识模型,采用固定模型与自适应模型相结合的方式,依据转换标准选择与当前飞机状态最匹配的辨识模型所对应的控制器。通过对某型飞机侧向控制系统进行仿真,表明在执行器严重受损的情况下,飞机仍能保持良好的性能。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。