基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，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。结果表明，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。     

超机动飞行的非线性反推自适应控制

为解决对象参数未知时的超机动飞行控制问题,设计了一种非线性反推自适应控制器。针对超机动飞行的非线性模型,适当选取Lyapunov函数和中间虚拟控制信号,同时通过自适应控制律的设计来调节未知参数并得到了最终的控制信号。仿真结果表明,即使模型参数未知,所设计的控制律也能在过失速机动条件下控制飞机跟踪指令飞行,同时保证了闭环系统的稳定性。     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。     

基于径向基神经网络干扰观测器的空天飞行器自适应轨迹线性化控制

 研究了一种自适应轨迹线性化控制策略并应用于空天飞行器(ASV)飞行控制系统设计。通过理论分析指明当前轨迹线性化控制方法(TLC)对系统中的不确定存在鲁棒性不足的问题。为了解决这一问题,首先研究了一种径向基神经网络干扰观测器(RDO)技术,严格证明了RDO对于系统中不确定因素具有良好的逼近能力。然后利用RDO输出得到一种新的基于RDO的自适应TLC控制策略。神经网络自适应律采用Lyapunov方法设计,保证了闭环系统所有信号有界。最后采用新方案实现了ASV飞控系统,仿真结果表明整个闭环系统在鲁棒性能方面得到很大提高。     

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。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

非线性自适应控制理论在无人直升机飞行控制系统设计中的应用

最近，国内外很多研究结果表明，基于神经网络的直接自适应控制方法，在飞行器控制系统设计中有着诸多优点。其中最重要的是它减少了设计对飞机动态特性高保真建模的依赖。这种设计方法在某无人直升机上得以实际飞行验证。本文主要介绍这种非线性自适应控制系统及其外回路航迹跟踪器的设计问题。     

未知控制方向的严反馈非线性系统神经网络自适应控制

针对一类未知控制方向的单输入单输出严反馈非线性系统,提出一种神经网络自适应控制方法。首先应用Nussbaum型函数解决控制系数符号未知问题,然后应用RBF神经网络和反演设计方法对系统进行系统化设计。该控制方法放宽了现有文献中许多苛刻的条件,如匹配条件、增长条件等,避免了控制器奇异问题,同时解决了反演设计中的“计算膨胀”问题,并应用Lyapunov稳定性理论证明了闭环系统的全局稳定性。最后给出了数字仿真实例,证明了该设计方法的有效性。     

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。     

飞机敏捷性的非线性解耦飞行控制增强

带传统线性控制器飞机在大迎角高机动飞行时敏捷性明显地减小，运动状态严重耦合更加重这一趋势，而此时操纵能力往往仍有剩余而未能被利用。针对此问题，应用非线性反馈理论直接就飞机非线性运动模型设计输入输出解耦飞行控制器，数值仿真结果证实，这种设计能够纳入气动和运动学非线性因素，充分利用飞机操纵潜力，因而使前述薄弱区域的闭环敏捷性得到了有效的增强，明显地扩大了敏捷性包线。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

采用非线性系统扩展线性化方法设计飞控系统

利用非线性系统的扩展线性化方法设计具有大迎角的非线性飞行控制系统。在系统的静态平衡点族上进行线化及调节器设计并直接积分得到非线性控制律,同时利用等效系统法验证飞行品质。整个设计过程较简便,控制律便于实现,飞机的失速迎角有较大提高,飞行品质也是令人满意的。     

NONLINEAR DYNAMIC INVERSION CONTROL WITH ADAPTIVE COMPENSATION FOR FLIGHT CONTROL SYSTEM

ＮＯＮＬＩＮＥＡＲＤＹＮＡＭＩＣＩＮＶＥＲＳＩＯＮＣＯＮＴＲＯＬＷＩＴＨＡＤＡＰＴＩＶＥＣＯＭＰＥＮＳＡＴＩＯＮＦＯＲＦＬＩＧＨＴＣＯＮＴＲＯＬＳＹＳＴＥＭＸｕＪｕｎ，ＺｈａｎｇＭｉｎｇｌｉａｎ，ＬｉＹｏｕｌｉａｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏ...     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

 针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。仿真表明该方法是有效的。     

基于反馈误差学习的神经网络控制

研究了应用神经网络和ＰＤ反馈控制实现非线性系统的自适应跟踪问题。ＰＤ反馈控制器不但保证闭环系统的稳定性,同时其输出又作为训练神网络的参考信号。证明了通过选择适当的初始加权和加权的调节速率可以实现非线性系统的固定点跟踪。     

非线性大系统直接自适应分散控制的神经网络逆系统方法

针对一类带有不确知关联的非线性大系统,提出了一种新型分散控制方案:以隔离子系统取代原子系统并求其逆系统,从而产生原子系统控制量的一部分;控制量的另一部分由用于补偿误差的在线神经网络形成。此方案的收敛性得到了论证,并在双倒立摆所形成的大系统中得到成功应用。     

飞行控制系统的非线性鲁棒控制

对非线性飞行控制系统的非线性鲁棒动态逆设计方法作了研究,给出了一种具有鲁棒稳定的非线性动态逆控制方案,以克服飞机在机动飞行时,被控对象参数不确定性和外干扰对系统稳定性的影响,并给出了该方案在这种情况下的稳定性结果。     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。