基于智能控制的多操纵面飞行器控制分配研究

基于智能控制的多操纵面飞行器控制分配研究

ID:46625687

大小:1.94 MB

页数:4页

时间:2019-11-26

基于智能控制的多操纵面飞行器控制分配研究_第1页
基于智能控制的多操纵面飞行器控制分配研究_第2页
基于智能控制的多操纵面飞行器控制分配研究_第3页
基于智能控制的多操纵面飞行器控制分配研究_第4页
资源描述:

《基于智能控制的多操纵面飞行器控制分配研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第33卷第06期计算机仿真2016年6月文章编号:1006—9348(2016)06-0019-04基于智能控制的多操纵面飞行器控制分配研究李丽荣1,刘春生1,韩璞2(1.南京航空航天大学自动化学院,南京210016;2.华北电力大学控制与计算机工程学院,保定071003)摘要:由于气动布局发生了改变,很多飞行器均采用多操纵面结构。合理地组合多个操纵面,可以让飞行器在不同的飞行环境和飞行任务中适应飞行,同时在某一个或几个操纵面发生故障的情况下,剩余正常的操纵面能够重新组合,补偿失效的操纵面,使飞行器能够保持正常飞行状

2、态。控制分配是解决多操纵面飞行器冗余控制最有效的方式之一,通过控制分配可以有效解决多操纵面飞行器综合分配以及协调操纵等问题。本文基于粒子群算法,蚁群算法和RBF神经网络三种智能算法对多操纵面飞行器控制分配方法进行了仿真研究,仿真结果表明RBF神经网络具有较高的精度和速度,能很好地处理多操纵面飞行器控制分配问题。关键词:神经网络;智能算法;控制分配;多操纵面飞行器中圈分类号:V249.1文献标识码:BResearchofControlAllocationofMulti—.ControlSurfacesAircraftB

3、asedonIntelligentControlLILi—ron91,LUChun—shen91,HANPu2(1.CofiegeofAutomationEngineering,NanjingUniversityofAeronautics&Astronautics,Nanjing210016,China;2.CoUegeofControlandComputerEngineefing,NoAhChinaElectricPowerUniversity,Baoding071003,China)ABSTRACT:Duetot

4、heaerodynamiclayoutchanges,mostofthemodernaircraftshavemulti—controlsurfacestruc-tures.RationalcombinationofvariOUScontrolsurfacescanbeadaptedtotheflightofdifferentmissionsandenviron·ments.Theremainingnormalcontrolsurfacescallbereassembledinthecaseofoneorsevera

5、lcontrolsurfacefail-ares,sothattheaircraftCanmaintainnormalflightconditions.Basedonparticleswarnloptimization,antcolonyal—gorithmandRBFneuralnetwork.thesimulationresearchofcontrolallocationiScarriedon.TheresultsshowthattheRBFneuralnetworkhashi【ghprecisionandspe

6、ed,Canwelldealwithaircraftcontrolallocationproblemofmulti—controlsurfacesaircraft.KEYWORDS:neuralnetwork;intelligentalgorithm;controlallocation;multi—controlsurfacesaircraft1引言随着科学技术的发展,现代飞行器的气动布局发生了巨大的改变,高效并且先进的气动布局是现代飞行器的未来发展趋势。单独使用副翼、升降舵和方向舵三个操纵面早已不能满足现代飞行器的

7、性能和战术要求,现代飞行器一般都使用十几个甚至更多的操纵面来进行控制,这大大提高了飞行器的可控性能以及飞行器在受损或故障时的幸存几率。为解决操纵面数量多于期望操纵力矩的冗余问题,必须在多操纵面飞行器的飞行控制系统中引入控制分配环节,实时地将收稿13期:2016—03—27控制律所要求的操纵力矩分配给相关的操纵面,使飞机能够精确地完成飞行作战任务。用于控制分配的方法主要有广义逆方法、直接分配方法、线性规划和二次规划方法、动态控制分配方法等。本文基于粒子群算法,蚁群算法和RBF神经网络三种智能算法对多操纵面飞行器控制分配

8、方法进行了仿真研究。2算法简介2.1蚁群算法蚁群算法(antcolonyoptimization,ACO),又称为蚂蚁算法,是一种模拟进化算法,它由MarcoDorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发一】9一现路径的行为。蚂蚁在觅食的时候会在自己的路径上留下信息素,告知同伴这里有食物或者没有食物,而后来的蚂

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。