人工神经网络在飞行控制领域中的应用及发展

综述了近年来人工神经网络在飞行控制领域中的应用研究概况。首先从人工神经网络的发展历史出发，介绍了在飞行控制系统中常用的神经网络及其研究现状；而后论述了与其它智能技术的结合与发展情况，并针对当前飞行控制领域所遇到的重点和难点问题，分析了人工神经网络的具体应用；最后指出了今后主要的工作方向。     

飞行器智能结构系统研究进展与关键问题

 飞行器智能结构是由传感器、驱动器、控制元件和基体结构组成的集成系统,它具有承载、检测、判断与动作等功能,可显著提升飞行器的性能。根据国内外飞行器智能结构系统研究的最新进展,论述了飞行器结构动力响应主动控制、智能机翼、旋翼以及飞行载荷谱监测与结构损伤诊断等的基本原理与技术问题;指出了飞行器智能结构系统研究在埋入式功能元件、复杂非线性多场耦合系统的动力学建模与控制以及智能结构系统中的损伤和失效问题等方面所面临的关键技术问题和挑战。     

基于健康行为模型的飞行器控制系统健康评估

通过分析与飞行器控制系统相关的健康模式与模型参数的映射关系,利用近似响应原理,阐述了建立健康模型、开展系统健康评估的方法;结合测点仿真数据和多维向量相似度的原理,提出了健康指标的计算、优化方法和系统健康评估总体方案。以某型舵机模型为研究对象,采用高斯白噪声作为激励源,应用BP神经网络构建舵机组件的健康行为模型。模型在某飞行器6 DOF仿真平台中进行仿真和验证,实现了基于健康行为模型的在线故障监测。通过研究健康行为建模方法在飞行控制系统健康评估中的应用,为飞行器的健康评估提供了一种可行方案。     

尖楔前体飞行器FADS系统的神经网络算法

对人工神经网络算法在尖楔前体飞行器用嵌入式大气数据传感系统(Flush Air Data Sensing System,FADS)中的应用进行了探讨。针对该FADS系统存在的建模困难及解算精度低的问题,采用BP神经网络算法代替传统的空气动力学模型,通过合理选择网络结构参数及训练验证,分别建立了FADS系统的含有单隐含层的三层网络模型及含有双隐含层的四层网络模型,对攻角、侧滑角、自由来流静压及马赫数等参数进行求解。数值仿真结果表明,建立的用于尖楔前体飞行器的FADS系统的神经网络算法求解精度较高,且含有双隐含层的网络模型精度优于单隐含层的模型精度。     

一类静不稳定系统的预测控制方法研究

碟形飞行器是一类较为特别的静不稳定系统,在系统数学模型存在较大偏差的情况下,常规的预测控制设计思路难以获得理想控制效果。针对这类系统,论文提出了一种预测控制设计方法,并利用该方法设计了碟形飞行器变质量矩,推力矢量复合控制的预测控制系统。仿真表明,当飞行器存在建模误差时,该系统仍能够获得较好的控制性能。     

智能结构应用给飞行力学带来的挑战

探讨了智能结构在航空航天中的应用可能性和应用领域，包括智能结构的发展概况。概述了智能结构技术的发展和应用给飞行力学学科带来的新课题和新挑战，如具有智能结构的飞行器的动力学建模问题，参数辩识问题，稳定性与操纵性分析及飞行试验问题，智能结构机械特性，电磁特性等相互耦合及其飞行器性能的影响等问题，智能结构设计技术将是下一世纪飞行器设计中最重要的技术这一。     

飞行器参数化几何建模方法研究

高超声速飞行器的概念设计阶段通常要综合考虑气动力、气动热、飞行弹道、推进系统、结构和控制等多个学科的设计因素,希望通过权衡各个学科得到一个综合性能最佳的设计,即多学科设计优化结果.参数化几何建模是优化设计的基础,本文开展飞行器参数化几何建模的方法研究,利用二次曲线方法与基于类型函数和形状函数的方法,分别进行了两种飞行器几何外形的建模,并进行了初步的气动力计算.通过分析两种建模方法的特点,比较了两种方法在不同情况下的优缺点,提出了在飞行器概念设计阶段几何建模方法的一般选取建议.通过等弧度、等弧长的划分原则,完善了基于类型函数和形状函数方法所生成的表面网格质量.     

SEA与仿真相结合的高超声速巡航飞行器系统效能评估

SEA方法与工程／交战级攻防对抗仿真相结合的效能评估框架,解决了SEA方法的建模问题。本文应用此框架以高超声速巡航飞行器为例研究了其系统效能,框架中基于测度论提出了效能指标,通过对基于HLA的攻防对抗仿真系统的输出测量,达到评估飞行器系统效能的目标,最后以一个简单的战情为应用对象,使用上述评估框架分析高超声速巡航飞行器的系统效能。     

一种准确的全姿态陀螺系统原理研究

分析了姿态陀螺仪用框架角表示姿态角的设置缺陷，提出一种坐标变换的新方法，以克服框架锁闭不良影响的技术难点，实现即时准确的全姿态静动态测量。它从数学建模入手，充分计及四个框架角的综合作用，通过微机高速变换求得姿态角，从而有效地避免锁闭与随动恶性耦合的误差影响，没有原理缺陷和方法误差，有完整的定义域。它适用于所有飞行器诸多飞行姿态测试、显示、控制的系统中。它的应用将有助于飞行安全可靠、参数准确测量、系统更新、飞行器功能发展、驾驶技术发挥和更准确地进行姿态定位、轨迹控制、全程控制及提高命中率等。     

人工神经网络在航空发动机中的应用

人工神经网络是一个十分热门的交叉学科,在许多行业都得到了应用。介绍了其在系统建模、模型辨识、控制及其在航空发动机上的应用情况和最新发展,并对各种应用状况进行了归纳和分析。同时对最新神经网络模型作了介绍,并对将来神经网络在航空发动机上的应用作了预测。     

Application of neural networks for synthesizing flight control algorithms. I neural network inverse dynamics method for aircraft flight control

The application of artificial neural networks for aircraft motion control, in particular, for creation of nonlinear algorithms of the aircraft remote control system (RCS) is considered. Aircraft as a control object is represented as a multidimensional nonlinear dynamic system and nonlinear control methods are used to operate this system. The control loop is constructed using the method of inverse dynamics based on the feedback linearization principle. The nonlinear control law is represented as a neural network being learned (adjusted) by recorded or incoming measurements of motion parameters. Synthesis and testing of neural network control algorithms is performed with the fully nonlinear mathematical model of a maneuverable aircraft for three control channels. Simulation results of the closed system are presented.     

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。     

Intelligent modeling and identification of aircraft nonlinear flight

In this paper, a new approach has been proposed to identify and model the dynamics of a highly maneuverable fighter aircraft through artificial neural networks（ANNs）. In general, aircraft flight dynamics is considered as a nonlinear and coupled system whose modeling through ANNs, unlike classical approaches, does not require any aerodynamic or propulsion information and a few flight test data seem sufficient. In this study, for identification and modeling of the aircraft dynamics, two known structures of internal and external recurrent neural networks（RNNs） and a proposed structure called hybrid combined recurrent neural network have been used and compared.In order to improve the training process, an appropriate evolutionary method has been applied to simultaneously train and optimize the parameters of ANNs. In this research, it has been shown that six ANNs each with three inputs and one output, trained by flight test data, can model the dynamic behavior of the highly maneuverable aircraft with acceptable accuracy and without any priori knowledge about the system.     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

俯仰跟踪任务中的驾驶员神经网络模型辨识

 在飞机设计中,应用驾驶员数学模型预测飞机飞行品质是避免人机系统出现不良耦合的重要途径之一。为了提高飞行品质的预测精度,采用人工神经网络(NN)方法进行驾驶员模型辨识,着重研究该模型对不同飞机被控对象的适应能力。首先,详细分析了驾驶员完成俯仰跟踪任务的操纵行为特点,提出适用于该驾驶员行为描述的神经网络模型结构形式。然后,根据对不同被控对象进行俯仰跟踪实时仿真实验的结果,对神经网络模型参数进行识别。最后,对模型辨识结果进行了精度评价。研究结果表明,该辨识方法适用于研究具有不同增益、不同短周期振荡频率飞机被控对象的驾驶员操纵行为特性。     

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。     

人工神经网络在飞机总体外形智能CAD中的应用

将人工神经网络应用于飞机总体外形智能ＣＡＤ中,针对现有方法的局限性,研究了参数神经网络,提出了一种综合考虑影响神经网络学习３个主要因素（权值、激励函数和拓扑结构）的ＷＡＦＳ学习算法,并研究了隶属函数的神经网络表达和基于神经网络的并行推理,给出了有关应用实例。     

Bernoulli-Euler梁振动的人工神经元网络控制方法

分析了Bernoulli-Euler梁的振动特性,从控制系统的角度得出梁振动控制系统的传递函数,并采用人工神经元网络的方法对其进行控制,辨识器及控制器均采用非线性神经元网络, 最后用matlab对振动控制系统进行仿真。     

基于神经网络和专家系统的电传操纵系统故障诊断

提出了一种神经网络与专家系统相结合的故障诊断方法,研制了相应的诊断模块,并在某型飞机电传操纵系统的故障诊断中得以实现。在实物仿真和实际诊断实例中,该诊断模块均达到了很好的效果。从而证明了所提出的方法作为一种诊断策略,可作为飞机电传操纵系统快速故障诊断的基础。该故障诊断方法可推广应用到其它同类飞机的故障诊断当中,为现代航空维修保障的故障诊断提供了一条有效的新途径。