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。     

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。     

基于鲁棒伺服LQR的结冰飞机纵向控制律重构方法

由于防/除冰系统总会出现故障或者除冰不彻底,因此仅依靠防/除冰系统实现结冰条件下的安全飞行并非完全可靠,研究结冰后飞机控制律重构对飞机操纵安全和飞行安全极其重要。针对飞机的纵向运动建立了结冰影响模型和纵向动力学模型,采用鲁棒伺服线性二次型调节器(LQR)最优控制设计了飞机结冰后空中飞行纵向控制律,模拟了飞机在俯仰姿态保持模式下遭遇不同严重程度结冰后的动态响应特性,并与常规PID控制进行对比。结果表明,所设计的控制律能够有效改善结冰飞机的飞行性能和飞行品质,准确跟踪给定的俯仰角指令,且抗干扰能力、动态性能以及鲁棒性均优于常规PID控制。为飞机结冰后的重构控制问题和自动飞行控制,提供了新的思路。     

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。     

战斗性机动飞行的智能反步自适应控制

针对飞机战斗性机动飞行时模型非线性和参数不确定性的特点,提出了一种非线性反步自适应控制方法.在系统输入输出反馈线性化基础上,基于滑模的思想适当选取李亚普诺夫函数,通过反步的方法回馈递推得到控制律,并且利用粒子群算法优化固定参数改善动态性能,同时设计相应的自适应律来调节未知参数,最后通过伪逆控制分配方法得到最终控制信号.仿真结果表明:在较大的模型气动参数不确定条件下,所设计的控制律仍能理想地跟踪飞机战斗性机动指令飞行,同时具有快速的收敛性和良好的鲁棒性.     

超机动飞机边界保护控制器设计

针对超机动飞机过失速机动的飞行安全问题,提出了一种飞行边界保护控制方法。首先采用动态逆控制方法解决了超机动飞机模型中的非线性和耦合性问题,然后通过求解超机动飞机的动态配平点的可达集,来确定飞机在任意飞行状态下的安全飞行边界,最后将所获得的动态边界集成到动态逆控制器中来约束飞机的机动范围,以降低超机动飞机完成过失速机动时的失控风险。仿真结果表明,所设计的飞行边界保护控制器能够改善超机动飞机过失速机动飞行时的指令跟踪效果,更好地完成Cobra等过失速机动动作,提高了飞行的安全性。     

基于正规形法的结冰飞机着陆阶段非线性稳定域

结冰导致飞机飞行包线缩小、对飞行安全产生严重威胁,研究结冰后飞机非线性稳定域对边界保护系统的设计和飞行安全的提高极其重要。以某型运输机为研究对象,考虑飞机非线性气动特性建立飞机纵向非线性模型并进行增稳控制补偿设计;然后通过流形和正规形理论刻画结冰飞机纵向非线性稳定边界并得到稳定边界的解析表达式,通过仿真的手段验证了正规形理论确定的稳定边界和解析表达式的有效性和准确性。最后,分析了飞机着陆过程中,结冰因子对结冰飞机稳定域的影响以及结冰飞机发生事故的机理。研究结果表明,轻度结冰使飞机非线性稳定域缩小;重度结冰导致飞机稳定性发生改变;在未察觉飞机结冰的情况下,飞行员的常规操纵会使飞行状态超出结冰飞机的非线性稳定域、导致飞行事故。研究结果可为飞机结冰后的边界保护提供一定的参考。     

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。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。     

一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

Conceptual design and preliminary experiment of icing risk management and protection system

Icing is one of the main external environmental factors that causes aircraft to lose control. The flight safety assurance system under icing condition is particularly important. However,most of the systems do not consider the coupling characteristics of aerodynamics and flight dynamics of icing aircraft. This will affect the accuracy of the calculation results. Besides, the icing risk management system helps the pilot to realize the possible dangers in advance and perform correct maneuvers, base...     

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。     

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。     

战斗机超机动飞行自抗扰控制器设计

提出了一种利用自抗扰控制器算法在大包线范围内设计超机动飞行控制系统的新方法。根据奇异摄动理论和自抗扰控制器能够动态补偿系统模型扰动和外扰的特性,在超机动飞行的快慢子回路中分别引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。控制律设计直接依据超机动飞行的强耦合、强非线性模型,在很大的包线范围内不需要改变控制器的结构和参数,大大简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决大包线范围内的超机动飞行控制问题提供了一种新的途径。     

Application of neural networks for the design of flight control algorithms. II Adaptive tuning of neural network control law

In this paper, we consider different approaches for the neural network controller tuning in the flight control system. Two of the most common tuning approaches in the adaptive control theory are applied. The first one uses parameter identification technique and consists in solving a real-time regression problem for the control law. The second approach is based on the Lyapunov direct method, which utilizes a tracking error as an absolute measure of tuning performance. The neural network control law are designed for the three-axis flight control problem and tested on the full nonlinear model of a fighter aircraft. Closed loop simulation results are presented and two adaptation algorithms are compared in the case of abrupt change of aircraft dynamics.     

复杂结冰环境下飞机鲁棒飞行安全包线分析

结冰是威胁飞行安全的重要环境因素,研究复杂结冰环境下飞机的飞行安全包线对于飞行安全边界保护,确保飞机飞行安全具有重要意义。以RCAM为研究对象,利用时间尺度分离原则将飞机解耦成两个子系统,建立了考虑飞机横向运动的纵向运动模型和复杂结冰环境下鲁棒气动导数模型。基于可达集最优控制理论,以反向可达集作为飞机复杂结冰环境下的飞行安全包线,利用可达性分析研究结冰及横向滚转运动对飞行安全包线的影响,在此基础上,进一步分析考虑不同结冰程度下结冰位置、冰型及分布等不确定性结冰情况时飞机的鲁棒飞行安全包线。仿真结果表明,随着结冰程度增加,飞行安全包线不断收缩,当考虑结冰不确定性因素时,轻度结冰条件下的鲁棒飞行安全包线较重度结冰条件下收缩更为严重。因此,即使飞机只是遭遇轻度结冰,但当存在不确定性因素时,飞行风险仍然较大,飞行员应该保持警惕。研究结果可为飞机在复杂结冰环境下的边界保护提供支撑和参考。