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。     

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。     

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。     

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。     

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。     

一种非线性自适应切换控制混合方法及其在倾转旋翼机上的应用

为避免子控制器切换时控制量的跳变,提出了一种非线性自适应切换控制混合方法。针对输入输出反馈线性化子控制器在使用中存在的逆误差及模型不确定性,采用多层神经网络进行在线补偿,为实现此类非线性自适应子控制器的平滑切换,实际控制律采用各子控制律的凸组合,各组合系数值由切换参数确定。通过合适的设计参数选取与神经网络权值更新律设置,寻找到了闭环切换系统的公共Lyapunov函数,保证了此类系统在切换控制混合下的稳定性。在倾转旋翼机轨迹跟踪控制的应用中,设计了直升机模式、过渡模式与飞机模式的非线性子控制器,应用神经网络在线补偿与随短舱角的控制混合,仿真结果表明该方法具有对系统不确定性的鲁棒性及平滑切换的特性。     

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。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

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。     

空间绳系机器人捕获目标后的面内自适应回收方法

在空间绳系机器人(TSR)捕获目标星后,操作机构与目标星形成质量、惯量和系绳连接点位置等参数未知的组合体,且系绳长度、偏角与组合体姿态严重耦合,控制输入严格受限,回收控制十分困难。针对其回收难题,综合考虑系绳长度、系绳偏角与组合体姿态,利用拉格朗日法建立了轨道面内的动力学模型,并基于动态逆理论设计了一种自适应抗饱和回收控制方法。首先,在对组合体质量、惯量与系绳连接点进行在线估计的基础上,设计一种自适应动态逆回收控制器;然后,设计辅助变量对控制输入进行补偿,解决控制输入受限问题;最后进行仿真验证。仿真结果表明,在线估计器能够快速有效地估计组合体动力学参数,回收控制系统能够利用受限的控制输入克服抓捕时刻的系绳偏角和组合体姿态扰动,并沿设计的回收轨迹实现稳定有效回收。