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。     

机动增强及阵风减缓飞行控制系统设计

本文以CCV—YF—16飞机为背景,阐述了机动增强/阵风减缓这一直接力控制模态的构成及设计思想;以数字仿真进行功能验证与评价;提出以C飞行品质指标为目标函数的参数优化设计法,从而有效地解决该模态的参数设计问题。     

超机动飞行非线性动态逆 - 模糊自适应控制

对带推力矢量飞机的飞控设计问题进行了研究。根据奇异摄动理论将受控状态变量分为快变量和慢变量，然后根据非线性动态逆理论分别对内环和外环进行设计。针对非线笥动态逆要求准确的数学模型的特点，引入模糊自适应控制以考虑模型的不确定性,最后对所设计的飞控规律进行过失速机动仿真。结果表明，在存在较大模型误差的情况下，所设计的飞控规律安全能在过失速机动条件下控制飞机跟踪指令飞行。     

基于动态逆的神经网络超机动飞行控制

为战斗机的过失速超机动飞行设计了一种神经网络控制器。基于时标分离的原则,神经控制器被设计为内环控制器和外环控制器两个部分。网络的训练利用改进的BP算法,将因子模糊化快速进行。样本点数据则由利用动态逆控制所得到的结果来提供。网络的使用利用联想记忆法则。仿真结果说明所设计的系统具有良好的控制性能及鲁棒性。     

机动目标的逆合成孔径雷达成像

 逆合成孔径雷达(ISAR)和合成孔径雷达 (SAR)都是利用目标 (场景)与雷达的相对运动,提高横向分辨率,实现对目标 (场景 )的成像。SAR的运动方是雷达平台,可控制作平稳飞行,且用仪器测校其偏离误差;ISAR的运动方通常是非合作目标,运动不受控制,且难以精确测量。当目标作机动飞行时,以目标作固定基准,雷达等效地在空间形成流形复杂的逆合成孔径 (阵列 ),对这种情况下成像的问题进行了系统的研究。     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。     

歼击机纵向多模态控制规律设计方法初探

一、问题的提出 多模态控制规律在现代飞行控制系统中得到广泛应用。由于采用多控制面控制飞机的机动运动,仅仅采用仿真的方法来选择控制律的参数是很困难的。在此,我们对AFTI/F-16飞机多模态飞行控制规律按已知控制律结构及基本设计思想进行设计,探索其主要通道的基本功能及参数选择方法,以便对其系统设计方法进行深入探讨和分析。     

多级飞行控制系统设计

 现代飞行控制系统设计中,如果同时考虑三轴模型,要实现实时最优控制是非常困难的,因为飞机短周期运动三轴模型阶数通常是七、八阶,要实现最优控制,就得实时求解相应维数的Riccati方程,这对于阶数较高的系统是非常困难的,甚至根本无法实现。但是,如果系统维数很低,实时求解相应维数的Riccati方程则可望实现。因此,将原高阶系统分解成若干相互关联的子系统,进行递阶分级控制,这样子系统的维数将大大低于原系统维数,并且各子系统的最优控制计算可分别由各子系统的计算机完成。由此,飞行控制系统的最优设计实现将成为可能。     

保持飞行迎角恒定的飞行/推力综合控制

迎角恒定的飞行 /推力综合控制能明显地改善飞机机动能力 ,使飞行轨迹对姿态有快速精确响应。论述了具有迎角恒定动力补偿系统的工作原理 ,研究其控制规律及设计方法 ,并与速度恒定的动力补偿系统进行比较。以舰载飞机自动进近着舰系统的动力补偿为例 ,给出了仿真验证的结果。     

高速歼击机的气动弹性分析

 本文扼要介绍了飞机设计中气动弹性分析方法的几个主要方面。包括,颤振最佳化设计、考虑颤振约束和弹性方向安定性导数约束的参数优选计算、非定常空气动力计算、空气动力导数的弹性修正以及风洞模型试验。对于计算方法,根据实践作了初步评价。本文还介绍了常见的各种颤振型式。     

基于干扰观测器的新一代歼击机鲁棒飞行逆控制器设计

基于干扰观测器设计了新一代歼击机的鲁棒飞行逆控制器。根据时标分离的原则，将机动飞机分为快慢不同的回路。采用动态逆方法设计了快回路和慢回路控制器，并在慢回路用干扰观测器估计飞机所受的扰动，同时，用于在线补偿动态逆误差。仿真结果表明，该设计合理。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

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。     

超机动飞行的非线性反推自适应控制

为解决对象参数未知时的超机动飞行控制问题,设计了一种非线性反推自适应控制器。针对超机动飞行的非线性模型,适当选取Lyapunov函数和中间虚拟控制信号,同时通过自适应控制律的设计来调节未知参数并得到了最终的控制信号。仿真结果表明,即使模型参数未知,所设计的控制律也能在过失速机动条件下控制飞机跟踪指令飞行,同时保证了闭环系统的稳定性。     

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。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，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，结果证明，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。     

战斗机综合设计仿真系统中的飞控系统模型

通过分析飞控系统各环节对飞机动态特性的影响及第三代战斗机控制律的特点,为战斗机综合设计仿真系统建立了飞控系统模型。该模型是能够反映飞控系统功能的简化模型。通过对飞控系统各项功能与特点的检验,对飞控系统简化模型进行了验证。验证结果表明,所建立的简化飞控系统模型能够满足战斗机综合设计仿真系统的需要。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

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。     

基于逆控制和模糊逻辑的直升机飞控系统设计

提出了一种基于模型的逆控制技术与基于规则的模糊控制技术相结合的直升机飞控系统设计方法，以解决当直升机数学模型不确定时飞控系统的设计问题，并设计了相应的逆控制器及模糊控制器。仿真结果表明，所设计的飞控系统具有良好的动态响应、较强的鲁棒性及满意的解耦效果，在直升机飞行控制系统的设计中有一定应用价值。