武装直升机飞行控制系统神经网络自适应控制研究
|
摘要
本文就神经网络自适应控制在直升机飞行控制系统中的应用进行了深入的研究和探索，主要的内容包括直升机飞行控制系统的动态逆设计、小波神经网络对动态逆误差的补偿、直升机机动飞行的仿真等方面的内容。
由于直升机存在着较强的耦合性、不稳定性、呈现出较强的非线性，本文首先建立了直升机非线性运动方程，并对自由飞机的开环特性进行了研究，分析了运动耦合和操纵耦合对直升机各状态的影响，揭露直升机各通道之间的耦合的原因，为下面的控制系统的设计提供一定的物理概念。
本文将直升机姿态角通道和总距通道分别进行设计。在姿态角通道的设计中，采用了动态逆思想，按照时标分离的原则将直升机飞控系统划分为快慢回路，并分别采用动态逆的方法进行设计、仿真，使直升机的三个姿态角通道得到解耦。
针对由于模型不精确所引起的动态逆控制器的逆误差，采用小波神经网络实现补偿。本文对小波理论进行了讨论，给出了小波函数的一般构造。针对动态逆产生的逆误差，本文首先对基于BP小波神经网络进行了研究，给出了学习算法和权值调整律，设计了神经网络控制器；然后对基于李亚普诺夫稳定的小波神经网络进行了研究，对神经网络自适应控制律进行了详细的分析和讨论，设计了神经网络控制器。本文对这两种方法设计的神经网络控制器分别进行了仿真，表明它们能够很好的补偿动态逆产生的误差。
本文最后设计了直升机模糊PD轨迹跟踪控制器，与姿态角控制器相结合，完成对整个飞行控制系统的设计。并对两种典型的机动飞行(垂直平面中的急跃升／急跃降、水平平面中的S形机动)进行了数字仿真，结果表明本文设计的控制系统提高了直升机的机动性能。
The design of neural-networks-based adaptive flight control system for helicopter is studied in this dissertation, which involving several aspects about inverse dynamics design for helicopter flight control system, compensating inverse error by wavelet neural-networks, maneuver flight simulation for helicopter.
Because model of helicopter is a highly coupled unstable nonlinear system, a group of nonlinear motion equations are established firstly, and then analyzed the infection of the couple of motion and the couple of control of the free helicopter. This work supplied the physics concept for the design of the flight control system.
In this dissertation the control loop of attitude angle is designed with dynamic inversion scheme. The controller is designed at two time scales. And the simulation shows the uncoupling of three attitude angle loop is achieved with dynamic inversion scheme.
Adaptive wavelet neural network is introduced to compensate the inversion error resulted from inaccurate model of helicopter. The dissertation discussed wavelet theory and gave the formation of the wavelet function. In order to compensate the inversion error, the dissertation studied the BP based wavelet neural network firstly, and gave the learning rate; then studied the Lyapunov based wavelet neural network, and the adaptive control law of on-line neural network is discussed at great length. Two neural network controllers designed for both methods. The simulations show the both controller could compensate inversion error effectively.
Finally, the dissertation designed the fuzzy PD controller of trajectory tracking, which is combined with attitude angle controller, so that the whole flight controller is completed. The simulation of two typical maneuver (BopUp-BopDown and S maneuver flight) shows that the maneuverable of attack helicopter is improved by the control system.
由于直升机存在着较强的耦合性、不稳定性、呈现出较强的非线性，本文首先建立了直升机非线性运动方程，并对自由飞机的开环特性进行了研究，分析了运动耦合和操纵耦合对直升机各状态的影响，揭露直升机各通道之间的耦合的原因，为下面的控制系统的设计提供一定的物理概念。
本文将直升机姿态角通道和总距通道分别进行设计。在姿态角通道的设计中，采用了动态逆思想，按照时标分离的原则将直升机飞控系统划分为快慢回路，并分别采用动态逆的方法进行设计、仿真，使直升机的三个姿态角通道得到解耦。
针对由于模型不精确所引起的动态逆控制器的逆误差，采用小波神经网络实现补偿。本文对小波理论进行了讨论，给出了小波函数的一般构造。针对动态逆产生的逆误差，本文首先对基于BP小波神经网络进行了研究，给出了学习算法和权值调整律，设计了神经网络控制器；然后对基于李亚普诺夫稳定的小波神经网络进行了研究，对神经网络自适应控制律进行了详细的分析和讨论，设计了神经网络控制器。本文对这两种方法设计的神经网络控制器分别进行了仿真，表明它们能够很好的补偿动态逆产生的误差。
本文最后设计了直升机模糊PD轨迹跟踪控制器，与姿态角控制器相结合，完成对整个飞行控制系统的设计。并对两种典型的机动飞行(垂直平面中的急跃升／急跃降、水平平面中的S形机动)进行了数字仿真，结果表明本文设计的控制系统提高了直升机的机动性能。
The design of neural-networks-based adaptive flight control system for helicopter is studied in this dissertation, which involving several aspects about inverse dynamics design for helicopter flight control system, compensating inverse error by wavelet neural-networks, maneuver flight simulation for helicopter.
Because model of helicopter is a highly coupled unstable nonlinear system, a group of nonlinear motion equations are established firstly, and then analyzed the infection of the couple of motion and the couple of control of the free helicopter. This work supplied the physics concept for the design of the flight control system.
In this dissertation the control loop of attitude angle is designed with dynamic inversion scheme. The controller is designed at two time scales. And the simulation shows the uncoupling of three attitude angle loop is achieved with dynamic inversion scheme.
Adaptive wavelet neural network is introduced to compensate the inversion error resulted from inaccurate model of helicopter. The dissertation discussed wavelet theory and gave the formation of the wavelet function. In order to compensate the inversion error, the dissertation studied the BP based wavelet neural network firstly, and gave the learning rate; then studied the Lyapunov based wavelet neural network, and the adaptive control law of on-line neural network is discussed at great length. Two neural network controllers designed for both methods. The simulations show the both controller could compensate inversion error effectively.
Finally, the dissertation designed the fuzzy PD controller of trajectory tracking, which is combined with attitude angle controller, so that the whole flight controller is completed. The simulation of two typical maneuver (BopUp-BopDown and S maneuver flight) shows that the maneuverable of attack helicopter is improved by the control system.
引文
[1] A. Calise, N. Hovakimyan, and M. Idan, Adaptive Output Feedback Control of Nonlinear Systems using Neural Networks, In Automatica, Special issue on Neural Networks for Feedback Control, Volume 37, Number 8, August 2001
[2] N. Hovakimyan, F. Nardi, A. Calise, andH. Lee, Adaptive Output Feedback Control of a Class of Nonlinear Systems using Neural Networks, Inter_ national Journal of Control, 2001
[3] A. Isidori, Nonlinear Control Systems, Springer, Berlin, 1995
[4] Byoung S. Kim and Anthony J. Calise, Nonlinear Flight Control Using Neural Networks, Journal of Guidance ,Control, and Dynamics, Vol. 20,1997
[5] J.V.R Prasad, A.J. Calise, Y. Pei, and J.E. Corban, Adaptive Nonlinear Controller Synthesis and flight Test Evaluation On an Unmanned Helicopter, IEEE International Conference on Control Applications, 1999
[6] RolfT. Rysdyk, and Anthony J. Calise, Adaptive Model Inversion Flight Control for Tiltrotor Aircraft, American Helicopter Society 54th Annual Forum, 1998:20-22
[7] Moshe Idan, Matthew Johnson, Anthony J. Calise, and John Kaneshige, Intellegent Aerodynamic/Propulsion Flight Control for Flight Safety: A Nonlinear Adaptive Approach, Faculty of Aerospace Engineering, Technion
[8] Michael B. McFarland, and Anthony J. Calise, Neural Networks for Stable Adaptive Control of Air-To-Air Missiles, AIAA Guidance, Navigation and Control Conference, 1995
[9] Jesse Leitner, Anthony Calise,and J.V.R. Prasad, Analysis of Adaptive Neural Networks for Helicopter Flight Control, AIAA Guidance, Navigation and Control Conference, 1995
[10] Joseph J. Totah, Adaptive Flight Control and On-Line Learning, AIAA-97-3537
[11] Byoung S., Anthony J. Calise, Nonlinear Flight Control Using Neural Networks, AIAA Journal of Guidance, Control and Dynamics, Vol. 20, No. 1, 1997
[12] Anthony J. Calise, Rolf T. Rysdyk, Nonlinear Adaptive Flight Control Using Neural Networks, IEEE Control Systems Magazine, Vol. 18, No. 6, 1998:14-25
[13] 蒋新桐，武装直升机文集，航空工业总公司第602研究所，1996．6
[14] 张安，周志刚，航空综合火力控制原理，西北工业大学出版社，1997
[15] 韩曾晋，自适应控制，清华大学出版社，1995
[16] [美]B．威德罗，自适应逆控制，西安交通大学大学出版社，2000年
[17] 曹建福，韩崇昭，方洋旺，非线性系统理论及应用，西安交通大学出版社，2001
[18] 姜长生，孙隆和，吴庆宪等，线性系统理论与鲁棒控制，航空工业出版社，1998
[19] 姜长生，吴庆宪，智能控制及应用，南京航空航天大学教材，1997
[20] 薛定宇，控制系统计算机辅助设计—Matlab语言及应用，清华大学出版社，1996
[21] 黄一敏，郭锁凤，直升机控制系统的内／外回路设计概念及其应用，南京航空航天大学学报，Vol．31 No．3 Jun．1999
[22] 刘淑祥，郭锁凤，徐肖豪，基于动态逆的神经网络超机动飞行控制，航空学报，1997，18(1)
[23] 阮晓刚，郭锁凤，非线性动态逆神经元解耦飞行控制方法，航空学报，1997，18(1)
[24] 徐军，张明廉，屠巴宁，非线性动态逆在飞行控制系统应用中的几个问题研究，航空学报，1997，18(2)
[25] 张立，新一代战斗机飞行控制系统及三维实时分布式仿真平台研究，南京航空航天大学硕士学位论文，2000
[26] 苏丙未，万胜，陈欣，杨一栋，一种基于动态逆的控制方案在无人机中的应用研究，南京航空航天大学学报，2000，32(6)
[27] 郭树军，直升机超机动飞行的神经网络控制研究，南京航空航天大学博士论文，2000
[28] 刘延年，冯纯伯，神经网络在控制领域中的应用，东南大学学报，1994，24(1)
[29] 戴晓珑，孙一康，神经网络控制系统的研究概况，冶金自动化，1994，18(2)
[30] 张谦，基于神经网络的模糊控制及其应用，郑州纺织工学院学报，1994，5(2)
[31] 钱大群，孙振飞，神经网络的知识获取与行为解释，自动化学报，1994，20(3)
[32] 刘军，常小军，刘建，神经网络原理及在控制中的应用，青岛化工学院学报，1994，15(2)
[33] 黄国建，王建华，芦国强，提高人工神经网络BP算法收敛速度的几种方法，1994，8(2)
[34] 李望超，李金艳，用三层网络逼近任何连续函数，河北工学院学报，1994，23(4)
[35] 赵明旺，一种具有自学习能力的神经网络规则基控制方法，信息与控制，1994，23(6)
[36] 谭永红，基于BP神经网络的自适应控制，控制理论与应用，1994，11(1)
[37] 何耀华，夏志忠，BP网络的快速自适应学习算法，系统工程理论与实践，2000，1
[38] 王殿辉，柴天佑，一个基于神经网络模型的鲁棒自适应控制算法，自动化学报，1996，22(4)
[39] 徐丽娜，神经网络控制，哈尔滨工业大学出版社，1999
[40] 姜广伦，安锦文，戴宁，直升机控制增稳系统的一种综合设计方法，航空学报，1997，18(5)
[41] 唐永哲，直升机鲁棒控制器的设计研究，航空学报，1996，17(6)
[42] 王艳东，程鹏，直升机飞行控制系统鲁棒PI解耦设计，航空学报，1996，17(1)
[43] 蔡世龙，第四代战斗机超机动飞行智能控制及半实物分布式仿真平台研究，南京航空航天大学硕士论文，2002
[44] 钱华，武装直升机空中攻击恶劣环境下空空导弹发射过程研究，南京航空航天大学硕士论文，2002
[45] 程正兴，武铁敦，小波的发展与应用，微机发展，No．5，1994
[46] 陈哲，冯天瑾，小波神经网络研究进展及展望，青岛海洋大学学报，1999，29(4)
[47] 谭永红，党选举，梁峰，基于动态小波神经网络的非线性动态系统辨识，系统仿真学报，Vol．13 Suppl., August 2001
[48] 张锐，武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制研究，南京航空航天大学
博士论文，2002
[49] 方浩，薛培鼎，冯祖仁，一种基于小波神经网络的自适应控制方法，西安交通大学学报，2000，34(2)
[50] 黄凤岗，孙文彦，王莹，一种自适应的小波神经网络，电子学报，Vol．26 No．8，Aug．1998
[51] 蔡念，胡匡祜，李淑宇，苏万芳，小波神经网络及其应用，中国体视学与图像分析，2001，6(4)
[52] 沈雪勤，丁宇新，小波变换与小波神经元的选择，河北工业大学学报，1996，25(2)
[53] 王群仙，李少远，李俊芳，小波分析及其在控制中的应用，控制与决策，2000，15(4)
[54] 韩璞，张海琳，张丽静，神经网络自适应逆控制的仿真研究，华北电力大学学报，2001，28(3)
[55] 郭树军，模糊控制利神经网络在武装直升机综合火力/飞行控制系统设计中的应用，南京航空航天大学研究生硕士学位论文，1997
[56] 丛爽，面向MATLAB工具箱的神经网络理论与应用，合肥：中国科学技术大学出版社 1998
[57] 姜长生，郭树军，孙隆和等，先进武装直升机一种新型组合智能飞控系统和火／飞综合系统的设计与仿真，航空学报，Vol．19，No．6，1998：719-725
[58] 姜长生，郭树军，王丕宏，扬克明，孙隆和，先进武装直升机一种新型组合智能飞控系统和火/飞综合系统的设计与仿真，航空学报，1998，19(6)
[59] 姜长生，郭树军，正丕宏，扬克明，孙隆和，一种直升机的组合智能飞行控制系统的设计，南京航空航天大学学报，1999，31(2)
[60] 夏世芬，一种神经网络自适应PID控制器，西南交通大学学报，Vol．33 No．6，Dec，1998，P710～715
[61] 朱文革，人工神经网络与小波变换，复旦学报(自然科学版)，1996，35(1)
[62] 李士勇等，模糊控制和智能控制理论与应用，哈尔滨工业大学出版社，1990
[2] N. Hovakimyan, F. Nardi, A. Calise, andH. Lee, Adaptive Output Feedback Control of a Class of Nonlinear Systems using Neural Networks, Inter_ national Journal of Control, 2001
[3] A. Isidori, Nonlinear Control Systems, Springer, Berlin, 1995
[4] Byoung S. Kim and Anthony J. Calise, Nonlinear Flight Control Using Neural Networks, Journal of Guidance ,Control, and Dynamics, Vol. 20,1997
[5] J.V.R Prasad, A.J. Calise, Y. Pei, and J.E. Corban, Adaptive Nonlinear Controller Synthesis and flight Test Evaluation On an Unmanned Helicopter, IEEE International Conference on Control Applications, 1999
[6] RolfT. Rysdyk, and Anthony J. Calise, Adaptive Model Inversion Flight Control for Tiltrotor Aircraft, American Helicopter Society 54th Annual Forum, 1998:20-22
[7] Moshe Idan, Matthew Johnson, Anthony J. Calise, and John Kaneshige, Intellegent Aerodynamic/Propulsion Flight Control for Flight Safety: A Nonlinear Adaptive Approach, Faculty of Aerospace Engineering, Technion
[8] Michael B. McFarland, and Anthony J. Calise, Neural Networks for Stable Adaptive Control of Air-To-Air Missiles, AIAA Guidance, Navigation and Control Conference, 1995
[9] Jesse Leitner, Anthony Calise,and J.V.R. Prasad, Analysis of Adaptive Neural Networks for Helicopter Flight Control, AIAA Guidance, Navigation and Control Conference, 1995
[10] Joseph J. Totah, Adaptive Flight Control and On-Line Learning, AIAA-97-3537
[11] Byoung S., Anthony J. Calise, Nonlinear Flight Control Using Neural Networks, AIAA Journal of Guidance, Control and Dynamics, Vol. 20, No. 1, 1997
[12] Anthony J. Calise, Rolf T. Rysdyk, Nonlinear Adaptive Flight Control Using Neural Networks, IEEE Control Systems Magazine, Vol. 18, No. 6, 1998:14-25
[13] 蒋新桐，武装直升机文集，航空工业总公司第602研究所，1996．6
[14] 张安，周志刚，航空综合火力控制原理，西北工业大学出版社，1997
[15] 韩曾晋，自适应控制，清华大学出版社，1995
[16] [美]B．威德罗，自适应逆控制，西安交通大学大学出版社，2000年
[17] 曹建福，韩崇昭，方洋旺，非线性系统理论及应用，西安交通大学出版社，2001
[18] 姜长生，孙隆和，吴庆宪等，线性系统理论与鲁棒控制，航空工业出版社，1998
[19] 姜长生，吴庆宪，智能控制及应用，南京航空航天大学教材，1997
[20] 薛定宇，控制系统计算机辅助设计—Matlab语言及应用，清华大学出版社，1996
[21] 黄一敏，郭锁凤，直升机控制系统的内／外回路设计概念及其应用，南京航空航天大学学报，Vol．31 No．3 Jun．1999
[22] 刘淑祥，郭锁凤，徐肖豪，基于动态逆的神经网络超机动飞行控制，航空学报，1997，18(1)
[23] 阮晓刚，郭锁凤，非线性动态逆神经元解耦飞行控制方法，航空学报，1997，18(1)
[24] 徐军，张明廉，屠巴宁，非线性动态逆在飞行控制系统应用中的几个问题研究，航空学报，1997，18(2)
[25] 张立，新一代战斗机飞行控制系统及三维实时分布式仿真平台研究，南京航空航天大学硕士学位论文，2000
[26] 苏丙未，万胜，陈欣，杨一栋，一种基于动态逆的控制方案在无人机中的应用研究，南京航空航天大学学报，2000，32(6)
[27] 郭树军，直升机超机动飞行的神经网络控制研究，南京航空航天大学博士论文，2000
[28] 刘延年，冯纯伯，神经网络在控制领域中的应用，东南大学学报，1994，24(1)
[29] 戴晓珑，孙一康，神经网络控制系统的研究概况，冶金自动化，1994，18(2)
[30] 张谦，基于神经网络的模糊控制及其应用，郑州纺织工学院学报，1994，5(2)
[31] 钱大群，孙振飞，神经网络的知识获取与行为解释，自动化学报，1994，20(3)
[32] 刘军，常小军，刘建，神经网络原理及在控制中的应用，青岛化工学院学报，1994，15(2)
[33] 黄国建，王建华，芦国强，提高人工神经网络BP算法收敛速度的几种方法，1994，8(2)
[34] 李望超，李金艳，用三层网络逼近任何连续函数，河北工学院学报，1994，23(4)
[35] 赵明旺，一种具有自学习能力的神经网络规则基控制方法，信息与控制，1994，23(6)
[36] 谭永红，基于BP神经网络的自适应控制，控制理论与应用，1994，11(1)
[37] 何耀华，夏志忠，BP网络的快速自适应学习算法，系统工程理论与实践，2000，1
[38] 王殿辉，柴天佑，一个基于神经网络模型的鲁棒自适应控制算法，自动化学报，1996，22(4)
[39] 徐丽娜，神经网络控制，哈尔滨工业大学出版社，1999
[40] 姜广伦，安锦文，戴宁，直升机控制增稳系统的一种综合设计方法，航空学报，1997，18(5)
[41] 唐永哲，直升机鲁棒控制器的设计研究，航空学报，1996，17(6)
[42] 王艳东，程鹏，直升机飞行控制系统鲁棒PI解耦设计，航空学报，1996，17(1)
[43] 蔡世龙，第四代战斗机超机动飞行智能控制及半实物分布式仿真平台研究，南京航空航天大学硕士论文，2002
[44] 钱华，武装直升机空中攻击恶劣环境下空空导弹发射过程研究，南京航空航天大学硕士论文，2002
[45] 程正兴，武铁敦，小波的发展与应用，微机发展，No．5，1994
[46] 陈哲，冯天瑾，小波神经网络研究进展及展望，青岛海洋大学学报，1999，29(4)
[47] 谭永红，党选举，梁峰，基于动态小波神经网络的非线性动态系统辨识，系统仿真学报，Vol．13 Suppl., August 2001
[48] 张锐，武装直升机大机动、高敏捷性神经网络鲁棒自适应飞行控制研究，南京航空航天大学
博士论文，2002
[49] 方浩，薛培鼎，冯祖仁，一种基于小波神经网络的自适应控制方法，西安交通大学学报，2000，34(2)
[50] 黄凤岗，孙文彦，王莹，一种自适应的小波神经网络，电子学报，Vol．26 No．8，Aug．1998
[51] 蔡念，胡匡祜，李淑宇，苏万芳，小波神经网络及其应用，中国体视学与图像分析，2001，6(4)
[52] 沈雪勤，丁宇新，小波变换与小波神经元的选择，河北工业大学学报，1996，25(2)
[53] 王群仙，李少远，李俊芳，小波分析及其在控制中的应用，控制与决策，2000，15(4)
[54] 韩璞，张海琳，张丽静，神经网络自适应逆控制的仿真研究，华北电力大学学报，2001，28(3)
[55] 郭树军，模糊控制利神经网络在武装直升机综合火力/飞行控制系统设计中的应用，南京航空航天大学研究生硕士学位论文，1997
[56] 丛爽，面向MATLAB工具箱的神经网络理论与应用，合肥：中国科学技术大学出版社 1998
[57] 姜长生，郭树军，孙隆和等，先进武装直升机一种新型组合智能飞控系统和火／飞综合系统的设计与仿真，航空学报，Vol．19，No．6，1998：719-725
[58] 姜长生，郭树军，王丕宏，扬克明，孙隆和，先进武装直升机一种新型组合智能飞控系统和火/飞综合系统的设计与仿真，航空学报，1998，19(6)
[59] 姜长生，郭树军，正丕宏，扬克明，孙隆和，一种直升机的组合智能飞行控制系统的设计，南京航空航天大学学报，1999，31(2)
[60] 夏世芬，一种神经网络自适应PID控制器，西南交通大学学报，Vol．33 No．6，Dec，1998，P710～715
[61] 朱文革，人工神经网络与小波变换，复旦学报(自然科学版)，1996，35(1)
[62] 李士勇等，模糊控制和智能控制理论与应用，哈尔滨工业大学出版社，1990