驾驶员神经网络模型与频域拟线性模型的比较研究

 针对在双通道人—机控制系统中,由于驾驶员在各通道间的注意力分配,造成操纵行为具有明显的非线性这一特性,提出了用神经网络模型进行驾驶员行为描述的新方法。通过在飞行模拟器上进行双通道控制的人—机闭环仿真实验,分别对驾驶员的神经网络模型和频域拟线性模型进行识别,并对两种模型的识别结果进行了精度分析和仿真验证。结果表明神经网络模型在更宽的频带范围内具有良好的精度,而频域拟线性模型只在低频范围内精度好,其频带范围相对较窄。这说明神经网络模型在描述驾驶员非线性行为特征方面优于传统的频域拟线性模型。     

飞机地形跟踪／回避突防飞行解耦控制的人机半物理仿真研究

本文利用人机半物理仿真法,研究了大气紊流对飞机突防飞行的解耦控制特性、驾驶员的操纵性及乘坐品质的影响,检验了非线性解耦控制系统对驾驶员实时操纵指令的跟踪特性。结果表明：解耦控制律能够在大气紊流扰动下解除飞机纵横向运动的非线性交叉耦合,＿有良好的解耦操纵性能和乘坐品质,减轻了驾驶员的操纵负担,从而提高了低空突防飞行的安全性,也验证了理论研究的结果。     

飞机含人操纵系统中驾驶员控制模型研究

概述了飞机含人操纵系统中驾驶员控制模型的发展、及驾驶员传递函数模型及最优控制模型的应用研究。基于最优控制模型的分析方法,考虑人的预测性、自适应性,并应用智能控制神经网络、模糊控制和预测控制方法提出了新型的驾驶员决策控制模型,进行人机闭环系统性能分析,用以提高人机控制的精确性和驾驶员的操纵品质评价。     

飞机含人操作系统中驾驶员控制模型研究

概述了飞机含人操纵系统中驾驶员控制模型的发展,及驾驶员传递函数模型及最优控制模型的应用研究,基于最优控制模型的分析方法,考虑人的预测性,自适应性,并应用智能控制神经网络、模糊控制和预测控制方法提出了新型的驾驶员决策控制模型。进行人机闭环系统性能分析,用以提高人机控制的精确性和驾驶员的操纵品质评价。     

纵向“人-机"组合系统的诱发振荡研究

本文介绍实用的驾驶员数学模型,分别研究了人-机械操纵系统（含杆系动态特性、非线性因素）-飞机以及人-控制增稳操纵系统-飞机组合系统的驾驶员诱发振荡问题,驾驶员模型中参数变化茄机械操纵系统中非线性因素对驾驶员诱发振荡的影响。得出的结论对研究人-电传操纵系统-飞机组合系统的驾驶员诱发振荡问题也是有益的。     

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。     

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。     

结冰对飞机动态响应特性的影响

结冰条件下运输类飞机的适航审定是确保飞行安全的重要保障.建立了飞机本体非线性动力学模型和不同状态的结冰模型,计算了结冰前后飞机对驾驶员控制输入指令的响应特性,并探讨了结冰对飞机爬升性能的影响.仿真结果表明,结冰会导致舵面操纵效率下降,从而引起动态响应特性的恶化,而且飞机出现不对称结冰时将严重偏离正常状态、危及飞行安全,...     

基于数值仿真的时域内人-机闭环系统稳定性研究

针对带电传操纵系统人-机闭环系统稳定性问题,讨论了人-机闭环系统稳定性的研究方法。在分别建立飞机本体、操纵系统和驾驶员模型的基础上,建立了综合考虑非线性因素的横航向补偿控制模型。以横向滚转操纵为例,在时域内对系统进行了动态仿真,研究了驾驶员滞后时间对人-机闭环系统稳定性的影响。仿真结果表明,该方法用于研究人-机闭环系统稳定性是可行的和有效的。     

多操纵面飞机交叉耦合控制分配方法

针对操纵面交叉耦合效应下指令分配不精准的问题,基于序列二次规划提出了一种多操纵面非线性控制分配方法.在舵效线性条件下,引入虚拟控制指令建立了线性控制分配模型;考虑操纵面舵效交叉耦合非线性特征,以最小操纵面偏量为优化目标设计了交叉耦合控制分配器;采用修正BFGS算法改进序列二次规划,有效地求解了交叉耦合控制分配指令.仿真结果表明,所提出的方法能够合理利用所有操纵面并实现精确分配.     

基于ANN的FGH96合金热变形行为的模拟电路模型

在锻造领域,多采用数字模型进行工艺设计和过程控制,但数字模型无法完成材料成形过程的实时控制。因此,有必要建立一种适合于实时控制的材料动态流动行为模型,以提高生产效率和锻件质量。通过热模拟试验,对细晶态FGH96合金的高温流动特性进行了研究,用BP（Back Propagation）网络建立了FGH96合金热变形行为的人工神经网络模型,根据电模拟理论,利用模拟电路的快速反应与易于控制等特点,建立了基于ANN的FGH96合金的模拟电路模型。测试结果表明,所建立的ANN模型和模拟电路模型均具有较高的预测精度,能很好地反映材料热成形过程的动态流动行为,可用于材料热成形过程的实时控制。     

基于ANN的电火花加工工艺方法决策技术的研究

提出了基于ANN和规则的电火花加工工艺方法决策知识的复合表示法,建立了基于集成BP网络的电火花加工工艺方法的决策模型,探讨了该模型的学习机制。应用实例证实了ANN应用于电火花加工工艺方法决策的适用性和有效性。     

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.     

体积成形过程的模型跟随自适应控制

为控制热锻的生产过程和锻件的产品质量 ,应用体积成形过程的有限元数值仿真离线训练人工神经网络 (ANN) ,采用电学模拟方法 ,通过简单的模拟电路构造出复杂的ANN模型 ,完成了从体积成形过程到模拟电路之间的映射。模拟电路与自适应控制系统并联 ,构成了模型跟踪的自适应控制系统     

基于人工神经网络模型的超临界RP-3热物性计算

为准确得到超临界压力下RP-3的热物性，基于人工神经网络（ANN）方法建立超临界RP-3的密度、黏度、比定压热容和导热系数的计算模型。以广义对应态法则计算得到的RP-3热物性结果训练神经网络，并耦合了实验误差模型得到修正后的ANN模型。计算温度变化范围为300～800 K，压力变化范围为3～6 MPa。结果表明：ANN模型能准确地预测超临界RP-3的热物性，且计算精度比广义对应态法则计算得到的结果提高了16.3%。在压力为5 MPa的工况下，ANN模型预测的密度、黏度、比定压热容和导热系数的回归系数均大于0.99，与实验结果平均相对误差分别为1.5%、4.1%、0.9%和0.7%。     

ANN技术在复合材料胶接修理分析中的应用

基于改进的BP人工神经网络(ANN)建立了复合材料胶接修理分析模型,结合采用复合材料胶接修理的正交试验及有限元分析的结果为训练和检测神经网络提供样本,有效地利用了神经网络、试验设计技术与有限元分析的优点。胶接修理实例分析结果表明,所建神经网络模型对胶接参数与修理效果之间关系的预测与试验结果一致,说明将人工神经网络应用于复合材料胶接修理参数分析是一种行之有效的方法。     

Start-up current adaptive control for sensorless high-speed brushless DC motors based on inverse system method and internal mode controller

The start-up current control of the high-speed brushless DC (HS-BLDC) motor is a chal-lenging research topic. To effectively control the start-up current of the sensorless HS-BLDC motor, an adaptive control method is proposed based on the adaptive neural network (ANN) inverse system and the two degrees of freedom (2-DOF) internal model controller (IMC). The HS-BLDC motor is identified by the online least squares support vector machine (OLS-SVM) algo-rithm to regulate the ANN inverse controller parameters in real time. A pseudo linear system is developed by introducing the constructed real-time inverse system into the original HS-BLDC motor system. Based on the characteristics of the pseudo linear system, an extra closed-loop feed-back control strategy based on the 2-DOF IMC is proposed to improve the transient response per-formance and enhance the stability of the control system. The simulation and experimental results show that the proposed control method is effective and perfect start-up current tracking perfor-mance is achieved.