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。     

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。     

变质心再人飞行器的动态逆控制器设计

在推导三通道稳定再人飞行器动力学方程的基础上,运用动态逆控制理论设计了三通道稳定模式下变质心再人飞行器的控制系统。仿真结果表明,所设计的控制系统能够有效地调整再入飞行器的飞行姿态并满足设计指标要求。     

变质心再入飞行器的动态逆控制器设计

在推导三通道稳定再入飞行器动力学方程的基础上,运用动态逆控制理论设计了三通道稳定模式下变质心再入飞行器的控制系统.仿真结果表明,所设计的控制系统能够有效地调整再入飞行器的飞行姿态并满足设计指标要求.     

无人机控制律仿真

文中将粒子群优化算法及动态逆控制方法,应用到无人机控制律的设计与仿真验证中。设计了动态逆控制律及其仿真,引用了基于动态逆控制理论的无人机控制律。应用动态逆控制(Dynamic Inversion Control,DIC)技术,设计了姿态角速率回路与姿态角回路,作为无人机控制系统的内回路;应用PID (比例、积分、微分控制技术,设计了三轴位移回路,作为控制系统的外回路。通过PSO优化算法及样条函数,设计了符合无人机使用要求的航迹曲线。最后,对航迹点进行样条插值,得到平滑的航迹曲线。对无人机控制律响应与航迹跟踪,进行了综合仿真验证。仿真结果表明,所设计的无人机控制律,在允许精度的范围内,跟踪无人机预定航迹效果良好,满足无人机飞行控制需求。     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

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RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

根据神经网络与PID算法相结合的思想, 针对涡扇发动机双变量控制中变量之间的耦合问题, 提出基于径向基函数神经网络(RBF)辨识的发动机双变量神经网络PID解耦控制, 并给出控制系统的控制结构及原理.仿真结果表明, 该方法控制精度高、跟踪性能强、鲁棒性良好, 能够有效地减小各回路之间的耦合影响, 并保证控制系统具有良好的稳态和动态性能, 适合航空发动机控制.      

基于H_∞回路成形的无人直升机动态逆控制研究

针对微小型无人直升机动力学模型的控制需求,结合H_∞回路成形控制和动态逆控制的特点,分别将动态逆算法应用到角速率控制回路和姿态角控制回路,同时应用H_∞回路成形控制方法对姿控模型进行成形,建立3通道控制器,并与经典PID控制效果进行了仿真对比。仿真结果表明,基于H_∞回路成形的动态逆控制在控制效果及抗扰能力上优于经典PID控制律。在此基础上,采用AF25B微小型无人直升机飞行验证平台对算法进行了初步飞行验证。     

基于动态逆-PID的高超声速飞行器巡航姿态控制

以某型高超声速飞行器为研究对象,针对巡航状态下气动参数不确定的姿态控制问题,提出了一种结合非线性动态逆控制与PID控制的姿态控制方法。首先,对高超声速飞行器非线性模型进行精确反馈线性化,得到了飞行器纵向姿态仿射非线性方程;接着,为速率变化快慢不同的迎角和俯仰角速率分别设计了动态逆控制律以抵消对象的非线性特性;然后,在动态逆控制的基础上,采用工程上易于实现的PID控制补偿由于未精确建模带来的系统逆误差,实现了迎角对指令信号的有效跟踪;最后,进行了数值仿真验证。结果表明,所设计的高超声速飞行器动态逆-PID姿态控制器具有良好的跟踪性能和鲁棒性能。     

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。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

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。     

Automatic landing system using neural networks and radio-technical subsystems

The paper focuses on the design of a new automatic landing system(ALS) in longitudinal plane; the new ALS controls the aircraft trajectory and longitudinal velocity. Aircraft control is achieved by means of a proportional-integral(PI) controller and the instrumental landing system– the first phase of landing(the glide slope) and a proportional-integral-derivative(PID) controller together with a radio-altimeter – the second phase of landing(the flare); both controllers modify the reference model associated with aircraft pitch angle. The control of the pitch angle and longitudinal velocity is performed by a neural network adaptive control system, based on the dynamic inversion concept, having the following as components: a linear dynamic compensator, a linear observer, reference models, and a Pseudo control hedging(PCH) block. The theoretical results are software implemented and validated by complex numerical simulations; compared with other ALSs having the same radio-technical subsystems but with conventional or fuzzy controllers for the control of aircraft pitch angle and longitudinal velocity, the architecture designed in this paper is characterized by much smaller overshoots and stationary errors.     

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。     

航空发动机递归神经网络分路式解耦控制

针对航空发动机多变量控制中变量之间的耦合问题,提出了一种基于递归神经网络的分路式动态解耦控制方法,给出了发动机双路式解耦控制系统的结构及其解耦原理和算法。利用递归小波网络较强的动态非线性映射能力,在线完成发动机各控制通道的模型辨识,并回馈对应的灵敏度信息;神经网络PID控制器根据回馈的信息在线自适应调整参数,实现发动机各通道的准确跟踪和分路独立控制。仿真表明,该方法在保证控制系统良好的动态和稳态性能的同时,有效地减小了各回路之间的耦合影响,能够成功应用于发动机控制系统的解耦。      

神经网络动态逆方法在飞控系统设计中的应用

探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案，并将这种方法用于飞机指令增稳系统的设计。通过一种方案的仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性及其在飞控系统设计中所具有的潜在能力。