基于无味卡尔曼滤波的飞机防滑刹车模糊神经网络控制

根据对飞机刹车过程动力学分析与建模,本文提出了一种基于无味卡尔曼滤波(UKF)的模糊神经网络控制律。本控制律结合了无味卡尔曼滤波对机体速度的良好估计效果和模糊神经网络控制器对不同系统参数的适应能力,能够很好完成对最佳滑移率的追踪任务。Matlab仿真试验结果显示,基于无味卡尔曼滤波的模糊神经网络控制器可以准确的估计飞机滑跑时的速度,改善飞机防滑刹车系统性能,提高刹车效率。     

基于变摩擦系数的飞机刹车系统仿真研究

飞机刹车盘摩擦系数受到多种因素的影响和制约。为了研究刹车盘摩擦系数的变化对飞机刹车系统的影响,以C/C复合材料刹车盘为例,分析了影响飞机刹车过程中刹车盘摩擦系数的因素,利用BP神经网络建立摩擦系数动态模型,并将其整合到利用AMESim软件建立的飞机刹车系统模型中,进行了动态仿真分析。相对于传统的刹车系统建模仿真,考虑摩擦系数变化能更加真实地反映飞机刹车过程中各种参数的动态变化过程,能更好地模拟飞机刹车滑跑过程。     

飞机防滑刹车系统的最佳滑移率式控制方法研究

在分析滑移率控制式飞机防滑刹车系统的工作原理基础上,提出了一种基于最佳滑移率式的飞机防滑刹车系统的模糊控制方法。以某型飞机为例,将该方法在MATLAB环境下进行了数字仿真。结果说明:模糊控制方法能够达到较好的刹车控制效果,并具有较强的鲁棒性;采用基于滑移率式的模糊控制算法可以大大地提高飞机防滑刹车效率,特别是在跑道积雪情况下的刹车性能提高显著。     

神经网络及模糊控制在飞机防滑刹车系统中的应用

提出了一种新的神经网络 -模糊逻辑刹车系统控制方案。利用神经网络解决刹车系统中存在的非线性识别问题,实现刹车过程的轨迹跟踪;利用模糊控制克服参数变化和环境因素造成的不利影响,同时避免不精确建模造成的误差,最后利用所设计的控制器对某型飞机进行了仿真研究。结果表明 :新的控制方案能极大的改善飞机的刹车性能。     

水陆两栖飞机高支柱起落架的刹车振动行为

以水陆两栖飞机高支柱起落架为研究对象,对飞机刹车滑跑时起落架的航向振动问题进行了研究。首先建立了可用于振动分析的起落架多体动力学模型,分别采用模态试验、落震试验和静力试验结果对起落架的固有模态、缓冲性能以及刚度进行充分校验,仿真结果与试验结果吻合很好,得到用于振动响应分析的刚柔耦合精确模型。随后加入刹车控制系统模型,研究了起落架从降落到刹车再到停飞的全过程振动响应,对比了恒力矩刹车、速度差PBM刹车控制和滑移率PID刹车控制3种条件下的刹车效果和起落架振动特性。结果表明：恒力矩刹车在力矩幅值超过23.4 kN·m时机轮进入打滑。滑移率PID控制系统较速度差PBM控制系统刹车距离减小19.17%,刹车时间缩短25.45%。但滑移率PID刹车控制系统作用下轮轴航向初始振动较大,通过调整初始滑移率上升到最佳滑移率的斜率,使得轮轴航向位移最大幅值减小31.24%。对于轮速传感器信号突变造成的系统扰动,速度差PBM刹车控制系统造成刹车失灵,滑移率PID刹车控制系统可迅速恢复,抗扰动能力强。     

模糊PID在飞机全电刹车系统中的应用

文章介绍了飞机全电刹车系统的电作动机构,分析了刹车过程中的滑移率控制原理,针对滑移率变化的非线性提出了模糊PID控制方案。在滑移率偏差较大时,使用模糊控制提高系统的响应速度,在小偏差下切换入PI控制消除静差和极限环。使用模糊PID控制器,对某型飞机刹车过程的仿真表明,系统取得了很好的刹车性能。     

基于神经网络的飞机轮胎与跑道间结合系数的研究

以实验数据为基础,利用神经网络的BP算法来拟合飞机轮胎与跑道之间的结合系数与滑移率的关系曲线,通过在MATLAB中编程来实现拟合,同时生成一个可以应用到SIMULINK中的模块,为系统建模提供了方便。实验结果表明BP网络能比较好地拟合μ-σ曲线,控制效果较好。     

飞机地面转弯和刹车响应动力学分析

 建立了飞机地面运动的数学模型,模型中考虑机体的六自由度运动和起落架弹性;基于滑移率控制方式建立了机轮防滑刹车模型。通过仿真得出了飞机地面匀速转弯和滑跑刹车的动态响应。其结果表明,飞机匀速转弯时,其峰值出现在初始非稳态时刻;弹性起落架在着陆和刹车过程中产生走步现象;采用滑移率控制方式使飞机在整个刹车过程中取得最佳刹车性能。     

机轮防滑刹车控制方法的研究

分析了机轮防滑刹车系统的工作原理和防滑工作过程,介绍了减速度控制法、有限状态机法和滑移率控制法在3种防滑刹车控制器设计中的应用,阐述了使用模糊控制算法、滑模变结构控制算法和人工神经网络算法的滑移率控制器的设计。     

飞机自动刹车系统仿真验证技术

根据飞机刹车系统设计要求和系统的特点,提出飞机自动刹车系统总体框架。以自动刹车中止起飞(RTO)为例,对控制逻辑进行设计,利用Stateflow工具建立控制逻辑模型并进行仿真,仿真结果表明控制逻辑的正确性。建立自动刹车系统半物理仿真试验台,通过给定减速率3m/s2,对自动刹车系统进行全数字仿真和半物理仿真,全数字仿真得到飞机滑跑距离为672m,半物理仿真得到滑跑距离为1016m,减速率在2.88~3.07m/s2之间变化,均满足系统设计要求,验证了系统设计的正确性和合理性。     

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

基于新型神经网络的航空发动机多变量控制

根据PID控制结构提出了一种新型神经网络控制器,对其基本结构和学习算法等进行了分析。结合某型航空涡喷发动机双变量控制需求,利用2个结构相同、相互联系的神经网络,实现了发动机双变量控制和接耦。在不同飞行条件、不同发动机工作状态下的仿真表明,控制器具有良好的控制性能     

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.     

航空发动机神经元网络控制

利用一个BP网络作为某双转子涡轮发动机的控制器,利用另一个BP网络做为非线性对象的映射器,仿真结果表明本控制结构具有较强的控制鲁棒性并有较好的应用前景。     

神经网络在直升机对地攻击中的应用研究

应用神经网络方法研究了直升机对地射击的一些技术问题。文中首先介绍了直升机对地攻击的火控系统原理;其次,对复杂又不稳定的直升机飞行运动模型设计了模糊神经网络控制器;然后,设计了综合火/飞控制系统,并对所设计的整个攻击系统进行了仿真,通过仿真证明满足系统设计要求。在神经网络设计中,采用了变尺度优化算法,提高了算法的速度和精度,直升机对地攻击的实时应用提供了重要的参数价值。