基于神经网络的GAIN—SCHEDULED飞行控制器设计方法研究

采用神经网络设计ＧＡＩＮＳＣＨＥＤ－ＵＬＥＤ控制器,给出神经网络ＧＡＩＮ－ＳＣＨＥＤＵＬ－ＩＮＧ控制器的实现方法,这亲做可以简化控制器的ＳＣＨＥＤＵＬＩＮＧ参数,并且能够区分不同条件下的控制器结构。将其用于飞行控制器的设计,验证了所提方法的有效性。     

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。     

弹道导弹飞行时间的BP神经网络控制方法

时间协同攻击是提高弹道导弹突防能力和作战效能的一种重要手段。由于发动机推力偏差等干扰因素造成导弹的飞行时间偏差较大,为精确控制弹道导弹的飞行时间,运用BP神经网络算法,建立了一种适用于较大飞行时间偏差修正的飞行时间调控模型。该模型用视加速度偏差表征推力偏差等干扰的影响,根据视加速度偏差调整导弹飞行中某一时段的程序角来实现对飞行时间的精确控制。由BP神经网络建立满足飞行时间偏差要求下视加速度与飞行程序角速率、转弯结束时间之间的映射关系。导弹实际飞行时,根据实际视加速度,由BP神经网络在线计算出飞行程序角速率及转弯结束时间,使导弹在干扰条件下仍以预定飞行时间到达目标。最后,通过仿真验证了该模型的有效性和可行性。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

无人机编队飞行控制器设计

主要对两架无人机斜线编队控制进行研究,建立了相应的数学模型,并基于PI控制律分别设计了x,y两个方向的控制器,利用解析和数值计算两种方法解算.仿真结果表明,设计的控制器可以控制僚机跟随长机机动,保持原有的相对位置和姿态.     

程序调参飞行控制律的神经网络实现

为保证飞行品质,现代飞机中多采用程度调参飞行控制律,由于调参规律的高度非线性,使得控制律的工程实现相当困难。为此,对程序调参飞行控制律的神经网络实现方法进行了研究。通过应用ＢＰ神经网络逼近非线性调参规律。探讨了用ＢＰ网络实现程序调参飞行控制律的一般方法,给出了网络的结构及其优化算法,并以某型飞机电传操纵系统倾斜阻尼通道的程序调参控制律为例,对该实现方法进行降验证。结果表明,实现精度符合工程要求。     

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。     

PID神经网络控制器在飞控系统中的应用

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点.提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性.对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能.     

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。     

基于移动网络的飞行控制系统

一个实现精确姿态显示的飞行控制系统不仅能改善飞行品质,而且能保障飞行任务的圆满完成,飞行姿态数据的研究与设计具有重大的安全意义和研究价值.设计了以STM32F103为核心控制芯片的飞行控制系统,通过读取HMC5883磁阻传感器、MPU6050三轴姿态传感器、MS5611气压计的数据,编入相应控制程序,获取飞行器的三轴姿态和高度位置,并将取得精确的姿态数据通过4G移动网络传输到手机客户端上,保证飞行中GPS以及遥控信号失灵等突发状况时,能够及时地根据数据调整飞行姿态,达到安全返航的目的.实验测试结果表明,系统实时性好,可靠性高,易于安装,调试简单,具有较高的实用价值.     

模糊控制方法及其在飞控中的应用

对于较大的飞行包线,飞机对象的参数变化剧烈,采用常规控制方法往往不能保证在较大飞行包线范围内均取得良好的控制效果,基于此,提出了一种新型的自组织模糊控制方法,该对系统内部参数的剧烈变化具有很强的适应性,然后对飞机飞行控制系统的控制律设计进行了研究。用所提出的模糊控制方法设计了部分控制律,最后以某型国产飞机对象,采用飞机六自由度非线性仿真模型,在一个较大的飞行包线范围内,进行了飞行仿真,取得了良好的     

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

基于VSC的线性控制参数化及在飞行控制中的应用

对一类非线性系统进行平衡工作点参数化,得到调度（ＳＣＨＥＤＵＬＩＮＧ） 参数线性化方程。在此基础上,利用线性ＶＳＣ 理论设计调度参数化的局部线性控制器。为了减少某一状态下控制器对调度参数实际值的影响,在控制器中引入调度变量修整项。将所得结果用于飞行控制系统,设计出飞机纵向通道的调度参数化控制器,数字仿真验证了控制器的控制性能,结果良好。     

非线性反馈线性化方法在飞控系统中的应用

应用非线性反馈精确线性化方法进行了飞机自动着陆系统设计。首先,用非线性微分方程组表示的飞机纵向控制系统,在经过输入输出反馈线性化以后,可等效为线性系数;然后,用线性的ＰＩＤ控制方法对变换后的线性系统进行了设计;最后,考虑风的干扰,对所设计的飞机自动着陆控制系统进行了数字仿真。仿真结果表明,用反馈线性化方法设计的飞控系统具有良好的性能。     

基于神经网络的无人直升机姿态控制系统设计

首先根据模型参考自适应控制理论,将模型逆与在线神经网络结合,设计了神经网络自适应姿态控制系统。接着叙述反馈线性化及模型逆理论,分析系统的模型跟踪误差动力特性,设计神经网络控制器及在线算法。然后以某无人直升机俯仰通道为例,对神经网络姿态控制系统进行仿真。结果表明该系统能够对未建模特性、参数不确定性等引起的模型逆误差进行自适应,而且在传感器输出中具有白噪声时仍然能够获得较好的响应特性。     

简化飞行控制律模型设计与应用方法研究

为了在战斗机总体设计中引入飞控系统对性能和品质的协调作用,提出了简化飞行控制律设计和验证的方法,并将其应用到飞机的选型过程中。首先针对飞机概念设计与初步方案设计阶段的特点,建立了适应飞机总体设计要求的简化飞行控制律模型;然后用最优二次型跟踪器和特征结构配置方法对飞机进行控制律设计,用神经网络方法进行调参设计;最后用等效系统拟配和Simulink数值仿真方法进行验证。通过算例说明上述方法是可行的,而且能够反映飞机总体飞行的特点,简单易行,因此可以为实际飞行控制律初步设计提供参考。