• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于粒子群尋優(yōu)的無模型自適應(yīng)控制方法

    2020-01-25 16:23:16楊龍飛王琦王蓉鄭光廷陳龍勝
    航空兵器 2020年6期
    關(guān)鍵詞:粒子群優(yōu)化數(shù)據(jù)驅(qū)動

    楊龍飛 王琦 王蓉 鄭光廷 陳龍勝

    摘 要:針對傾轉(zhuǎn)翼飛機(jī)過渡段時變、強(qiáng)耦合、非線性等特點(diǎn),利用基于數(shù)據(jù)驅(qū)動的無模型自適應(yīng)控制理論設(shè)計(jì)過渡段飛行控制器,使用粒子群優(yōu)化算法解決無模型自適應(yīng)控制器調(diào)整參數(shù)的問題。仿真結(jié)果表明,基于數(shù)據(jù)驅(qū)動的無模型自適應(yīng)控制器可實(shí)現(xiàn)傾轉(zhuǎn)翼飛機(jī)過渡段平穩(wěn)飛行,同時證明了基于數(shù)據(jù)驅(qū)動的無模型自適應(yīng)控制方法在處理時變、強(qiáng)耦合的非線性系統(tǒng)時具有獨(dú)特的優(yōu)勢。

    關(guān)鍵詞:傾轉(zhuǎn)翼;數(shù)據(jù)驅(qū)動;無模型自適應(yīng);粒子群優(yōu)化; 飛行控制

    中圖分類號:TJ765

    文獻(xiàn)標(biāo)識碼:A

    文章編號:1673-5048(2020)06-0074-05

    0 引 ?言

    傾轉(zhuǎn)旋翼飛機(jī)綜合了直升機(jī)和固定翼飛機(jī)垂直起降、懸停、平飛速度快、大航程等特點(diǎn)[1-2],能夠完成多種飛行任務(wù),是飛行器未來發(fā)展趨勢之一。近些年,國外一直熱衷于傾轉(zhuǎn)旋翼飛機(jī)的研究,并且取得不錯的成果。雖然國內(nèi)起步較晚,但也在積極進(jìn)行傾轉(zhuǎn)旋翼飛機(jī)控制理論的探索。

    本文所研究的傾轉(zhuǎn)翼飛機(jī)與以往的傾轉(zhuǎn)旋翼飛機(jī)有所不同。傾轉(zhuǎn)翼飛機(jī)把處于旋翼下洗流影響的部分機(jī)翼與旋翼一同傾轉(zhuǎn),進(jìn)而減小飛機(jī)在垂直起降階段的升力損耗,但是在過渡階段飛機(jī)各部件之間存在復(fù)雜的氣動干擾,多個參數(shù)存在嚴(yán)重耦合,構(gòu)成一個時變強(qiáng)耦合非線性系統(tǒng),是過渡段飛行控制的難點(diǎn)所在[3-5]。

    國內(nèi)外學(xué)者對傾轉(zhuǎn)翼飛機(jī)控制方面進(jìn)行了深入研究[6-12]。在傾轉(zhuǎn)翼飛機(jī)過渡段控制的方法中,最常見的是經(jīng)典的PID控制。經(jīng)典的PID結(jié)構(gòu)簡單、可調(diào)參數(shù)少、穩(wěn)定性好,但對非線性、強(qiáng)耦合、時變系統(tǒng)控制不佳。

    為了實(shí)現(xiàn)傾轉(zhuǎn)翼飛機(jī)飛行平穩(wěn)過渡的控制要求,本文首先建立飛機(jī)動力學(xué)模型,然后設(shè)計(jì)基于數(shù)據(jù)驅(qū)動的無模型自適應(yīng)控制方法的控制器,使用粒子群優(yōu)化算法對控制器進(jìn)行參數(shù)尋優(yōu),最后在MATLAB中仿真驗(yàn)證飛行控制品質(zhì)。

    1 傾轉(zhuǎn)翼飛機(jī)動力學(xué)模型

    傾轉(zhuǎn)翼飛機(jī)坐標(biāo)系如圖1所示。其中:x,y,z是機(jī)體坐標(biāo)系的三軸,xg,yg,zg是地面坐標(biāo)系的三軸,抬頭力矩為正。

    把傾轉(zhuǎn)翼飛機(jī)分為固定翼、轉(zhuǎn)翼、旋翼、平尾和多功能副翼五個部分,分別建立對應(yīng)的空氣動力學(xué)模型,再通過坐標(biāo)轉(zhuǎn)換把各個部分的受力和力矩轉(zhuǎn)換到機(jī)體坐標(biāo)系下構(gòu)成整體的飛機(jī)縱向模型。各部件氣動力模型詳見文獻(xiàn)[13-14]。傾轉(zhuǎn)翼飛機(jī)縱向運(yùn)動方程為

    式中: V為飛機(jī)的空速;m為飛機(jī)質(zhì)量;g為重力加速度;h,α,x,q,θ分別代表飛機(jī)氣動中心的豎直高度、飛機(jī)

    迎角、水平位移、俯仰角速度以及俯仰角;Iy為傾轉(zhuǎn)翼無人機(jī)y軸上的轉(zhuǎn)動慣量;FxQ為飛機(jī)x軸上除重力外所受的合力;FzQ為z軸上所受的合力;My為飛機(jī)y軸上總力矩。為簡化計(jì)算過程,暫定襟翼不參加控制。

    過渡段模式下(直升機(jī)模式到固定翼模式),轉(zhuǎn)翼轉(zhuǎn)角從88°變化到2°,旋翼向前傾轉(zhuǎn),旋翼拉力在水平方向上的分量增加,飛機(jī)快速加速,這時旋翼拉力在垂直方向的分量(升力)減小。在著陸時(固定翼模式到直升機(jī)模式),轉(zhuǎn)翼轉(zhuǎn)角從2°變化到88°,旋翼向后傾轉(zhuǎn),提供阻力,飛機(jī)迅速減速,垂直方向分量(升力)增大[15]。根據(jù)傾轉(zhuǎn)翼飛機(jī)的運(yùn)動學(xué)方程,在MATLAB中可以仿真得到傾轉(zhuǎn)翼飛機(jī)的仿真模型。該模型的輸入信號有旋翼拉力、傾轉(zhuǎn)翼轉(zhuǎn)角(單位角度)和升降舵舵力;輸出信號主要有飛行高度、迎角、空速、俯仰角、俯仰角速度、航跡角、地速和爬升速度。

    2 無模型自適應(yīng)控制器設(shè)計(jì)及參數(shù)尋優(yōu)

    無模型自適應(yīng)控制算法(Model-free adaptive control,MFAC)是基于數(shù)據(jù)的控制方法,只需要被控系統(tǒng)提供輸入輸出實(shí)時測得的數(shù)據(jù)信息,不依賴受控系統(tǒng)數(shù)學(xué)模型,以及經(jīng)過算法處理而得到受控對象的信息來設(shè)計(jì)控制器,是未來控制理論發(fā)展方向之一。但是無模型自適應(yīng)控制方法初始參數(shù)較多,而且在調(diào)整參數(shù)時參數(shù)之間相互影響較大,人工調(diào)整參數(shù)比較困難。

    本文引入粒子群優(yōu)化算法對無模型自適應(yīng)控制算法進(jìn)行參數(shù)尋優(yōu)。

    2.1 過渡段控制器設(shè)計(jì)

    基礎(chǔ)的多輸入多輸出MFAC控制算法為[16-17]

    由式(2)~(3)構(gòu)成MFAC控制算法。其中:Φ-c(k)為計(jì)算得到的偽偏導(dǎo)數(shù);Φ-ij(1)為Φ-ij(k)的初值;a,b1,b2為常數(shù),是為了保證Φ-c(k)為對角占優(yōu)矩陣,分別取1,1,2;y*(k+1)為受控系統(tǒng)期望輸出;u(k)為系統(tǒng)控制輸入;y(k)為系統(tǒng)實(shí)際輸出;權(quán)重因子系數(shù)λ>0;權(quán)重因子μ>0;η∈(0,2],步長因子ρ∈(0,1]。

    傳統(tǒng)的線性控制方法在控制傾轉(zhuǎn)翼飛機(jī)過渡段時,由于轉(zhuǎn)動慣量的改變,非線性氣動干擾也會帶來幅值攝動,所以不能達(dá)到理想的控制效果?,F(xiàn)采用MFAC方法結(jié)合粒子群優(yōu)化算法來進(jìn)行控制。

    傾轉(zhuǎn)翼飛機(jī)從直升機(jī)模式過渡到固定翼模式時,初始狀態(tài)為 [Vd ;Vp ;q;θ;h ;xg;V;α],期望輸入為y*=[h* ;Vd*]; 實(shí)際輸出為y=[h ;Vd];控制輸入為U=[η;T;σe;Fd]。在傾轉(zhuǎn)翼飛機(jī)動力學(xué)模型中加入控制系統(tǒng)模塊,構(gòu)成傾轉(zhuǎn)翼飛機(jī)過渡段MFAC控制結(jié)構(gòu)。

    在設(shè)計(jì)過渡段控制器時,把姿態(tài)控制回路分為外環(huán)角度回路和內(nèi)環(huán)角速度回路。姿態(tài)回路內(nèi)環(huán)將飛行器俯仰角速度作為反饋傳遞給升降舵,以升降舵舵力作為控制信號輸入。姿態(tài)回路外環(huán)把俯仰角作為反饋信號,通過控制算法解算達(dá)到對系統(tǒng)虛擬輸入信號的控制。由于傾轉(zhuǎn)翼飛機(jī)的姿態(tài)回路中角速度通常比角度響應(yīng)快一個數(shù)量級,所以根據(jù)時標(biāo)分離原則,設(shè)計(jì)雙環(huán)控制器[18]。

    為了進(jìn)一步改善飛機(jī)縱向動態(tài)穩(wěn)定性,所以采用反饋俯仰角速率的方法來人工增大阻尼。由于傾轉(zhuǎn)翼無人機(jī)俯仰角穩(wěn)定控制與否決定了過渡段的控制品質(zhì),因此將控制俯仰角的回路設(shè)置為其他回路的內(nèi)回路。K1和K2為反饋系數(shù),無模型控制器如圖2所示。

    2.2 粒子群優(yōu)化算法參數(shù)尋優(yōu)

    由于無模型控制器在使用時不同的控制對象初始參數(shù)不同,所以無法確定最優(yōu)控制器參數(shù),再加上控制器各個參數(shù)之間相互影響,手動調(diào)參存在一定難度,所以采用智能優(yōu)化算法進(jìn)行參數(shù)尋優(yōu)。

    粒子群優(yōu)化算法(Partical Swarm Optimization,PSO)是一種使用簡單、收斂速度快的智能優(yōu)化算法,適用于在多目標(biāo)優(yōu)化環(huán)境中進(jìn)行參數(shù)尋優(yōu)[19-22]。粒子群算法通過式(4)來更新粒子的速度和位置:

    式中: c1,c2為加速常數(shù),通常c1=c2=2;r1,r2為加速因子,是[0,1]區(qū)間內(nèi)均勻分布產(chǎn)生的隨機(jī)數(shù) ;pid和pgd分別為粒子個體歷史最優(yōu)值和群體歷史最優(yōu)值;Vk+1id和Xk+1id分別為粒子下一次迭加更新的速度和位置;Vkid和Xkid為粒子當(dāng)前速度和位置;D為算法最大迭代次數(shù);T為當(dāng)前迭代次數(shù);ω為慣性權(quán)重;ω1和ω2分別為初始慣性權(quán)重和迭代至最大迭代次數(shù)的慣性權(quán)重,通常ω1=0.9,ω2=0.4;粒子速度Vp∈[Vmin,Vmax]。

    粒子群算法通過粒子的適應(yīng)度函數(shù)值來判斷粒子是否為最優(yōu)解,本文采用綜合性能指標(biāo)作為適應(yīng)度函數(shù)。多輸入多輸出的綜合目標(biāo)函數(shù)為

    式中: ω1,ω2,ω3,ω4為尋優(yōu)權(quán)值,代表在尋優(yōu)過程中不同的輸出量所占有的比重。本文中ω1,ω2,ω3,ω4取0.999,0.001,100,5。粒子群算法尋優(yōu)的參數(shù)包括MFAC的初始參數(shù)λ,μ,η,ρ,Φ(1)以及K1,K2。

    3 傾轉(zhuǎn)翼飛機(jī)過渡段控制仿真

    根據(jù)已有的研究結(jié)果,要求傾轉(zhuǎn)翼飛機(jī)在10 s內(nèi)勻速傾轉(zhuǎn)由直升機(jī)模式轉(zhuǎn)換到固定翼模式,飛機(jī)在定高飛行階段初始參數(shù)[u0;w0;q0;θ0;h0] 設(shè)置為[2;0;0;0;20],期望輸入y*=[h*;Vd*]設(shè)置為[20;20],實(shí)際輸出為y=[h;Vd],控制輸入為U=[η;T;F;Fd]。將旋翼拉力限制在0~17/N內(nèi),升降舵舵力范圍是[-5/N,5/N],轉(zhuǎn)角設(shè)置在[2°,88°],襟副翼力設(shè)置為0。在傾轉(zhuǎn)翼飛機(jī)縱向非線性模型中加入無模型控制器和粒子群綜合目標(biāo)函數(shù)模塊,構(gòu)成傾轉(zhuǎn)翼飛機(jī)過渡段整體控制圖,如圖3所示。粒子群優(yōu)化算法初始參數(shù)設(shè)定:最大迭代次數(shù)D=1 000,種群數(shù)量N=50,空間維數(shù)M=10,學(xué)習(xí)因子c1=c2=2,慣性權(quán)重ω1=0.9,ω2 =0.4,粒子速度范圍Vp∈[-0.5,0.5]。

    在MATLAB[23]中編寫粒子群算法程序,并保存為.m格式文件。運(yùn)行系統(tǒng)仿真,調(diào)用粒子群算法尋優(yōu)迭代,最終尋得無模型控制器參數(shù)λ=90.000,μ=52.204,η=0.523 156,ρ=1.000,K1=10.554,K2=21.389,Φ(1)=[8.993 20.000;0.306 -0.257]。傾轉(zhuǎn)翼飛機(jī)過渡段各狀態(tài)及系統(tǒng)控制信號運(yùn)行仿真結(jié)果如圖4~11所示。

    由圖4~9分析可知,當(dāng)系統(tǒng)期望高度和速度在尋優(yōu)所占比重相同時,尋得的參數(shù)更偏向于高度和速度均衡的控制。由過渡段的高度變化曲線和速度變化曲線分析可知,在傾轉(zhuǎn)初始階段高度的變化量稍微偏大,速度變化比較理想。雖然CFDL-MFAC和粒子群算法的結(jié)合能夠?qū)崿F(xiàn)傾轉(zhuǎn)翼飛機(jī)過渡段的控制,但是由于傾轉(zhuǎn)過程中高度和速度耦合程度較高,很難實(shí)現(xiàn)高度和速度同時最優(yōu)控制效果,此時縮小了高度控制比重,進(jìn)而提高了速度的控制效果。

    由圖10~11可知,在傾轉(zhuǎn)翼無人機(jī)模式轉(zhuǎn)換階段不使用襟副翼,只用旋翼、轉(zhuǎn)翼和升降舵也可實(shí)現(xiàn)過渡段的控制,傾轉(zhuǎn)翼轉(zhuǎn)角變化與其一致,旋翼拉力和升降舵舵力變化都在允許的范圍內(nèi),達(dá)到理想的控制效果。

    綜合來看,初始階段旋翼拉力較大,飛行高度會有些偏高,轉(zhuǎn)翼轉(zhuǎn)角偏小,旋翼產(chǎn)生的低頭力臂不大,此時平尾向上偏轉(zhuǎn)產(chǎn)生向下的正舵力,讓飛機(jī)有一定的抬頭,同時使俯仰角度偏大。經(jīng)過10 s以后,傾轉(zhuǎn)翼無人機(jī)轉(zhuǎn)換到固定翼飛行模式,旋翼拉力較小,但力臂最大,升降舵為負(fù)舵力,飛機(jī)會有略微的低頭。正是由于在設(shè)計(jì)控制系統(tǒng)時加入的穩(wěn)定回路才能夠保持俯仰角的穩(wěn)定,確保各項(xiàng)控制參數(shù)都在許可范圍內(nèi),傾轉(zhuǎn)翼無人機(jī)也可以以最小的平飛速度保持穩(wěn)定的飛行狀態(tài)。若適當(dāng)放大過渡段轉(zhuǎn)換時間,會得到更好的結(jié)果。

    參考文獻(xiàn):

    [1] 陳剛,賈玉紅,馬東立,等. 垂直起降固定翼無人機(jī)串聯(lián)混電系統(tǒng)優(yōu)化設(shè)計(jì)[J/OL].北京航空航天大學(xué)學(xué)報(bào),2020.DOI:10. 13700/j. bh. 1001-5965. 2020. 0015.

    Chen Gang,Jia Yuhong,Ma Dongli,et al.Optimized Design of Vertical Take-off and Landing Fixed-Wing UAV Series Hybrid Power System[J/OL].Beijing University of Aeronautics and Astronautics,2020.DOI:10. 13700/j. bh.1001-5965. 2020. 0015.(in Chinese)

    [2] Pan Z,Chi C Z,Zhang J K. Nonlinear Attitude Control of Tiltrotor Aircraft in Helicopter Mode Based on ADRSM Theory[C]∥Professional Committee of Control Theory of Chinese Automation Society,2018: 1388-1393.

    [15] 夏青元,徐錦法,金開保. 傾轉(zhuǎn)旋翼飛行器的建模和操縱分配策略[J]. 航空動力學(xué)報(bào),2013,28(9) :2016-2028.

    Xia Qingyuan,Xu Jinfa,Jin Kaibao.Tilt-Rotor Aircraft Modeling and Its Manipulation Assignment Strategy[J].Journal of Aerospace Power,2013,28(9):2016-2028.(in Chinese)

    [16] 侯忠生. 無模型自適應(yīng)控制的現(xiàn)狀與展望[J]. 控制理論與應(yīng)用,2006,23(4): 586-592.

    Hou Zhongsheng.Current Situation and Prospect of Model-Free Adaptive Control[J]. Control Theory & Applications,2006,23(4): 586-592.(in Chinese)

    [17] 侯忠生. 無模型自適應(yīng)控制[M]. 北京: 科學(xué)出版社,2013.

    Hou Zhongsheng.Model-Free Adaptive Control[M]. Beijing:Science Press,2013. (in Chinese)

    [18] 吳森堂. 飛行控制系統(tǒng)[M].2版. 北京: 北京航空航天大學(xué)出版社,2013.

    Wu Sentang.Flight Control System[M].2nd ed.Beijing:Beijing University of Aeronautics and Astronautics Press,2013. (in Chinese)

    [19] 楊英杰. 粒子群算法及其應(yīng)用研究[M].北京: 北京理工大學(xué)出版社,2017.

    Yang Yingjie.Research on Particle Swarm Optimization and Its Application[M].Beijing:Beijing Institute of Technology Press,2017. (in Chinese)

    [20] 胡文華,曹仁贏. 改進(jìn)粒子群優(yōu)化算法的四旋翼ADRC姿態(tài)控制[J]. 電光與控制,2019,26(12): 12-16.

    Hu Wenhua,Cao Renying.An Improved PSO Algorithm of Quadrotor ADRC Attitude Control[J].Electro-Optics and Control,2019,26(12):12-16.(in Chinese)

    [21] 楊斌.垂直起降無人機(jī)基于粒子群優(yōu)化的分?jǐn)?shù)階控制[D].南京: 南京郵電大學(xué),2018.

    Yang Bin.Fractional Order Control of Vertical Takeoff and Landing UAV Based on Particle Swarm Optimization[D].Nanjing:Nanjing University of Posts and Telecommunications,2018.(in Chinese)

    [22] 胡丹丹,張宇辰. 基于改進(jìn)粒子群算法的四旋翼自抗擾控制器優(yōu)化設(shè)計(jì)[J]. 計(jì)算機(jī)應(yīng)用研究,2019,36(6): 1762-1766.

    Hu Dandan,Zhang Yuchen.Optimization Design of Four-Rotor Auto Disturbance Rejection Controller Based on Improved Particle Swarm Optimization Algorithm[J]. Application Research of Computers,2019,36 (6):1762-1766. (in Chinese)

    [23] 史峰,王輝,郁磊,等.MATLAB智能算法30個案例分析[M].北京: 北京航空航天大學(xué)出版社,2011.

    Shi Feng,Wang Hui,Yu Lei,et al.Analysis of 30 Cases of MATLAB Intelligent Algorithm[M].Beijing:Beijing University of Aeronautics and Astronautics Press,2011. (in Chinese)

    A Model-Free Adaptive Control Method

    Based on Particle Swarm Optimization

    Yang Longfei1,Wang Qi2*,Wang Rong2,Zheng Guangting1,Chen Longsheng2

    (1. School of Information Engineering,Nanchang Hangkong University,Nanchang 330063,China;

    2. School of Aircraft Engineering,Nanchang Hangkong University,Nanchang 330063,China)

    Abstract:According to the characteristics of time-varying,strong coupling and non-linear of the transition section of the tilt-wing aircraft,the model-free adaptive control method based on data-driven is adopted to design a flight controller forthe transition section,and the particle swarm optimization algorithm is used to solve the problem of parameter adjustment of the model-free adaptive controller.The research results show that the model-free adaptive control method based on data-driven can realize the smooth mode conversion of tilt-wing aircraft,and also prove that the model-free adaptive control method based on data-driven has its unique advantages in dealing with time-varying and strong coupling non-linear system.

    Key words:tilt-wing;data driven;model-free adaptation;particle swarm optimization; flight control

    收稿日期:2020-05-21

    作者簡介:楊龍飛(1995-),男,安徽阜陽人,碩士,研究方向是飛行器控制設(shè)計(jì)。

    通訊作者:王琦(1963-),男,浙江東陽人,教授,研究方向是控制理論與控制工程等。E-mail:wangqi439@126.com

    猜你喜歡
    粒子群優(yōu)化數(shù)據(jù)驅(qū)動
    高職圖書采編外包商選擇模型研究
    價值工程(2016年35期)2017-01-23 20:41:33
    數(shù)據(jù)驅(qū)動和關(guān)鍵字驅(qū)動的研究與應(yīng)用
    軟件(2016年4期)2017-01-20 09:56:35
    引入螢火蟲行為和Levy飛行的粒子群優(yōu)化算法
    基于網(wǎng)絡(luò)與數(shù)據(jù)智能化的數(shù)碼印花產(chǎn)品設(shè)計(jì)定制模式研究
    數(shù)據(jù)驅(qū)動理念在大學(xué)英語課程中的應(yīng)用
    青春歲月(2016年20期)2016-12-21 18:48:37
    大數(shù)據(jù)背景下的警務(wù)模式創(chuàng)新研究
    科技視界(2016年26期)2016-12-17 15:59:49
    能源總量的BP網(wǎng)絡(luò)與粒子群優(yōu)化預(yù)測
    科技視界(2016年20期)2016-09-29 11:58:53
    《計(jì)算機(jī)控制技術(shù)》課程教改探討
    科技視界(2016年1期)2016-03-30 12:52:04
    分簇競爭PSO測試用例自動生成算法
    基于混合粒子群優(yōu)化的頻率指配方法研究
    临安市| 巴林左旗| 进贤县| 鹰潭市| 寿阳县| 奉节县| 凤山县| 龙陵县| 化德县| 神农架林区| 溧水县| 上思县| 离岛区| 屯昌县| 玛纳斯县| 禹州市| 化州市| 赤水市| 竹北市| 临漳县| 乌拉特中旗| 四会市| 徐水县| 通化县| 长乐市| 大余县| 宣恩县| 无棣县| 寿宁县| 集贤县| 绥化市| 永修县| 桦南县| 清徐县| 壶关县| 特克斯县| 环江| 台东市| 思南县| 项城市| 北票市|