一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

一种混合神经网络飞行控制方法研究

讨论了一种基于神经网络控制的飞行控制方法。针对复杂非线性系统难以建立精确模型的特点,利用神经网络的任意非线性逼近能力进行控制器设计,首先应用神经网络在线辨识对象逆模型,进行控制系统反馈线性化;接着利用circle theorem（圆定理）设计线性PID鲁棒控制器,控制系统输出跟随系统输入,然后应用神经网路自适应逆方法设计混合控制器,最后以F-8飞机纵向飞行控制模态为研究对象进行仿真。仿真结果表明,该控制方法具有较强的自适应和抗干扰能力。     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

基于自适应逆的鲁棒容错飞行控制方法研究

研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.     

基于神经网络的鲁棒自适应逆飞行控制

提出基于在线神经网络的超机动飞行自适应动态逆鲁棒控制方法.超机动飞行的基本控制律采用非线性动态逆方法设计,对于建模误差或者控制面损伤等因素导致的不确定性逆误差采用神经网络进行自适应补偿.通过动态逆控制律简化计算和飞机控制面故障自适应修复的仿真表明,神经网络通过在线补偿逆误差,能够有效降低非线性动态逆对模型准确性的要求,增强控制系统的鲁棒性.     

无人旋转翼飞机系统的神经网络控制

针对无人旋转翼飞机系统的不稳定及其强耦合的特点,提出了用两个神经网络来实现对系统控制。其中一个神经网络用来完成系统的不稳定性到稳定性的转化;第二个网络作为飞机系统的逆系统来实现对飞机系统的控制。用Matlab进行仿真的结果,证明了这一控制方法的正确性。     

RBF-PID控制在防滑刹车系统中的应用研究

为了研究飞机防滑刹车系统,在分析滑移率控制式飞机防滑刹车系统的工作原理基础上,将基于RBF神经网络算法的PID控制方法引入飞机防滑刹车系统中,实现最佳滑移率式的飞机防滑刹车控制.以某型飞机为例,针对不同的跑道(干、湿、冰)情况,将该方法和传统的PID控制方法在MATLAB环境下进行了数字仿真,仿真结果表明:基于RBF神经网络PID的控制方法较传统的PID控制方法,有更好的刹车控制效果,并具有较强的鲁棒性;采用基于滑移率式的RBF神经网络PID控制可以大大地提高飞机防滑刹车效率,为飞机防滑刹车系统的控制提供一条新的思路.     

倾转翼飞机过渡段定高飞行控制研究

针对倾转翼飞机过渡段控制存在的时变、欠驱动、强耦合等非线性特点,采用滑模控制来对其进行控制,然后在此基础上引入RBF神经网络,利用其非线性映射能力有效解决了滑模控制中存在的误差问题,进一步改善了系统的动态性能。研究表明,采用基于RBF神经网络的滑模控制方法,可有效提高倾转翼飞机过渡段定高飞行的控制精度,同时也证明了在处理时变、欠驱动、强耦合的非线性系统时,滑模控制与神经网络结合具有其独特的优势。     

动物细胞悬浮培养过程神经网络逆解耦控制

动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式。而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串接在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成三个子系统：一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题。仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对给定输入实现了高性能跟踪控制。     

基于LabVIEW的神经网络自适应逆控制系统

目前基于人工神经网络的非线性自适应逆控制研究主要集中在Matlab仿真研究方面,无法直接推广为实际应用。为此,采用基于LabVIEW的动态神经网络非线性自适应逆控制方法,首先在LabVIEW中建立动态神经网络结构及在线学习算法,并依此建立非线性对象的辨识器和逆控制器等模型;然后构建完整的非线性对象自适应逆控制系统,并在LabVIEW环境中通过仿真验证了系统性能。通过配置相应的数据采集设备,该系统可以直接推广为实际应用。     

一类非线性大滞后系统的智能前馈控制策略与算法

针对工业控制中一类常见的非线性大滞后对象,本文提出一种基于仿人智能策略的前馈组合控制器.前馈控制部分通过在线优化滞后参数估计值来获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,从而可以在线调整网络权值.基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态.仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能.仿真表明,这种控制方法可取得较好的控制效果.     

多变量非线性飞行控制系统的神经网络动态逆控制方法

针对多变量非线性飞行控制系统,从理论上对其逆系统的解析形式进行了详细推导,根据神经网络逼近逆系统的原理分析,提出了一种由静态神经网络和积分器组成的动态神经网络,构造了多变量非线性飞行控制系统的神经网络动态逆控制系统,并利用动力伞飞行控制系统进行了仿真验证,结果表明这种控制方法完全满足控制要求,具有较好的抗干扰能力和鲁棒性能。     

基于复合正交神经网络的自适应逆控制系统

目前，在自适应逆控制系统中常采用BP神经网络，而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足，但由于正交神经网络学习算法存在某些局限性，提出了一种复合正交神经网络，该正交网络结构与三层前向正交网络相同，不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数，该神经网络算法简单，学习收敛速度快，并能对网络的函数参数进行优化，为非线性系统的动态建模提供了一种方法。仿真实验表明，网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性，有线性、非线性逼近精度高等优异特性，非常适合于实时控制系统。     

半导体泵浦固体激光器智能温控策略与算法研究

针对半导体泵浦固体激光器温度控制过程中存在的非线性、大滞后特性,提出一种基于仿人智能策略的前馈组合控制器。前馈控制部分通过在线优化滞后参数估计值以获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,可以在线调整网络权值。基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态。仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能。仿真表明,该方法可取得较好的控制效果。     

Neural Network Based Feedback Linearization Control of an Unmanned Aerial Vehicle

This paper presents a flight control design for an unmanned aerial vehicle (UAV) using a nonlinear autoregressive moving average (NARMA-L2) neural network based feedback linearization and output redefinition technique.The UAV investigated is non- minimum phase.The output redefinition technique is used in such a way that the resulting system to be inverted is a minimum phase system.The NARMA-L2 neural network is trained off-line for forward dynamics of the UAV model with redefined output and is then inverted to force the real output to approximately track a command input.Simulation results show that the proposed approaches have good performance.     

基于分散神经网络的多指灵巧手位置控制

针对多指灵巧手钢缆传动系统的非线性，提出一种基于分散神经网络的位置控制方法．通过 对复杂的钢缆传动系统施加不同的输入可以得到特定的相对简单的输入输出数据，利用这种 特定的输入输出数据学习传动系统的非线性关系得到多个分散的神经网络，再根据传动系统 的结构特性用分散的神经网络求取钢缆传动系统的逆模型，用于直接逆控制，从而达到补偿 非线性误差的目的．同时应用在线神经网络的适时补偿使系统长时间保持良好的运行状态． 实验证明这种方法可大大提高位置跟踪精度，取得比较满意的结果．     

基于新型动态神经元网络的逆系统方法

针对提高逆系统建模中神经网络的逼近效果和动态性能问题,根据PID神经元网络工作原理,提出一种具有动态激励函数的新型PID神经元模型—输出反馈型PID神经元(OFPID),输出激励采用连续的Sigmoidal函数,使神经元具有等效的IIR突触,采用梯度下降法实现OFPID神经元网络的权值调整,将其应用于非线性系统的神经网络逆控制系统,从而提高非线性系统的解耦效果和控制性能。仿真实验证明,提出的新型神经元网络是一种良好的非线性系统建模和控制工具。