基于深度学习的飞行器故障情况下可配平能力快速预示方法

针对飞行器在执行机构故障条件下配平能力受限的问题，本文提出了一种基于深度学习的故障情况下可配平能力快速预示方法。首先，建立飞行器气动力矩和执行机构故障模型，并给出飞行器旋转配平条件。其次，在不同执行机构故障情况下，采用基于二次规划的可配平能力求解方法，在迎角/侧滑角二维平面内进行遍历求解，得到当前故障情况下的可配平能力剖面，并采用8个特征点进行包络，同时为所提方法提供样本。再次，利用深度神经网络强大的拟合能力，从样本中提取故障和气动力矩信息作为网络输入，特征点的迎角和侧滑角的值作为网络输出，离线训练深度神经网络。利用训练好的深度神经网络根据当前故障信息实时计算可配平能力剖面。最后，通过仿真验证了所提方法的有效性和实时性。     

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。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

基于GRU的敌方拦截弹制导律快速辨识方法

针对拦截弹制导律辨识问题,基于门循环单元(GRU)神经网络提出了一种制导律辨识方法.首先,构建了三维空间下的拦截弹-我方飞行器相对运动模型,并假设拦截弹采用经典的比例导引(PN)制导律或增强比例导引(APN)制导律.由相对运动模型提取数据,构成训练样本集和测试样本集,样本输入为敌我双方运动学信息,标签为敌方拦截弹对应的...     

复合正交级数神经网络模型在飞控中的应用

针对现有神经网络逼近快变非线性函数能力低、结构复杂等问题,提出了复合正交多项式模型和一种改进的正匀多项式神经网络模型。这两种模型综合了正交级数和神经网络的结构特点,便于工程实现。理论研究和仿真计算表明,使用此模型构造快变非线性函数时,可使神经网络的节点数成倍减少,神经网络的训练次数成倍降低。飞行器非线性控制的应用表现,此方法可用来解决一般非线性系统的控制问题。     

有控飞行器非线性气动模型结构的确定（Ⅱ）

针对非线性气动模型结构中必然存在的共线性问题，冲破传统模型结构确定方法的束缚，提出了基于共线性诊断和主元回归及主元分析筛选变量法进行非线性模型结构确定的新思想。有效地解决了非线性模型结构确定问题，进而首次讨论了本文给出的模型结构确定方法与最优输入设计及参数可辨识性三者间的关系。某型飞行器非线性气动模型的确定证明了本文方法的有效性。     

基于BP神经网络的惯导初始对准误差辨识方法

针对弹道导弹捷联惯导系统初始对准问题,提出一种基于BP神经网络在线辨识初始对准误差的方法。首先设计了初始对准误差辨识总体方案;然后,基于SINS/GPS组合导航系统测量信息,以SINS与GPS之间的位置偏差为输入量,以初始对准误差为输出量,分别采用三输入和六输入的BP神经网络建立位置偏差与初始对准误差参数之间的映射关系,生成BP神经网络结构;最后,设计仿真试验,分别采用三输入BP神经网络、六输入BP神经网络和卡尔曼滤波算法预测初始对准误差参数。仿真结果表明,六输入BP神经网络算法识别精度最好,初始水平姿态角误差小于30″,瞄准方位角误差小于70″。     

有控飞行器非线性气动模型结构的确定（II）

针对非线性气动模型结构中必然存在的共线性问题，冲破传统模型结构确定方法的束缚，提出了基于共线性诊断和主元回归及主元分析筛选变量法进行非线性模型结构确定的新思想，有效地解决了非线性模型结构确定问题，进而首次讨论了本文给出的模型结构确定方法与最优输入设计及参数可辨识性三者间的关系，某型飞行器非线性气动模型的确定证明了本文方法的有效性。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...     

基于非线性增益的高超声速飞行器非线性控制

针对高超声速飞行器纵向模型,考虑参数摄动、未建模动态和外界干扰等各种不确定性因素的综合影响,提出了一种基于非线性增益的递归滑模动态面控制方案。该方案通过非线性增益函数调节高超声速飞行器姿态控制精度与控制增益之间的矛盾,利用神经网络逼近飞行器气动参数不确定性和未知外界干扰,进一步通过设计递归滑模动态面控制器提高系统的控制精度。仿真结果表明,所提控制方案不仅提高了飞行器的控制精度,而且对模型不确定性和外界干扰具有较强的鲁棒性。     

基于误差通道在线辨识的直升机结构振动主动控制研究

 提出一种基于误差通道在线辨识的有源控制方法,并把它应用于直升机结构振动的主动控制。针对一直升机模型与前人的方法进行了比较,并进行多输入多输出的主动控制仿真。仿真结果表明,这种控制方法明显优于前人的方法,说明这种基于误差通道在线辨识的多输入多输出的主动控制方法对直升机结构振动有很好的抑制作用。     

基于LSTM的飞行器纵向可用过载预测方法研究

针对执行较长飞行任务的飞行器在飞行任务期间难以实时准确预测机动能力的问题，开展了基于长短期记忆(LSTM)的飞行器纵向可用过载预测方法研究。首先，对飞行器纵向过载相关参量进行了分析。然后，以纵向可用过载为性能指标，建立了基于LSTM网络的BP神经网络预测模型。预测模型的输入是一段飞行时间内可测量的飞行状态数据序列，输出是未来时刻的纵向可用过载。最后，基于某型飞行器建立数字仿真模型并开展了仿真验证及结果分析。研究结果表明，所提出的预测模型准确有效，可以帮助实现飞行器飞行性能的实时评估和预测。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

基于迭代滤波的上升段不确定参数辨识

针对扩展卡尔曼滤波进行高超声速飞行器在线参数辨识时无法准确辨识参数的不确定性问题,提出了在线实时参数修正的迭代滤波辨识方法。首先,推导了包含侧滑角和推力的三自由度动力学方程;其次,提出基于第一次滤波辨识结果在线实时修正空速并进行第二次滤波的迭代滤波辨识策略;然后,采用一阶马尔科夫过程描述不确定性参数模型,并将不确定性参数增广到系统状态中,建立了基于扩展卡尔曼滤波理论的参数辨识模型。仿真结果表明,这种辨识方法可以有效解决在风场条件下大气密度不确定性无法准确辨识的问题。     

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。     

基于IMM算法的容错气动参数辨识

针对高超声速飞行器非线性模型气动参数在线辨识问题,将需要辨识的参数增广为状态,建立理论解析模型和实际飞行模型。利用交互多模型(IMM)算法在传统3-2-1-1激励输入条件下对增广"状态"进行跟踪,并将跟踪结果作为对参数的辨识结果。仿真结果表明,IMM算法可以在正常及舵面卡死条件下实现对高超声速气动参数的准确辨识,具有较好的容错性能,并能快速诊断出舵面故障。     

扑翼飞行器动力系统建模方法

为快速评估扑翼飞行器的航时,便于针对不同扑动翼进行动力系统设计与优化,逐步减少实物验证与试飞,加快扑翼飞行器的研制,基于实验数据参数辨识的方法建立了包含直流无刷电机、电调（ESC）、锂电池和扑动机构等扑翼飞行器动力系统组件的动态模型,其中电机模型相对误差小于10%,锂电池动态模型相对误差小于6%;提出了一种基于风洞试验气动数据和功率数据的扑动轴瞬时气动载荷半经验高精度建模方法,解决了气动载荷测量较为困难的问题,模型确定系数大于0.89;集成以上模型后的扑翼飞行器仿真系统还包含扑动翼周期平均气动模型、平尾气动模型和纵向控制模型,确保仿真在动态配平状态下进行,可进行全任务剖面航时仿真,航时仿真与实际试飞结果相比误差小于3%。集成的扑翼飞行器仿真系统采用模块化建模思想,各模型参数独立可调,能进一步应用于扑翼飞行器多学科优化等研究。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.