基于神经网络的负载模拟器控制方法研究
|
摘要
负载模拟器是半实物仿真实验室中模拟无人机等飞行器在飞行中舵面所受空气动力载荷的重要设备。它为飞行器提供性能试验数据，同时也为新技术的应用提供可靠的实验资料。随着国防工业的发展及新型武器系统研制的需要，对此类伺服系统的需求越来越多，并且对其性能指标要求也越来越高。论文的目的就是提出一种更有效的提高控制系统性能的方法。
衡量负载模拟器系统性能的关键指标是多余力矩的抑制。论文从介绍以往消除多余力矩的方法开始，分析了多余力矩的产生原理以及影响多余力矩的因素。针对多余力矩严重影响施力系统动态加载性能的特点，依据神经网络的非线性逼近和自学习特性，提出一种基于神经网络的复合控制方法宋提高系统性能。文中给出了具体的控制结构和算法。通过仿真可以看出，复合控制器利用神经网络进行在线辨识、控制，基本消除多余力矩，系统动态性能得到改善，仿真效果令人满意。在某型无人机负载模拟器中的应用表明，该方法极大的改善了系统动态加载性能，有很强的鲁棒性。
Load simulator was an important simulation system in hardware-in-loop flight simulation laboratory, which could simulate aerodynamic loads acting on flight vehicle, such as unmanned aerial vehicle, planes. It was one of most important devices in the whole flight vehicle simulation system. It afforded datum, which were contributed to the use of new flight vehicle. With the development of national defence industry, load simulator was becoming more and more important. In this thesis, a method that could improve the system performances of the load simulator has been given.
How to eliminate the surplus torque of a loading system was one of the key problems to design a load simulator. First, in the thesis some effective control methods were introduced to eliminate the surplus torque. Then the principle of surplus torque was analyzed in detail, and some factors that influenced the surplus torque were given. Based on the learning characteristic of neural network and the function approximation ability of the neural networks, a hybrid control based on neural networks was proposed. The application results of the unmanned aerial vehicle load simulator showed that the proposed controller could eliminate the surplus torque effectively and improve the dynamic loading performances of the load simulator fairly. In addition, the results showed that the proposed controller was of fine robustness to unknown external load disturbances.
衡量负载模拟器系统性能的关键指标是多余力矩的抑制。论文从介绍以往消除多余力矩的方法开始，分析了多余力矩的产生原理以及影响多余力矩的因素。针对多余力矩严重影响施力系统动态加载性能的特点，依据神经网络的非线性逼近和自学习特性，提出一种基于神经网络的复合控制方法宋提高系统性能。文中给出了具体的控制结构和算法。通过仿真可以看出，复合控制器利用神经网络进行在线辨识、控制，基本消除多余力矩，系统动态性能得到改善，仿真效果令人满意。在某型无人机负载模拟器中的应用表明，该方法极大的改善了系统动态加载性能，有很强的鲁棒性。
Load simulator was an important simulation system in hardware-in-loop flight simulation laboratory, which could simulate aerodynamic loads acting on flight vehicle, such as unmanned aerial vehicle, planes. It was one of most important devices in the whole flight vehicle simulation system. It afforded datum, which were contributed to the use of new flight vehicle. With the development of national defence industry, load simulator was becoming more and more important. In this thesis, a method that could improve the system performances of the load simulator has been given.
How to eliminate the surplus torque of a loading system was one of the key problems to design a load simulator. First, in the thesis some effective control methods were introduced to eliminate the surplus torque. Then the principle of surplus torque was analyzed in detail, and some factors that influenced the surplus torque were given. Based on the learning characteristic of neural network and the function approximation ability of the neural networks, a hybrid control based on neural networks was proposed. The application results of the unmanned aerial vehicle load simulator showed that the proposed controller could eliminate the surplus torque effectively and improve the dynamic loading performances of the load simulator fairly. In addition, the results showed that the proposed controller was of fine robustness to unknown external load disturbances.
引文
[1] (美)Martin T．Hagan，Howard B．Demuth，Mark H．Beale著，神经网络设计，机械工业出版社，2002年9月
[2] 张乃尧等编著，神经网络与模糊控制，清华大学出版社，1998年10月
[3] Psaltis, D. and Yamamure, A.. A Multilayered Neural Network Controller, IEEE Control Syst. Mag, 1988, 8(2): 17-21
[4] Saeren, M. and Soquet, A Neural Controller. 1st lEE Int. Conf on Artificial Neural Networks, 1989, 211-215
[5] Hecht-Nislsen, R.. Theory of the Backpropagation Neural Network. IJCNN'89,1389, 1:593-606
[6] Karayiannis N.B and Venesanopoulous A N. Artificial Neural Networks, learning Algorithms, Performance Evaluation and Applications Kluwer Acadamic Publishers, 1993
[7] E.L. Ortiz and T.J. Rivilin(Eds.), Approximation Theory and Applications. Computers & Mathematics With applications, Vol.41 No.9 May.2001
[8] Rumelhart D E. Learning Representations by Backpropagating Errors[J]. Nature, 1986,323(9):533-536
[9] Friedrich B K, Barmann F. A Learning Algorithms for Multilayered Neural Networks Based on Linear Least Square Problems[J] .Neural Networks,1993,4(6): 127-145
[10] 王永骥，涂健著，神经元网络控制，机械工业出版社1999年7月
[11] 焦李成著，神经网络计算，西安电子科技大学出版社1993年5月
[12] 焦李成，王熙法等著，神经网络与神经计算机，科学出版社1992年12月
[13] 飞思科技产品研发中心著，MATLAB6.5辅助神经网络分析与设计，电子工业出版社，2003年
[14] 薛定宇，控制系统计算机辅助分析—MATLAB语言及应用，清华大学出版社，1996年
[15] 胡寿松，自动控制原理，国防工业出版社，1987年
[16] 王鉴光，电机控制系统，机械工业出版社，2000年
[17] 陈隆昌、阎治要、刘新正，控制电机，西安电子工业大学出版社，2001年
[18] 王季秩，曲家骥，执行电动机，机械工业出版社，1998年6月
[19] 胡广书著，数字信号处理——理论、算法与实现，清华大学出版社，1996年
[20] 魏东，潘兴华．人工神经网络及其在非线性系统控制中的应用．北京建筑工程学院学报．2002，18(1)：63-68
[21] 叶东毅，BP网络的一个非单调学习算法，模式识别与人工智能，1997，10(3)：221-225
[22] 张秀玲，高美静，基于快速BP算法的非线性系统神经网络自校正控制器，自动化与仪器仪表，2001(5)：17-19
[23] 林文曦，叶东毅，基于BP神经网络的智能控制器，福州大学学报(自然科学版)1994，27(2)：13-17
[24] 沈瑛，张翠芳，基于BP神经网络的模型参考自适应控制，西南交通大学学报，2001，36(5)：553-556
[25] 贺敬凯，徐建闽，基于BP神经网络的入口匝道控制器的设计，华南理工大学学报(自然科学版)2002，30(7)：24-27
[26] 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)：84-89
[27] 叶正茂，李洪人等，基于CMAC的船舶操舵系统负载模拟器复合控制，工程设计学报，2002，9(3)：147-150
[28] 刘刚，一种综合改进的BP神经网络及其实现，武汉理工大学学报，2002，24(10)：57-60
[29] 刘延峰，X型航空发动机神经网络控制研究，西北工业大学硕士论文，2003
[30] 赵进军，基于DSP的力矩电机伺服加载系统研究，西北工业大学硕士论文，2003
[31] 蒋志明，李锋等，电液位置伺服系统的高精度神经网络控制研究，机床与液压，2001．4：50-52
[32] 沙道航，杨华勇，电液系统神经网络自适应控制的研究，系统工程理论与实践，1999，7：17-25
[33] 姜佩东，苏东海等，被动式加载系统多余力分析，沈阳工业大学学报，2000，22(3)：186-188
[34] 苏东海，刘峰等，被动式加载系统多余力矩的本质特征分析，沈阳工业大学学报，2001，23(6)：449-451
[35] 裴忠才，王占林等，电液负载仿真台加载系统的校正与综合，机床与液压，2000，3：18-19
[36] 翟传润，赵克定，基于CMAC的电液伺服飞行模拟器复合控制，机床与液压，1999，6：15-19
[37] 李运华，负载模拟器多余力矩的抑制方法研究，机床与液压，1999，2：27-30
[38] 李运华，焦宗夏，舵机力矩负载模拟器的混合控制方法研究，航空学报，1998，19(7)：s60-s65
[39] 葛思擘，袁朝辉，消除电液伺服加载系统多余力的有效方法——速度补偿法，机床与液压，1997，3：17-19
[40] 王占林著，液压伺服系统，北京航空航天大学出版社，1987年10月
[2] 张乃尧等编著，神经网络与模糊控制，清华大学出版社，1998年10月
[3] Psaltis, D. and Yamamure, A.. A Multilayered Neural Network Controller, IEEE Control Syst. Mag, 1988, 8(2): 17-21
[4] Saeren, M. and Soquet, A Neural Controller. 1st lEE Int. Conf on Artificial Neural Networks, 1989, 211-215
[5] Hecht-Nislsen, R.. Theory of the Backpropagation Neural Network. IJCNN'89,1389, 1:593-606
[6] Karayiannis N.B and Venesanopoulous A N. Artificial Neural Networks, learning Algorithms, Performance Evaluation and Applications Kluwer Acadamic Publishers, 1993
[7] E.L. Ortiz and T.J. Rivilin(Eds.), Approximation Theory and Applications. Computers & Mathematics With applications, Vol.41 No.9 May.2001
[8] Rumelhart D E. Learning Representations by Backpropagating Errors[J]. Nature, 1986,323(9):533-536
[9] Friedrich B K, Barmann F. A Learning Algorithms for Multilayered Neural Networks Based on Linear Least Square Problems[J] .Neural Networks,1993,4(6): 127-145
[10] 王永骥，涂健著，神经元网络控制，机械工业出版社1999年7月
[11] 焦李成著，神经网络计算，西安电子科技大学出版社1993年5月
[12] 焦李成，王熙法等著，神经网络与神经计算机，科学出版社1992年12月
[13] 飞思科技产品研发中心著，MATLAB6.5辅助神经网络分析与设计，电子工业出版社，2003年
[14] 薛定宇，控制系统计算机辅助分析—MATLAB语言及应用，清华大学出版社，1996年
[15] 胡寿松，自动控制原理，国防工业出版社，1987年
[16] 王鉴光，电机控制系统，机械工业出版社，2000年
[17] 陈隆昌、阎治要、刘新正，控制电机，西安电子工业大学出版社，2001年
[18] 王季秩，曲家骥，执行电动机，机械工业出版社，1998年6月
[19] 胡广书著，数字信号处理——理论、算法与实现，清华大学出版社，1996年
[20] 魏东，潘兴华．人工神经网络及其在非线性系统控制中的应用．北京建筑工程学院学报．2002，18(1)：63-68
[21] 叶东毅，BP网络的一个非单调学习算法，模式识别与人工智能，1997，10(3)：221-225
[22] 张秀玲，高美静，基于快速BP算法的非线性系统神经网络自校正控制器，自动化与仪器仪表，2001(5)：17-19
[23] 林文曦，叶东毅，基于BP神经网络的智能控制器，福州大学学报(自然科学版)1994，27(2)：13-17
[24] 沈瑛，张翠芳，基于BP神经网络的模型参考自适应控制，西南交通大学学报，2001，36(5)：553-556
[25] 贺敬凯，徐建闽，基于BP神经网络的入口匝道控制器的设计，华南理工大学学报(自然科学版)2002，30(7)：24-27
[26] 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)：84-89
[27] 叶正茂，李洪人等，基于CMAC的船舶操舵系统负载模拟器复合控制，工程设计学报，2002，9(3)：147-150
[28] 刘刚，一种综合改进的BP神经网络及其实现，武汉理工大学学报，2002，24(10)：57-60
[29] 刘延峰，X型航空发动机神经网络控制研究，西北工业大学硕士论文，2003
[30] 赵进军，基于DSP的力矩电机伺服加载系统研究，西北工业大学硕士论文，2003
[31] 蒋志明，李锋等，电液位置伺服系统的高精度神经网络控制研究，机床与液压，2001．4：50-52
[32] 沙道航，杨华勇，电液系统神经网络自适应控制的研究，系统工程理论与实践，1999，7：17-25
[33] 姜佩东，苏东海等，被动式加载系统多余力分析，沈阳工业大学学报，2000，22(3)：186-188
[34] 苏东海，刘峰等，被动式加载系统多余力矩的本质特征分析，沈阳工业大学学报，2001，23(6)：449-451
[35] 裴忠才，王占林等，电液负载仿真台加载系统的校正与综合，机床与液压，2000，3：18-19
[36] 翟传润，赵克定，基于CMAC的电液伺服飞行模拟器复合控制，机床与液压，1999，6：15-19
[37] 李运华，负载模拟器多余力矩的抑制方法研究，机床与液压，1999，2：27-30
[38] 李运华，焦宗夏，舵机力矩负载模拟器的混合控制方法研究，航空学报，1998，19(7)：s60-s65
[39] 葛思擘，袁朝辉，消除电液伺服加载系统多余力的有效方法——速度补偿法，机床与液压，1997，3：17-19
[40] 王占林著，液压伺服系统，北京航空航天大学出版社，1987年10月