基于人工神經(jīng)網(wǎng)絡(luò)的駕駛員操縱行為模型

顏世偉, 高正紅

(西北工業(yè)大學(xué) 航空學(xué)院 , 陜西 西安 710072)

基于人工神經(jīng)網(wǎng)絡(luò)的駕駛員操縱行為模型

顏世偉, 高正紅

(西北工業(yè)大學(xué) 航空學(xué)院 , 陜西 西安 710072)

駕駛員操縱行為受到自身、外界環(huán)境和被控對(duì)象等多方面的影響,因此駕駛員模型具有非線性的特征。神經(jīng)網(wǎng)絡(luò)模型克服了擬線性模型不能反映駕駛員非線性操縱的問(wèn)題。為了獲得建立模型的數(shù)據(jù),利用地面模擬器使飛行員對(duì)一系列指令進(jìn)行精確跟蹤。獲得的指令、飛機(jī)狀態(tài)和駕駛員輸入信息等參數(shù)即可作為神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本。神經(jīng)網(wǎng)絡(luò)駕駛員模型的訓(xùn)練和測(cè)試結(jié)果表明,該建模方法是合理、準(zhǔn)確的,可以應(yīng)用于人機(jī)閉環(huán)系統(tǒng)中駕駛員操縱的研究。

人機(jī)系統(tǒng); 駕駛員模型; 人工神經(jīng)網(wǎng)絡(luò); 地面模擬器

引言

駕駛員模型研究在人機(jī)系統(tǒng)飛行品質(zhì)和駕駛員誘發(fā)振蕩(Pilot Induced Oscillation, PIO)等方面都有廣泛的應(yīng)用。在由駕駛員、飛機(jī)組成的人機(jī)系統(tǒng)中,“飛機(jī)”還包括飛機(jī)運(yùn)行中的各類顯示裝置和操縱裝置。駕駛員通過(guò)本身的感受和顯示裝置的指示了解飛機(jī)的運(yùn)行情況,并根據(jù)任務(wù)的需要,通過(guò)操縱系統(tǒng)對(duì)飛機(jī)運(yùn)行進(jìn)行控制。盡管人的各種特質(zhì),如情緒、想象力等影響操縱行為的特征無(wú)法用數(shù)學(xué)模型來(lái)加以描述,但在某些具體的飛行任務(wù)中駕駛員的操縱行為是可以模型化的。因?yàn)樵谶@些任務(wù)中駕駛員的操縱行為受到飛機(jī)和任務(wù)等條件的限制,操縱行為會(huì)體現(xiàn)出某種規(guī)律性,而這種規(guī)律性就為駕駛員控制的數(shù)學(xué)模型化提供了基礎(chǔ)[1]。

在擬線性駕駛員模型研究中,McRuer等人在對(duì)大量單自由度補(bǔ)償任務(wù)研究的基礎(chǔ)上建立了McRuer駕駛員控制模型。Baron,Kleinmen等人利用現(xiàn)代控制理論建立了最優(yōu)控制模型。為了能建立更準(zhǔn)確的反應(yīng)駕駛員的控制特性和方便在飛行品質(zhì)評(píng)估中使用的駕駛員模型,以及隨著神經(jīng)網(wǎng)絡(luò)理論的發(fā)展,人們提出了神經(jīng)網(wǎng)絡(luò)駕駛員模型。下面將對(duì)神經(jīng)網(wǎng)絡(luò)駕駛員模型進(jìn)行探討,并進(jìn)一步發(fā)展和驗(yàn)證這種模型。

1 駕駛員操縱行為模式與駕駛員模型

1.1 駕駛員操縱行為模式

大量的實(shí)踐表明,駕駛員通常采用兩種方式操縱飛機(jī),這兩種方式模型化后可表示為:開環(huán)操縱和閉環(huán)操縱。對(duì)于不需要精確控制飛機(jī)飛行速度、姿態(tài)和航跡的飛行狀態(tài),例如爬升、下降、巡航等,駕駛員一般通過(guò)操縱飛機(jī)的油門桿和駕駛桿來(lái)改變飛機(jī)的運(yùn)動(dòng),而運(yùn)動(dòng)參數(shù)的變化并不能及時(shí)地影響駕駛員的操縱。在這種情況下,由駕駛員、操縱系統(tǒng)和飛機(jī)這幾個(gè)環(huán)節(jié)組成的這一串聯(lián)系統(tǒng),不形成封閉回路,稱為開環(huán)系統(tǒng)。

與之對(duì)應(yīng)的,對(duì)于需要精確控制飛機(jī)飛行速度、姿態(tài)和航跡的飛行狀態(tài),例如編隊(duì)、空戰(zhàn)等,駕駛員要隨時(shí)注意飛機(jī)運(yùn)動(dòng)參數(shù)的變化,反復(fù)地調(diào)整油門位置和駕駛桿,以及時(shí)修正飛機(jī)的姿態(tài),達(dá)到精確操縱的目的。在這種操縱方式中,通過(guò)飛機(jī)運(yùn)動(dòng)參數(shù)的反饋使駕駛員、操縱(控制)系統(tǒng)和飛機(jī)這三個(gè)環(huán)節(jié)形成了閉環(huán)回路,稱為閉環(huán)系統(tǒng)。這時(shí),駕駛員所施加的操縱是按照飛機(jī)運(yùn)動(dòng)參數(shù)的變化而及時(shí)調(diào)整的,從而能達(dá)到更為精確地控制飛機(jī)的目的。

駕駛員控制飛機(jī)的行為只是人控制機(jī)器行為的一個(gè)特例。所以,可以從大量的人機(jī)系統(tǒng)動(dòng)力學(xué)研究中得到一些啟示。根據(jù)人機(jī)系統(tǒng)研究的結(jié)果,閉環(huán)的人機(jī)控制可按照輸入給操作人員信息的性質(zhì)來(lái)進(jìn)行分類,通?？梢苑譃樗念?補(bǔ)償系統(tǒng)、追蹤系統(tǒng)、預(yù)先顯示系統(tǒng)、預(yù)先認(rèn)知系統(tǒng)[2]。

1.2 傳統(tǒng)的駕駛員模型

McRuer模型是20世紀(jì)60年代中期由McRuer,Graham等人在大量簡(jiǎn)單跟蹤任務(wù)試驗(yàn)結(jié)果的基礎(chǔ)上提出的一種擬線性駕駛員控制模型。McRuer模型為:

式中,Kp為增益;s為拉普拉斯算子;τ為駕駛員反應(yīng)的時(shí)間延遲;TN為神經(jīng)肌肉系統(tǒng)固有的一階延遲;TL,TI分別為超前和滯后時(shí)間常數(shù)。McRuer駕駛員模型中的各個(gè)系數(shù)的大小反映了駕駛員操縱行為的具體特征。例如當(dāng)駕駛的滯后補(bǔ)償TI增大后,人機(jī)系統(tǒng)閉環(huán)短周期阻尼比有所增加,但隨著增益的加大,會(huì)導(dǎo)致人機(jī)閉環(huán)系統(tǒng)失穩(wěn)。這也是駕駛員一般不愿意在飛行中采用滯后補(bǔ)償操縱方式的原因。

雖然在完成特定任務(wù)時(shí),駕駛員的操縱都遵循一定的規(guī)律,但是由于人的生理?xiàng)l件和外部環(huán)境的限制和影響使得駕駛員完成任務(wù)的操縱指令都不完全相同。例如每次任務(wù)中辨識(shí)出的McRuer駕駛員模型都是不相同的,或者同一個(gè)駕駛員模型無(wú)法適應(yīng)于不同的任務(wù)。這就為具體選擇和使用McRuer模型造成了一定的困難。

神經(jīng)網(wǎng)絡(luò)建模方法可以對(duì)非線性動(dòng)態(tài)系統(tǒng)進(jìn)行有效的建模并揭示數(shù)據(jù)間的相互關(guān)系,這種建模方法克服了McRuer模型參數(shù)與實(shí)際任務(wù)關(guān)聯(lián)緊密的不足。對(duì)于駕駛員模型來(lái)說(shuō),以往利用傳遞函數(shù)形式的駕駛員模型往往難以實(shí)現(xiàn)對(duì)駕駛員行為的較精確地逼近,原因是駕駛員本身操縱行為的非線性。而神經(jīng)網(wǎng)絡(luò)卻能夠模擬具有較高非線性的連續(xù)動(dòng)力學(xué)系統(tǒng),而且在函數(shù)逼近方面具有很強(qiáng)的非線性逼近能力,且神經(jīng)網(wǎng)絡(luò)方法在建模的諸多領(lǐng)域得到廣泛的應(yīng)用。許多實(shí)際應(yīng)用的研究表明,神經(jīng)網(wǎng)絡(luò)方法適合非線性系統(tǒng)的模型識(shí)別。

2 試驗(yàn)環(huán)境與設(shè)計(jì)

2.1 地面模擬裝置

為了獲得駕駛員操縱行為建模的試驗(yàn)數(shù)據(jù),采用了地面模擬飛行任務(wù)的方式采集所需的數(shù)據(jù)。地面模擬試驗(yàn)采用了自主研發(fā)的地面模擬器,模擬器配置如圖1所示。指令信號(hào)顯示在平顯(HUD)上,其中縱向指令信號(hào)為一個(gè)醒目的紅色虛線,例如顯示在圖2中-20°的位置,它為駕駛員提供縱向的指令信息,平顯上W形的符號(hào)指示了飛機(jī)的實(shí)際俯仰角。駕駛員通過(guò)操縱飛機(jī),使平顯上的俯仰角信號(hào)與指令信號(hào)的標(biāo)示重合即可完成對(duì)指令的跟蹤。指令的設(shè)計(jì)可以通過(guò)配置模擬器中相應(yīng)的文件來(lái)實(shí)現(xiàn),指令的大小與變化將根據(jù)具體的試驗(yàn)來(lái)制定。指令信號(hào)可以由階躍指令、脈沖指令、隨機(jī)指令等信號(hào)組成。

圖1 模擬器配置

圖2 平顯中縱向指令的顯示

模擬器中使用的飛機(jī)模型的縱向傳遞函數(shù)可以近似表示為:

2.2 人機(jī)閉環(huán)試驗(yàn)設(shè)計(jì)

為了獲得辨識(shí)和驗(yàn)證駕駛員模型的數(shù)據(jù),在模擬器上進(jìn)行的是單自由度補(bǔ)償任務(wù)。試驗(yàn)借鑒了評(píng)估飛行品質(zhì)的階躍指令動(dòng)作,采用了縱向的連續(xù)階躍指令。使用階躍指令可以用來(lái)檢驗(yàn)飛機(jī)初始狀態(tài)時(shí)的響應(yīng)、阻尼比和頻率,時(shí)域響應(yīng)的結(jié)果也可以用于人機(jī)系統(tǒng)的辨識(shí)。當(dāng)試驗(yàn)開始時(shí),每個(gè)俯仰角指令由0°開始,然后依次出現(xiàn)正負(fù)變化的階躍俯仰角指令。飛行員通過(guò)平顯觀察飛機(jī)實(shí)際的俯仰角和指令信號(hào)的位置來(lái)操縱飛機(jī),盡量使俯仰角與指令相同,并保持穩(wěn)定的狀態(tài)。指令信號(hào)θcmd由零和正負(fù)階躍指令組成(見圖3),其中實(shí)線為指令,虛線為飛機(jī)的俯仰角。圖4中實(shí)線為指令信號(hào)與飛機(jī)的實(shí)際俯仰角之間的差值e,虛線為駕駛員的輸出量產(chǎn)生的縱向桿位移x。

圖3 縱向指令信號(hào)與俯仰角

圖4 桿位移與誤差信號(hào)

3 駕駛員模型的建立

3.1 人工神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元按照一定的方式連接起來(lái)的,能夠模擬人腦神經(jīng)系統(tǒng)的運(yùn)行機(jī)制,使神經(jīng)網(wǎng)絡(luò)具有自主學(xué)習(xí)的能力。其中神經(jīng)元為神經(jīng)網(wǎng)絡(luò)的基本處理單元。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的在線或離線訓(xùn)練,可使預(yù)先建立起來(lái)的神經(jīng)網(wǎng)絡(luò)對(duì)收集的信息進(jìn)行學(xué)習(xí),使神經(jīng)網(wǎng)絡(luò)揭示出數(shù)據(jù)中包含的規(guī)律并可以根據(jù)輸入的信息進(jìn)行相應(yīng)的控制[3-4]。

神經(jīng)網(wǎng)絡(luò)駕駛員模型正是利用了神經(jīng)網(wǎng)絡(luò)的這些特點(diǎn)來(lái)對(duì)駕駛員的操縱行為進(jìn)行建模。雖然駕駛員在完成特定的單軸控制任務(wù)時(shí)可以簡(jiǎn)化成單通道的控制模型,但是這種單通道模型無(wú)法體現(xiàn)駕駛員的操縱特點(diǎn),對(duì)單通道補(bǔ)償跟蹤任務(wù)的數(shù)據(jù)進(jìn)行駕駛員模型辨識(shí)的結(jié)果可以看出,相同任務(wù)和相同駕駛員的操縱都是不相同的。在實(shí)際情況下,駕駛員不僅參照平顯上的誤差提示信息來(lái)操縱飛機(jī),飛行儀表、平顯上的其他參數(shù)對(duì)駕駛員的操縱都會(huì)造成影響。

3.2 BP神經(jīng)網(wǎng)絡(luò)駕駛員模型

駕駛員控制模型采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),BP神經(jīng)網(wǎng)絡(luò)具有對(duì)非線性模式進(jìn)行識(shí)別的能力,它的這個(gè)特點(diǎn)符合駕駛員操縱行為的非線性特征。文獻(xiàn)[5]中對(duì)神經(jīng)網(wǎng)絡(luò)模型與擬線性模型各自的優(yōu)勢(shì)進(jìn)行了比較,并驗(yàn)證了神經(jīng)網(wǎng)絡(luò)在擬合駕駛員對(duì)隨機(jī)信號(hào)跟蹤時(shí)的操縱行為模型的有效性,這種單輸入單輸出的模型能夠很好地跟蹤操縱的變化趨勢(shì)。

對(duì)于BP神經(jīng)網(wǎng)絡(luò)模型來(lái)說(shuō)既可以采用單輸入單輸出的形式,也可以使用多輸入多輸出的形式[6]。為了使建立的模型能夠更準(zhǔn)確地體現(xiàn)出駕駛員操縱的非線性和多路信號(hào)對(duì)操縱的影響,多輸入單輸出的神經(jīng)網(wǎng)絡(luò)模型使用了4個(gè)參數(shù)作為模型的輸入。這4個(gè)輸入分別是:俯仰角指令、飛機(jī)的實(shí)際俯仰角、前面這兩個(gè)量的差值(誤差)和桿位移。神經(jīng)網(wǎng)絡(luò)模型的輸出為駕駛員的操縱量(縱向桿位移)。根據(jù)上述簡(jiǎn)化,駕駛員縱向操縱模型的輸入輸出形式如圖5所示。模型的輸入量駕駛員桿位移與模型輸出的桿位移是不相同的。為了能在輸入量中體現(xiàn)出信號(hào)的變化情況,輸入信號(hào)為當(dāng)前時(shí)刻之前產(chǎn)生的值。以采樣率為0.1 s為例,模型輸出為0時(shí)刻的值,輸入量即為-0.5～-0.1 s的值。這4個(gè)模型輸入既包括了駕駛員接收到的指令,也包括飛機(jī)的響應(yīng)與響應(yīng)變化快慢的信息。

圖5 神經(jīng)網(wǎng)絡(luò)駕駛員模型

4 仿真試驗(yàn)與建模結(jié)果分析

仿真試驗(yàn)采用的指令為圖4中實(shí)線。為了盡可能多地采集駕駛員的信息和減少駕駛員操縱失誤對(duì)試驗(yàn)數(shù)據(jù)的影響,最后選取誤差比較小和操縱比較精確的試驗(yàn)數(shù)據(jù)作為進(jìn)行建模和驗(yàn)證模型的數(shù)據(jù)。訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)為±20°指令之外的試驗(yàn)數(shù)據(jù),以這些指令時(shí)的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。網(wǎng)絡(luò)的學(xué)習(xí)方法有很多種,經(jīng)過(guò)驗(yàn)算通過(guò)不同學(xué)習(xí)方法得到的網(wǎng)絡(luò)性能基本一致。

圖6 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程如圖6所示。神經(jīng)網(wǎng)絡(luò)模型為三層結(jié)構(gòu):一個(gè)輸入層、一個(gè)隱層和一個(gè)輸出層。隱層神經(jīng)元的個(gè)數(shù)一般根據(jù)經(jīng)驗(yàn)公式選擇。如果選擇的神經(jīng)元個(gè)數(shù)太少，將無(wú)法實(shí)現(xiàn)對(duì)數(shù)據(jù)規(guī)律的學(xué)習(xí)；神經(jīng)元越多,網(wǎng)絡(luò)對(duì)數(shù)據(jù)逼近的能力越強(qiáng),但過(guò)多的隱層神經(jīng)元會(huì)使網(wǎng)絡(luò)逼近的是信號(hào)中的擾動(dòng),而不是駕駛員的真實(shí)操縱。文中模型的隱層神經(jīng)元個(gè)數(shù)是通過(guò)嘗試經(jīng)驗(yàn)公式范圍網(wǎng)絡(luò)誤差輸出最小來(lái)確定的。這里網(wǎng)絡(luò)輸入層的個(gè)數(shù)為20,隱層神經(jīng)元個(gè)數(shù)為30。隱層神經(jīng)元選擇了雙曲正切傳遞函數(shù),輸出層選擇線性傳遞函數(shù)。

圖7和圖8為訓(xùn)練與仿真結(jié)果。圖7中的曲線為訓(xùn)練數(shù)據(jù)的部分結(jié)果,實(shí)線為駕駛員控制的實(shí)際桿位移,虛線為模型輸出。圖8為駕駛員實(shí)際輸出和模型對(duì)測(cè)試數(shù)據(jù)的輸出,實(shí)線為駕駛員的輸出,虛線為模型的輸出。測(cè)試神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)選擇了俯仰指令為±20°時(shí)飛機(jī)和駕駛員的響應(yīng)。這組數(shù)據(jù)未包含在神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)中,所以對(duì)于神經(jīng)網(wǎng)絡(luò)模型來(lái)說(shuō)這組數(shù)據(jù)是一組全新的數(shù)據(jù)。從圖8中網(wǎng)絡(luò)的輸出可以看到,模型根據(jù)輸入量基本可以擬合出駕駛員的輸出信號(hào)。

圖9為仿真結(jié)果與實(shí)際值的誤差,可以看出在俯仰角保持階段,模型的誤差很低,在指令開始變化后模型的誤差才會(huì)增大,但誤差量也比較小。

圖7 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

圖8 神經(jīng)網(wǎng)絡(luò)仿真結(jié)果

圖9 仿真誤差

5 結(jié)束語(yǔ)

對(duì)針駕駛員操縱的多通道、非線性的特點(diǎn),利用BP神經(jīng)網(wǎng)絡(luò)對(duì)駕駛員的操縱行為進(jìn)行了建模。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練以及測(cè)試結(jié)果與駕駛員實(shí)際操縱量的對(duì)比可以看出,神經(jīng)網(wǎng)絡(luò)駕駛員模型可以較好地跟蹤指令的變化,再現(xiàn)駕駛員的操縱行為,同時(shí)對(duì)未知指令也有一定的預(yù)測(cè)和跟蹤能力。

[1] 胡兆豐.人機(jī)系統(tǒng)和飛行品質(zhì)[M].北京:北京航空航天大學(xué)出版社,1994.

[2] 高浩,朱培申,高正紅.高等飛行動(dòng)力學(xué)[M].北京:國(guó)防工業(yè)出版社,2004.

[3] 楊淑瑩.模式識(shí)別與智能計(jì)算:Matlab技術(shù)實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2008.

[4] 飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2005.

[5] 譚文倩,屈香菊,王維軍.駕駛員神經(jīng)網(wǎng)絡(luò)模型與頻域擬線性模型的比較研究[J].航空學(xué)報(bào),2003,24(6):481-485.

[6] 徐瑾,趙又群,阮米慶,基于汽車操縱動(dòng)力學(xué)的神經(jīng)網(wǎng)絡(luò)駕駛員模型[J].動(dòng)力學(xué)與控制學(xué)報(bào),2008,6(4):381-384.

Researchonpilotbehaviormodelbasedonartificialneuralnetwork

YAN Shi-wei, GAO Zheng-hong

(College of Aeronautics, Northwestern Polytechnical University, Xi’an 710072, China)

Pilot control behavior will be affected by the motion of object, pilot-himself and environments, all these disturbances make the control behavior present non-linear characteristics. Therefore the pilot model should have these features which the quasi-linear model could not represent, but the artificial neural network (ANN) pilot model has this pilot control behavior features. The test on ground-based simulator made the flight and pilot’s data to use for making the ANN pilot model. Compared with McRuer pilot model, the precision and applicability of neural network pilot model could be better.

aircraft-pilot system; pilot behavior model; artificial neural network; ground-based flight simulator

2011-06-13;

2011-10-31

顏世偉(1982-),男,黑龍江哈爾濱人,博士研究生,研究方向?yàn)轱w行力學(xué)。

V212.1

A

1002-0853(2012)02-0105-05

(編輯：王育林)