基于神经网络的模型参考飞控系统容错控制

2012年03月07日16:21:24 本网站我要评论(2)字号：T | T | T

常　锋，杨　蒲，姜　斌
南京航空航天大学自动化学院，江苏南京

摘　　　要：针对飞控动态系统故障状态下安全飞行问题，提出了一种基于神经网络动态补偿的模型参考鲁棒容错控制方法。在经典ＲＢＦ网络控制基础之上，设计了一种改进的神经网络结构，通过添加直接输入输出线性环节，应用较近邻聚类和新的自适应Ｃ均值聚类法训练改进后的神经网络，以及在线调整神经网络的权值和阈值，提高了网络的收敛速度和泛化能力，达到了飞控系统在线实时快速容错控制和抗干扰的目的。同时，证明了该闭环鲁棒容错控制算法的稳定性。在波音７４７１００／２００模型上仿真实验表明了该方法的有效性和可行性。

关　键　词：ＲＢＦ神经网络；容错控制；模型参考；飞控系统

１　引　言
大型飞机尤其是客机，飞行安全非常重要，这对飞控系统提出了很高的要求。容错控制研究目标之一就是提高飞机的生存性和对一系列异常操作状况的鲁棒性，在飞行系统发生故障或存在外部扰动时，能够保证飞机的生存和较理想的飞行特性［１］。基于模型参考的自适应控制是通过选择合适的参考模型以及控制器前馈增益和反馈增益的自适应机制来实现系统输出跟随参考模型输出［２］。但系统发生故障和存在外部扰动时，模型参考自适应控制的全局稳定性很难得到保证。近年来，实时在线稳定的神经网络自适应控制成为解决复杂非线性系统控制的有效途径［３４］。这些神经网络控制器大都采用局部泛化神经网络，如ＲＢＦ网络。ＲＢＦ网络在逼近能力、学习速度等方面优于ＢＰ网络，具有很强的非线性映射功能，但ＲＢＦ网络外推能力不足［５］。

登录网站后可下载文件

基于神经网络的模型参考飞控系统容错控制

相关阅读: