基于神经网络的超机动飞机自适应重构控制

 讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明,在飞机发生舵面故障时,神经网络通过自适应地补偿逆误差,可以快速在线重构控制律,保持飞机稳定和一定的操纵品质。     

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。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

基于动态逆的综合非线性飞行控制方法

在解决非线性飞行控制问题中,动态逆控制方法已成为一种流行的控制方法.文中以动态逆控制方法为基础,使用神经网络控制与动态非线性阻尼控制综合的控制方法进行补偿,以提高非线性飞控系统的鲁棒性.在以某型推力矢量飞机为对象的仿真中,这种方法显示出很强的非线性控制能力和鲁棒性.     

推力矢量控制与飞机过失速动仿真研究

非线性动态逆为非线性系统控制律的设计提供了一种重要手段，针对过失速机动飞机探讨了非线性动态逆方法飞行控制系统设计中的应用。根据非线性动态逆的特点将飞机的动态特性为为快慢不同的状态变量。对快变量应用非线性动态逆进行控制律设计是将飞机气动控制面和推力矢量控制作为输入；慢状态为量控制律的设计是利用状态变量作为输入。并采用伪逆的优化计算方法对各控制面的以限分配进行了搪塞。“Ｃｏｂｒａ”和“Ｈｅｒｂａｔ”两     

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。     

基于逆误差补偿的非线性导弹控制器设计

提出了一种基于动态逆在线误差补偿的非线性导弹动态逆控制设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和迎角的跟踪;然后,设计了具有补偿信息,并用于在线补偿动态逆误差的控制方案,并将其应用于导弹控制系统的设计中以增强其鲁棒性。通过仿真分析,验证了该方法的有效性。     

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。     

超机动飞机动态逆-PID控制器设计

对超机动飞机在大迎角机动下的控制律进行设计,并完成相关仿真验证.通过引入推力矢量技术,建立带推力矢量的飞机非线性数学模型;采用奇异摄动理论,将飞机状态划分为快慢变换不同的同路,分别应用动态逆设计飞行控制律;并采用PID控制补偿由于未精确建模带来的系统逆误差;最后对所设计的控制律进行了机动指令飞行仿真.仿真结果表明,设计的控制律能在大迎角机动条件下控制飞机跟踪指令飞行,并保证闭环系统的稳定性.     

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。     

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。     

输入受限的吸气式高超声速飞行器自适应Terminal滑模控制

 针对吸气式高超声速飞行器的纵向运动模型,研究了输入受限时控制系统的设计问题,提出了一种内外环相结合的自适应Terminal滑模控制方法.以迎角和俯仰角速度作为内环控制对象,考虑到气动弹性模态和外部干扰,采用反步设计方法,设计出升降舵的自适应Terminal滑模控制律;以飞行速度作为外环控制对象,采用动态逆设计方法,设计出输入燃料当量比的动态逆自适应控制律,同时利用多层神经网络逼近控制律的饱和特性.基于Lyapunov稳定性理论,证明了采用此控制策略可以保证闭环控制系统的所有信号都是指数收敛至系统原点的一个有界邻域内,同时飞行器的气动弹性模态都是渐近稳定的.仿真结果表明,此控制策略能有效地处理吸气式高超声速飞行器在纵向运动过程中控制输入饱和受限的约束,在完成控制目标的同时,具有良好的过渡过程品质.     

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。     

无人机飞行控制技术初探

简要回顾了无人机飞行控制系统经典设计方法,然后着重论述了无人机飞行控制技术的最新研究成果,包括非线性动态逆控制、自适应反推控制等现代控制技术及包含神经网络PID控制、神经网络自适应控制在内的智能控制技术,最后对其作了总结。     

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B-Splines网络的飞行姿态控制器设计

设计了一种自适应飞行姿态控制器,在某一飞行条件下,建立了某型飞机的滚转通道动态逆模型,针对动态逆控制需要获得飞机精确数学模型的难点,基于B-Splines函数,构建了B-Splines网络,在线逼近模型逆误差,并根据李亚普诺夫能量函数推导了B-Splines网络权值的更新算法,确保模型跟踪误差和网络权值的有界性。仿真结果表明,该控制器能够对模型逆误差快速自适应,系统对输入命令有较好的响应特性。