驾驶员神经网络模型与频域拟线性模型的比较研究

 针对在双通道人—机控制系统中,由于驾驶员在各通道间的注意力分配,造成操纵行为具有明显的非线性这一特性,提出了用神经网络模型进行驾驶员行为描述的新方法。通过在飞行模拟器上进行双通道控制的人—机闭环仿真实验,分别对驾驶员的神经网络模型和频域拟线性模型进行识别,并对两种模型的识别结果进行了精度分析和仿真验证。结果表明神经网络模型在更宽的频带范围内具有良好的精度,而频域拟线性模型只在低频范围内精度好,其频带范围相对较窄。这说明神经网络模型在描述驾驶员非线性行为特征方面优于传统的频域拟线性模型。     

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。     

基于相似构型决策的舰载机驾驶员建模与评估

舰船运动和舰尾流等复杂海况是影响舰载机着舰难易度和精确度的重要因素，建立驾驶员着舰控制行为模型并构建人机闭环系统是评估复杂海况对驾驶员操纵负荷影响的有效手段。此外，新一代舰载机存在多种构型配置，并且即便是同一飞机其每次开始着舰时也可能处于不同的质量和气动构型下，因此在驾驶员建模中有必要考虑飞机构型变化。针对舰载机着舰操纵负荷评估问题，基于飞行试验手段和频域计算方法，建立了纵向俯仰跟踪的Hess结构驾驶员模型。考虑飞机着舰构型的变化，基于CAP准则和控制扩展方法，构建了舰载机典型构型库，并应用驾驶员在环仿真试验建立了与各飞机构型匹配的驾驶员模型，形成驾驶员模型库。在此基础上，给出了相似构型决策准则和方法，提出了针对指定飞机构型的驾驶员行为模型预测方法。针对舰载机在复杂海况下的着舰任务开展仿真分析，结果表明，本文方法能够支撑研究不同舰载机构型的操纵负荷的影响。