基于模糊邏輯的飛機(jī)結(jié)構(gòu)應(yīng)力預(yù)測(cè)技術(shù)

吳立巍

摘 要：利用模糊邏輯建模參數(shù)不受限制，不要求對(duì)多變量參數(shù)進(jìn)行非線性近似假設(shè)的優(yōu)點(diǎn)，通過分析飛行試驗(yàn)數(shù)據(jù)，選取了適合的建模參數(shù)并利用模糊邏輯原理建立了飛機(jī)對(duì)稱機(jī)動(dòng)時(shí)機(jī)翼根部結(jié)構(gòu)應(yīng)力預(yù)測(cè)模型。通過與飛行試驗(yàn)結(jié)果進(jìn)行對(duì)比，預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果一致性較好，能反映出對(duì)稱機(jī)動(dòng)時(shí)飛機(jī)機(jī)翼根部結(jié)構(gòu)的應(yīng)力水平變化趨勢(shì)。在進(jìn)行風(fēng)險(xiǎn)科目試飛時(shí)可以有效預(yù)測(cè)飛機(jī)在極限過載飛行時(shí)的結(jié)構(gòu)應(yīng)力水平，為降低試飛風(fēng)險(xiǎn)，采取必要的處置措施提供支持。

關(guān)鍵詞：模糊邏輯 結(jié)構(gòu)應(yīng)力 飛行試驗(yàn)

中圖分類號(hào)：V267 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）10（a）-0147-02

Research of Aircraft Structural Stress Prediction Based on Fuzzy Logic

Wu Liwei

（China academy of flight test， Xi 'an Shaanxi，710089，China）

Abstract：Fuzzy logic modeling parameters is not restricted， does not require the parameters of nonlinear multivariable approximate assumption， the advantages of through the analysis of flight test data， the selection of the suitable modeling parameters and established the plane symmetric motor using fuzzy logic principles when wing root structure stress prediction model. By comparing with the flight test results， the predicted results with the measured results are in good consistency and reflects the aircraft wing root structure of the stress level of motor with trends. When making risk subject test can effectively predict the structure of the stress level when the plane fly in the overload limit， the test to reduce the risk and take necessary measure to provide support.

Key Words：Fuzzy logic； Structural stress； Flight test

模糊邏輯與傳統(tǒng)的二值邏輯相比更加接近于人類的思維和自然語言。自上世紀(jì)六十年代誕生以來，經(jīng)過五十余年的發(fā)展，取得了豐碩的應(yīng)用成果，特別對(duì)高新技術(shù)的發(fā)展產(chǎn)生了顯著的影響，在非定常氣動(dòng)力研究、主動(dòng)控制、航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)控等領(lǐng)域均有廣泛應(yīng)用[1-6]。該方法的優(yōu)點(diǎn)在于建模參數(shù)不受限制，不要求對(duì)多變量參數(shù)進(jìn)行非線性近似假設(shè)。

結(jié)構(gòu)應(yīng)力測(cè)量是飛機(jī)結(jié)構(gòu)強(qiáng)度鑒定試飛中的重要環(huán)節(jié)，通常采用應(yīng)變法，即在受載嚴(yán)重的部位粘貼應(yīng)變計(jì)，通過飛行試驗(yàn)來測(cè)量局部結(jié)構(gòu)的應(yīng)力水平，以此來評(píng)估飛機(jī)的結(jié)構(gòu)強(qiáng)度設(shè)計(jì)是否滿足相關(guān)國軍標(biāo)的要求。

文章通過分析飛行試驗(yàn)數(shù)據(jù)選取建模參數(shù)，利用實(shí)測(cè)數(shù)據(jù)對(duì)模糊邏輯模型進(jìn)行訓(xùn)練，并將預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)進(jìn)行了對(duì)比。

1 模糊邏輯推理系統(tǒng)

一個(gè)完整的模糊推理系統(tǒng)包括輸入變量模糊化、數(shù)據(jù)庫、規(guī)則庫、推理機(jī)制和輸出變量去模糊化5個(gè)部分（見圖1）。

（1）通過模糊推理系統(tǒng)執(zhí)行在模糊IF-THEN規(guī)則上的推理過程如下：

（2）模糊化：在初始部分比較輸入變量和隸屬函數(shù)從而獲得每個(gè)語言標(biāo)識(shí)的隸屬值；

（3）對(duì)初始部分的隸屬函數(shù)做并運(yùn)算（通過特殊的T-范數(shù)算子，通常是乘或者最小化）得到每個(gè)規(guī)則的激活權(quán)；

（4）依賴于激活權(quán)產(chǎn)生每一個(gè)規(guī)則的有效結(jié)果；

（5）去模糊化：疊加所有有效結(jié)果產(chǎn)生一個(gè)明確的輸出。

模糊邏輯模型通過內(nèi)部函數(shù)使模型保持連續(xù)，內(nèi)部函數(shù)假設(shè)為輸入?yún)?shù)的線性函數(shù)：

（1）

式中，為內(nèi)部函數(shù)的系數(shù)，l是輸入變量x的個(gè)數(shù)，本研究中即指飛機(jī)結(jié)構(gòu)應(yīng)力，為輸入變量，可以是迎角、俯仰角、過載等飛機(jī)參數(shù)。每一個(gè)輸入變量根據(jù)需要?jiǎng)澐譃椴煌娜≈捣秶恳粋€(gè)范圍對(duì)應(yīng)一個(gè)在[0，1]區(qū)間連續(xù)取值的隸屬函數(shù)。

模糊IF-THEN規(guī)則也稱為模糊蘊(yùn)涵或模糊條件描述，它們都是用IF A THEN B形式的語句來表示的。典型的表述如下：

IFis，and…and is， THEN

其中，為變量的隸屬函數(shù)。

模糊邏輯模型的輸出是每個(gè)規(guī)則輸出的加權(quán)平均：

（2）

n為總的規(guī)則數(shù)，op為T-范數(shù)算子。

確定輸入變量的隸屬函數(shù)之后，通過誤差平方和（SSE）和多層相關(guān)系數(shù)（）來確定內(nèi)部函數(shù)的未知系數(shù)和模型的結(jié)構(gòu)：

（3）

（4）

式中為模糊邏輯模型的輸出，是實(shí)測(cè)數(shù)據(jù)，是實(shí)測(cè)數(shù)據(jù)的平均值。模型的系數(shù)由建模數(shù)據(jù)和模型輸出結(jié)果之間的誤差平方和（SSE）達(dá)到最小值時(shí)確定，模型的結(jié)構(gòu)由多層相關(guān)系數(shù)（）取最大值時(shí)確定。

誤差平方和（SSE）的最小值可以通過牛頓梯度法得到。

牛頓梯度法公式：

（5）

式中為收斂因子，取值范圍（0，1），

（6）

2 試驗(yàn)數(shù)據(jù)分析

飛行試驗(yàn)數(shù)據(jù)表明飛機(jī)在進(jìn)行對(duì)稱機(jī)動(dòng)飛行時(shí)重心處法向過載，俯仰角，滾轉(zhuǎn)角，俯仰角速率q，和滾轉(zhuǎn)角速率p的變化較大而重心處的縱向過載和橫向過載，側(cè)滑角和偏航角速率r變化較小，因此假設(shè)機(jī)翼根部應(yīng)力是重心處法向過載，俯仰角，滾轉(zhuǎn)角，俯仰角速率和滾轉(zhuǎn)角速率的函數(shù)：

（7）

式中為機(jī)翼根部的結(jié)構(gòu)應(yīng)力。

各變量的取值范圍如下：

由于模糊邏輯隸屬函數(shù)的取值范圍為[0，1]，所以需要對(duì)各變量的測(cè)試數(shù)據(jù)進(jìn)行歸一化處理。一般采用線性化處理方法，使數(shù)據(jù)中的最小值對(duì)應(yīng)于0，最大值對(duì)應(yīng)于1，其余數(shù)據(jù)歸一化為0和1之間的實(shí)數(shù)。

歸一化采用的公式為：

（8）

式中，X為測(cè)試數(shù)據(jù)，為歸一化后的數(shù)據(jù)。

3 結(jié)果及分析

利用Matlab建立一個(gè)具有5個(gè)輸入變量和1個(gè)輸出變量的模糊邏輯推理系統(tǒng)，隸屬函數(shù)選擇高斯型（guassmf），模型初始結(jié)構(gòu)向量（2，2，2，2，2），即每一個(gè)輸入變量具有2個(gè)隸屬函數(shù)。

通過迭代分析最終獲得模型結(jié)構(gòu)為（4，4，2，3，2），即輸入變量，q和p的隸屬函數(shù)個(gè)數(shù)分別為4，4，2，3和2，此時(shí)。機(jī)翼根部結(jié)構(gòu)應(yīng)力的模糊邏輯模型輸出和飛行試驗(yàn)實(shí)測(cè)的結(jié)果見圖2。

從圖中可以看出，模糊邏輯模型預(yù)測(cè)的結(jié)果與飛行試驗(yàn)實(shí)測(cè)數(shù)據(jù)吻合的比較好，能反映出結(jié)構(gòu)應(yīng)力變化的主要趨勢(shì)。

4 結(jié)語

模糊邏輯理論能用直觀方法代替復(fù)雜數(shù)學(xué)問題，尤其對(duì)非線性問題處理尤為有利。文章結(jié)果表明，通過分析飛行試驗(yàn)數(shù)據(jù)來選擇輸入?yún)?shù)，進(jìn)而建立模糊邏輯推理模型來預(yù)測(cè)飛機(jī)結(jié)構(gòu)應(yīng)力的方法是行之有效的。

在飛機(jī)強(qiáng)度鑒定試飛時(shí)對(duì)結(jié)構(gòu)的應(yīng)力水平進(jìn)行預(yù)測(cè)能夠有效降低試驗(yàn)風(fēng)險(xiǎn)，提高試飛效率。

參考文獻(xiàn)

[1] Zhongjun Wang， C. Edward Lan. Fuzzy Logic Modeling of Nonlinear Unsteady Aerodynamics. AIAA-98-4351， 1997.

Jilu Li， C. Edward Lan.Unsteady Aerodynamic Modeling of Aircraft Response to Atmospheric Turbulence.AIAA 2003-5473，2003.

[2] 翟媛媛.基于模糊邏輯原理的非定常氣動(dòng)力建模研究[J].山東理工大學(xué)報(bào)：自然科學(xué)版，2008，1（22）：40-44.

[3] Yuanyuan Zhai， Unsteady aerodynamics modeling based on the fuzzy logic theory， Journal of Shandong University of Technology（Natural Science Edition ）， 2008，1（22）.

[4] 滕兆明，王紅.基于模糊邏輯的汽車行駛方向模型的研究[J].信息技術(shù)與信息化，2011（1）：67-70.

[5] Zhaoming Teng， Hong Wang. Based on Fuzzy Logic a Research on Travelling Direction of the Car Model[J].Information Technology& Information，2011（1）.

[6] 尹江輝，劉昶.非定常氣動(dòng)力辨識(shí)的模糊邏輯方法[J].南京航空航天大學(xué)學(xué)報(bào)，2000，5（32）：545-550.

[7] Jianghui Yin， Chang Yong.Fuzzy Logic Technique of Unsteady Aerodynamic Identification[J]. Journal of Nanjing University of Aeronautics & Astronautics， 2000，5（32）.

[8] 史志偉，吳根興.多變量非線性非定常氣動(dòng)力的模糊邏輯模型[J].空氣動(dòng)力學(xué)學(xué)報(bào)，2001，1（19）：103-108.

[9] Zhiwei Shi， Genxing Wu. Fuzzy Logic Model of Nonlinear Unsteady Aerodynamics with Multiple Variables[J].ACTA AERODYNAMICA SINICA，2001，1（19）.