神经网络模型在TDNS准则中的应用研究

时域Neal-Smith（TDNS）准则源于频域Neal-Smith（FDNS）准则和阶跃目标跟踪准则,被广泛应用于纵向驾驶员诱发振荡（PIO）趋势的预测研究。在该准则采用的人机闭环系统中,广泛运用结构简单且能反映飞行员基本行为特征的拟线性驾驶员模型。但在实际情况中,驾驶员的行为通常具有高度的非线性,为了更精确地描述驾驶员的非线性特性,采用神经网络方法建立驾驶员模型。利用某机的试飞数据对神经网络进行了训练和测试,生成了神经网络模型。针对TDNS预测准则,建立了相应的仿真模型,通过仿真运算,得到了该飞机的P10预测结果。研究表明：相对于传统的驾驶员模型,神经网络模型能够更好与真实驾驶员相匹配;在TDNS评估准则中运用神经网络模型具有实际的意义。     

基于人工神经网络的驾驶员操纵行为模型

驾驶员操纵行为受到自身、外界环境和被控对象等多方面的影响,因此驾驶员模型具有非线性的特征。神经网络模型克服了拟线性模型不能反映驾驶员非线性操纵的问题。为了获得建立模型的数据,利用地面模拟器使飞行员对一系列指令进行精确跟踪。获得的指令、飞机状态和驾驶员输入信息等参数即可作为神经网络模型的训练样本。神经网络驾驶员模型的训练和测试结果表明,该建模方法是合理、准确的,可以应用于人机闭环系统中驾驶员操纵的研究。     

俯仰跟踪任务中的驾驶员神经网络模型辨识

 在飞机设计中,应用驾驶员数学模型预测飞机飞行品质是避免人机系统出现不良耦合的重要途径之一。为了提高飞行品质的预测精度,采用人工神经网络(NN)方法进行驾驶员模型辨识,着重研究该模型对不同飞机被控对象的适应能力。首先,详细分析了驾驶员完成俯仰跟踪任务的操纵行为特点,提出适用于该驾驶员行为描述的神经网络模型结构形式。然后,根据对不同被控对象进行俯仰跟踪实时仿真实验的结果,对神经网络模型参数进行识别。最后,对模型辨识结果进行了精度评价。研究结果表明,该辨识方法适用于研究具有不同增益、不同短周期振荡频率飞机被控对象的驾驶员操纵行为特性。     

驾驶员结构模型参数辨识

给出一种驾驶员结构模型的参数辨识方法：根据人—机实时仿真试验测量的驾驶员描述函数,按最小二乘准则辨识驾驶员模型参数。推导出驾驶员结构模型的灵敏度公式,用于参数辨识过程,使计算方便、收敛性改善。针对驾驶员完成俯仰跟踪任务的人—机仿真试验结果,进行了实例计算,表明该方法是一种确定驾驶员结构模型参数的简单实用的方法     

人—机闭环系统的驾驶员模型研究

通过对驾驶员操纵行为的分析，提出了在人－机闭环系统研究中驾驶员环节数学描述的要求，对驾驶员的传递函数模型，最优控制模型和模糊控制模型进行了分析研究，并对驾驶员模型在人－机闭环系统动态品质分析方面的应用进行了研究。     

基于AMESim模型的实时化简

针对航空发动机主燃油液压机械系统搭建的高保真模型无法进行实时仿真的问题,提出用活性能量指数配合线性频域分析的方法,分析化简已有的液压机械系统模型。通过计算模型中各个子元件的能量活性指数并结合线性频域分析,判断出其中能量活性指数低且固有频率远高于控制系统关注频带的子模型,并对其删除或修改,实现对原有模型的化简,以满足实时仿真需求。利用航空发动机实时仿真平台试验仿真结果表明,修改后的模型在保证精度的前提下,不仅缩短了仿真的时间而且满足了实时仿真的要求。     

驾驶员建模精度分析方法的改进及应用

研究了驾驶员建模精度分析方法和提高建模精度的途径。基于驾驶员在环实时仿真结果,识别驾驶员描述函数,按加权最小二乘准则采用复形调优算法识别模型参数。结合两步识别过程,针对现有模型精度公式在最终模型检验上的缺陷,进一步完善了精度评价公式。根据公式提出了基于灵敏度分析的驾驶员模型参数调整方法。应用结果表明：所建立的公式和方法对提高驾驶员模型建模精度效果明显。     

由Bo—105飞行试验数据识别非线性导数模型

本文描述了对时域识别非线性直升机模型的研究结果。近年来，人们应用频域识别技术估算直升机模型中的参数。最近，DLR的时域识别方法得到改进，允许识别完全非线性模型。为了研究将这种方法应用于直升机，建立了带有单个桨叶挥舞角显方程的非线性导数模型。与线性导数模型相比，非线性模型物理上更真实，而且不受小扰动假设的限制。虽然有许多未知因素必须确定，但一种非线性模型已被成功地识别出来。     

驾驶员模型建模精度分析方法研究

针对频域内驾驶员描述函数和辨识方法和最小二乘的驾驶员模型参数的估计方法，按照严谨公式的规范条件建立了驾驶员模型建模精度评介公式，并对驾驶员完成俯仰跟踪任务时的仿真结果和驾驶员模型辨识结果进行了精度检验计算，同时还探讨了提高建模精度的有关技术问题。     

测定驾驶员模型的模拟实验研究

根据频域内拟线性驾驶员模型的辨识方法,分别对两种被控对象,在不同输入信号作用下,测定出驾驶员完成单自由度补偿跟踪任务(操纵俯仰姿态)时的驾驶员描述函数。     

Prediction of nonlinear pilot-induced oscillation using an intelligent human pilot model

This paper proposes a method to predict nonlinear Pilot-Induced Oscillation (PIO) using an intelligent human pilot model. This method is based on a scalogram-based PIO metric, which uses wavelet transforms to analyze the nonlinear characteristics of a time-varying system. The intelligent human pilot model includes three modules: perception module, decision and adaptive module, and execution module. Intelligent and adaptive features, including a neural network receptor, fuzzy decision and adaptation, are also introduced into the human pilot model to describe the behavior of the human pilot accommodating the nonlinear events. Furthermore, an algorithm is proposed to describe the procedure of the PIO prediction method with nonlinear evaluation cases. The prediction results obtained by numerical simulation are compared with the assessments of flight test data to validate the utility of the method. The flight test data were generated in the evaluation of the Smart-Cue/Smart-Gain, which is capable of reducing the PIO tendencies considerably. The results show that the method can be applied to predict the nonlinear PIO events by human pilot model simulation.     

基于离子电流的爆震波压力非线性模型

为了实现爆震波压力的软测量,依据碳氢焰离子形成原理及爆震波高速传播的特点,在分析爆震波离子形成机理的基础上,根据爆震波离子电流与压力信号的相似性,提出基于离子电流的爆震波压力非线性模型建模思路。采用RBF网络建立爆震波非线性模型,并给出网络结构、样本选取原则和预处理方法。开展了单次脉冲爆震试验,利用试验数据建立该压力非线性模型,并通过试验数据和模型输出的对比校核模型的有效性和准确性。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

基于优化神经网络模型的系统建模仿真研究

建立一个结构优化的系统模型是设计控制系统的基础,但对于实际系统尤其是非线性系统一般没有统一表达形式,其模型结构难以构造,对其结构优化难以实施,给非线性系统建模带来很大困难.为此,基于神经网络理论,分析了非线性系统的神经网络模型并对其神经网络模型结构进行仿真研究.基于OBS (Optimal Brain Surgeon)优化策略,对初始神经网络模型结构进行优化操作,进而获得结构优化的神经网络模型并对非线性系统的建模进行仿真.仿真结果表明,优化的神经网络模型对非线性系统的建模效果是良好的,其模型的泛化能力亦得到增强.     

基于神经网络的无线通信系统RF电路设计方法

典型的无线通信系统RF电路由大量的线性和非线性元器件组成。建立这些微波电路元器件的模型在现代RF电路的设计中至关重要。采用一种神经网络来学习非线性电路的动态特性,并建立相应的模型。神经网络模型可以对原始电路的模拟特性进行整体预测,可用于高层电路的仿真和优化。以功率放大器为例验证了神经网络模型的实用性,表明神经网络模型可以极大地提高无线通信系统RF电路的建模精度和速度。     

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 ,仿真结果表明本方法能有效地检测出歼击机的各种结构故障。     

超低空空投航迹倾角自适应跟踪控制

针对超低空空投下滑阶段考虑执行器输入死区、不确定性大气扰动以及模型存在未知非线性等因素干扰轨迹精确跟踪等问题,提出了一种自适应神经网络动态面跟踪控制方法.建立了含执行器输入死区的超低空空投载机纵向非线性模型,采用神经网络逼近模型中未知非线性函数,引入非线性鲁棒补偿项消除了执行器死区建模误差和外界扰动.应用Lyapunov稳定性理论证明了闭环系统所有信号均是有界收敛的.仿真验证表明,所提方法既保证了轨迹跟踪的精确性,又具有强鲁棒性.