基于自適應(yīng)補(bǔ)償動(dòng)態(tài)逆飛行姿態(tài)控制仿真研究

耿 宏,何雨龍

(中國(guó)民航大學(xué) 電子信息與自動(dòng)化學(xué)院, 天津 300300)

0 引言

飛行控制是飛行仿真研究中重要環(huán)節(jié)[1],飛機(jī)運(yùn)行過(guò)程中快速存取記錄器(quick access recorder,QAR)數(shù)據(jù)記錄了大量飛行參數(shù),包含控制仿真所需的特性參數(shù)、動(dòng)力學(xué)參數(shù)、舵面偏轉(zhuǎn)量參數(shù)等各項(xiàng)機(jī)型參數(shù)信息,利用QAR數(shù)據(jù)訓(xùn)練飛行仿真運(yùn)動(dòng)模型成為當(dāng)前探索解決的熱點(diǎn)問(wèn)題。但僅用QAR數(shù)據(jù)訓(xùn)練的運(yùn)動(dòng)模型誤差較大,對(duì)此用QAR數(shù)據(jù)訓(xùn)練飛行姿態(tài)仿真控制律,以減小運(yùn)動(dòng)模型的誤差。

有關(guān)數(shù)據(jù)的方法,國(guó)內(nèi)外學(xué)者的研究聚焦于融合歷史運(yùn)行數(shù)據(jù)來(lái)仿真或評(píng)價(jià)系統(tǒng)實(shí)際運(yùn)行過(guò)程[2-4]。李士哲等[5]在關(guān)于火電機(jī)組負(fù)荷控制中運(yùn)用系統(tǒng)歷史數(shù)據(jù),仿真其輸出特性;Mu等[6]針對(duì)二階連續(xù)時(shí)間非線性系統(tǒng),通過(guò)觀測(cè)系統(tǒng)輸出生成運(yùn)行數(shù)據(jù)庫(kù),利用其與當(dāng)前狀態(tài)偏差設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)的自適應(yīng)濾波結(jié)構(gòu),討論了該控制結(jié)構(gòu)下系統(tǒng)的控制效果。Hao等[7]針對(duì)SISO系統(tǒng)控制問(wèn)題,提出系統(tǒng)歷史數(shù)據(jù)驅(qū)動(dòng)的繼電反饋神經(jīng)網(wǎng)絡(luò)PID(PIDNN-RF)混合算法,利用算法實(shí)現(xiàn)模型逼近和軌跡跟蹤控制。上述方法在不依賴于模型先驗(yàn)信息情況下,憑借數(shù)據(jù)驅(qū)動(dòng)方式達(dá)到了較好的控制效果,但忽視了對(duì)象本身的運(yùn)動(dòng)特點(diǎn)。本文基于上述研究中融合歷史數(shù)據(jù)的思想,從機(jī)型QAR數(shù)據(jù)建立的運(yùn)動(dòng)模型入手,結(jié)合具有自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆控制方法,將QAR數(shù)據(jù)應(yīng)用到飛行姿態(tài)控制仿真中,改善指定機(jī)型的仿真效果。

動(dòng)態(tài)逆方法是一種有較強(qiáng)適應(yīng)性和通用性的控制方法,由于該方法能較好地應(yīng)對(duì)非線性對(duì)象各通道間繁雜的解耦工作,且無(wú)需反復(fù)調(diào)節(jié)各回路增益[8],因此在飛機(jī)非線性控制中也有較多應(yīng)用[9-11]。如何在QAR數(shù)據(jù)所建立的運(yùn)動(dòng)模型基礎(chǔ)上,利用QAR數(shù)據(jù)設(shè)計(jì)補(bǔ)償結(jié)構(gòu)從而校正運(yùn)動(dòng)模型誤差,是本文需要解決的重點(diǎn)問(wèn)題。

針對(duì)上述問(wèn)題,本文以飛機(jī)為研究對(duì)象,利用奇異攝動(dòng)理論劃分姿態(tài)三通道,應(yīng)用動(dòng)態(tài)逆控制策略,實(shí)現(xiàn)該機(jī)型姿態(tài)控制律仿真?？紤]辨識(shí)區(qū)間內(nèi)運(yùn)動(dòng)模型存在誤差的情況,利用QAR數(shù)據(jù)與模型輸出量的偏差設(shè)計(jì)自適應(yīng)補(bǔ)償環(huán)節(jié),通過(guò)補(bǔ)償結(jié)構(gòu)逼近逆誤差,從而進(jìn)行修正。最后選擇典型自動(dòng)飛行模式進(jìn)行仿真,通過(guò)對(duì)比模型輸出與原始QAR數(shù)據(jù),驗(yàn)證該方法有效性。

1 飛行仿真運(yùn)動(dòng)模型

本文采用的運(yùn)動(dòng)模型是利用機(jī)型QAR數(shù)據(jù)建立的飛機(jī)六自由度非線性模型,其中表征氣動(dòng)特性的相關(guān)系數(shù)由文獻(xiàn)[12]中通過(guò)QAR數(shù)據(jù)辨識(shí)所得,各系數(shù)在所劃分的任一迎角區(qū)間內(nèi)為定常值,辨識(shí)結(jié)果在[1,15]deg迎角范圍內(nèi)有效。運(yùn)動(dòng)模型中與姿態(tài)量相關(guān)的氣動(dòng)力矩多項(xiàng)式方程表達(dá)如下:

(1)

式中:Ml、Mm、Mn分別表示滾轉(zhuǎn)力矩、俯仰力矩和偏航力矩;Q為動(dòng)壓;S、b、c為翼型常量;p、q、r分別對(duì)應(yīng)三軸角速度;C*0為各力矩基本系數(shù)。C*δα、C*δe、C*δr為力矩相對(duì)于控制舵面的控制導(dǎo)數(shù);C*α、C*β為力矩相對(duì)于2個(gè)氣流角的穩(wěn)定性導(dǎo)數(shù);C*p、C*q、C*r為相對(duì)于角速度的氣動(dòng)導(dǎo)數(shù);V為空速。

上述常量通過(guò)機(jī)型手冊(cè)匹配,基本系數(shù)及相關(guān)氣動(dòng)導(dǎo)數(shù)由機(jī)型的QAR數(shù)據(jù)辨識(shí)求得,從而將通用模型更新為具備機(jī)型的運(yùn)動(dòng)模型。但基于QAR數(shù)據(jù)的辨識(shí)方法通常基于準(zhǔn)定常假設(shè),即假定分段區(qū)間內(nèi)表征氣動(dòng)導(dǎo)數(shù)為常值,因此當(dāng)區(qū)間內(nèi)定常系數(shù)與實(shí)際存在較小偏差,運(yùn)動(dòng)模型更新時(shí)由數(shù)值積分持續(xù)累積誤差,最終模型輸出與QAR數(shù)據(jù)存在較大誤差。

2 姿態(tài)控制律

運(yùn)動(dòng)模型的狀態(tài)方程是關(guān)于飛行狀態(tài)量與控制輸入的函數(shù),通過(guò)反饋線性化可將控制輸入量顯式地與姿態(tài)角這類飛行狀態(tài)量建立表達(dá)關(guān)系,易于姿態(tài)控制律設(shè)計(jì)。非線性模型通過(guò)反饋線性化,表達(dá)如下:

(2)

y=h(x)

(3)

其中: 狀態(tài)量為姿態(tài)角度和角速度集合,控制輸入量為控制舵面的偏轉(zhuǎn)量:

x=[p,q,r,φ,θ,ψ]T

u=[δa,δe,δr]T

(4)

狀態(tài)量集合中Φ、θ、ψ分別表示滾轉(zhuǎn)角、俯仰角和偏航角;控制輸入量集合中各變量與副翼、升降舵、方向舵偏轉(zhuǎn)量一一對(duì)應(yīng)。式(2)(3)中,f(x),g(x),h(x)均為關(guān)于飛行狀態(tài)量x的非線性函數(shù),g(x)為控制分布函數(shù)矩陣,u為控制輸入量。f(x)和h(x)與u不存在顯式關(guān)系?；跔顟B(tài)反饋的動(dòng)態(tài)逆控制策略應(yīng)用于三通道姿態(tài)控制,其前提是滿足被控對(duì)象的狀態(tài)量和控制量處于同一維度,保證系統(tǒng)可控,因此結(jié)合奇異攝動(dòng)理論,利用多時(shí)間尺度思想將姿態(tài)回路劃分為快慢兩層回路進(jìn)行控制。本文快回路對(duì)應(yīng)變量為x集合中角速度變量,即p、q、r;慢回路對(duì)應(yīng)變量為集合中姿態(tài)變量,即Φ、θ、ψ。層疊式飛行姿態(tài)控制器結(jié)構(gòu)示意圖如圖1所示。

圖1 飛行姿態(tài)控制結(jié)構(gòu)示意圖

2.1 角速度快回路控制律

角速度回路即為內(nèi)環(huán)快回路,其主要實(shí)現(xiàn)的功能目標(biāo)是計(jì)算控制舵面的理想偏轉(zhuǎn)角度。如上部分所述,快回路中狀態(tài)量與控制輸入量通過(guò)反饋線性化,整理為以下形式:

(5)

式中,xa、xb表示狀態(tài)量集合,具體含義為:

xa=(V,α,β,p,q,r,δe)

xb=(Q,α,β,δe)

(6)

f*(xa)為非線性力矩函數(shù),g*(xb)為操縱力矩函數(shù)。具體表達(dá)如下:

(7)

式中:CMl、CMm、CMn為力矩系數(shù),根據(jù)式(1)多項(xiàng)式函數(shù)求出,ci(i=1…9)根據(jù)轉(zhuǎn)動(dòng)慣量與慣性積得到,g*(xb)表示狀態(tài)方程中分離出的僅與u相關(guān)的線性項(xiàng),如下所示:

(8)

因此綜合式(5)、式(7)和式(8),快回路動(dòng)態(tài)逆控制律表達(dá)為:

(9)

其中,快回路狀態(tài)量的動(dòng)態(tài)特性通過(guò)內(nèi)環(huán)比例增益kp,kq,kr和指令信號(hào)通過(guò)差分近似表達(dá):

(10)

執(zhí)行機(jī)構(gòu)以一階慣性環(huán)節(jié)近似,包括增益和控制舵面偏轉(zhuǎn)幅度限制,其中限制區(qū)間從飛行機(jī)組操作手冊(cè)中得到。

2.2 姿態(tài)角慢回路控制律

姿態(tài)回路作為外環(huán)慢回路,其主要功能是由姿態(tài)角計(jì)算理想角速度。設(shè)計(jì)思路與內(nèi)環(huán)類似,將姿態(tài)角狀態(tài)方程改寫(xiě)為仿射非線性形式。機(jī)體系中對(duì)應(yīng)的f(x)為零,輸入量為期望的姿態(tài)角變化速率,由如下形式描述:

(11)

其中,期望姿態(tài)變化率由給定合適的回路增益kΦ,kθ,kψ,并根據(jù)姿態(tài)角指令信號(hào)計(jì)算求得。期望姿態(tài)角變化速率表達(dá)形式與式(10)一致。因此慢回路動(dòng)態(tài)逆控制律表達(dá)為:

(12)

2.3 內(nèi)外環(huán)增益取值

在機(jī)體系下的運(yùn)動(dòng)模型可簡(jiǎn)化為以下形式:

(13)

式中:xa、xb物理意義與式(6)對(duì)應(yīng),x1、x2為飛行狀態(tài)量集合,對(duì)應(yīng)慢、快變量,分別表示姿態(tài)角和角速度:

x1=[φ,θ,ψ]T

x2=[p,q,r]T

(14)

各通道動(dòng)態(tài)逆控制律可通過(guò)以下形式描述:

(15)

(16)

(17)

為驗(yàn)證控制系統(tǒng)穩(wěn)定性,取Lyapunov函數(shù)為:

L=1/2eTe

(18)

聯(lián)立式(17) 并對(duì)式(18)求導(dǎo),有:

(19)

(20)

3 自適應(yīng)補(bǔ)償結(jié)構(gòu)

由上述動(dòng)態(tài)逆控制過(guò)程可以看出,實(shí)現(xiàn)控制的前提是保證能精確求解逆過(guò)程,使控制律設(shè)計(jì)能獲得滿意的精度。實(shí)際上,基于QAR數(shù)據(jù)建立的運(yùn)動(dòng)模型與實(shí)際飛行存在一定差異,導(dǎo)致式(7)和式(8)存在誤差,控制器與模型對(duì)消不夠完全,仿真模型輸出與實(shí)際飛行姿態(tài)誤差較大,無(wú)法逼近機(jī)型真實(shí)控制特性。針對(duì)該問(wèn)題,以QAR數(shù)據(jù)作為參考,并借助神經(jīng)網(wǎng)絡(luò)較強(qiáng)的自適應(yīng)能力,通過(guò)引入QAR數(shù)據(jù)相關(guān)量與同時(shí)態(tài)下模型輸出姿態(tài)變量偏差,設(shè)計(jì)基于自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆控制結(jié)構(gòu),修正逆系統(tǒng)求解帶來(lái)的誤差。自適應(yīng)補(bǔ)償結(jié)構(gòu)的動(dòng)態(tài)逆控制框圖如圖2所示。

圖2 自適應(yīng)補(bǔ)償控制框圖

利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的逼近能力對(duì)控制輸入量進(jìn)行補(bǔ)償,用以提高網(wǎng)絡(luò)的訓(xùn)練精度和收斂速度。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用單隱層結(jié)構(gòu),具體結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

對(duì)于給定輸入xnn,神經(jīng)網(wǎng)絡(luò)輸入輸出映射關(guān)系可以表示為:

ynn=WTσ(VTxnn)

(21)

式中:σ(·)為激活函數(shù),選用Sigmoid函數(shù)σ(x)=ex/(ex+e-x),V和W分別為輸入層到隱含層、隱含層到輸出層的權(quán)系數(shù)。針對(duì)三通道動(dòng)態(tài)逆姿態(tài)控制所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò),采用18-5-3結(jié)構(gòu),給定網(wǎng)絡(luò)輸入xnn和網(wǎng)絡(luò)輸出ynn為:

(22)

其中,e=x2-x2c表示快回路中角速度與QAR數(shù)據(jù)的偏差。神經(jīng)網(wǎng)絡(luò)通過(guò)調(diào)整權(quán)系數(shù)而抵消控制系統(tǒng)逆誤差,權(quán)系數(shù)更新算法選為[13]:

(23)

(24)

式中:kw、kv為學(xué)習(xí)率;κ為調(diào)節(jié)因子,均為常值,根據(jù)仿真效果進(jìn)行調(diào)整。

當(dāng)飛行過(guò)程某一飛行階段姿態(tài)變化較快,控制輸入量變化頻繁時(shí),為及時(shí)對(duì)控制系統(tǒng)輸入量進(jìn)行補(bǔ)償,引入自適應(yīng)魯棒調(diào)整項(xiàng)[14],定義為vr,具體表達(dá)為:

(25)

其中:

(26)

δad=Δδ+vr

(27)

從而疊加控制量補(bǔ)償?shù)目刂坡筛聻?

(28)

根據(jù)式(21)—(28)即可求出疊加自適應(yīng)補(bǔ)償結(jié)構(gòu)的運(yùn)動(dòng)模型輸出。

4 仿真驗(yàn)證

為驗(yàn)證自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆控制器在飛行姿態(tài)控制中的應(yīng)用效果,本節(jié)在Matlab/Simulink平臺(tái)下分別對(duì)其階躍輸入響應(yīng)和真實(shí)姿態(tài)動(dòng)態(tài)變化軌跡仿真進(jìn)行實(shí)驗(yàn)。

S-Function中定義機(jī)型相關(guān)常量、基本重力加速度及6自由度動(dòng)力學(xué)方程,作為實(shí)例化實(shí)現(xiàn)。相關(guān)參數(shù)設(shè)定為m=42 400 kg,g0=9.8 m/s2,S=122.4 m2,b=37.57 m,c=4.29 m;轉(zhuǎn)動(dòng)慣量和相對(duì)慣性積由經(jīng)驗(yàn)公式估算得到[15];舵面偏轉(zhuǎn)幅度限制在±17 (°)/s,速率限制在±25 (°)/s。階躍響應(yīng)仿真中,設(shè)置初始時(shí)刻飛行狀態(tài)為零;基于QAR數(shù)據(jù)的仿真實(shí)驗(yàn)中,初始時(shí)刻飛機(jī)理想位置和控制形態(tài)通過(guò)fminsearch函數(shù)求解給出。

此外,由于QAR數(shù)據(jù)采樣率低,使其應(yīng)用受限,因此需對(duì)數(shù)據(jù)進(jìn)行必要的重采樣工作。鑒于飛機(jī)機(jī)動(dòng)性不強(qiáng),各狀態(tài)量改變趨于平穩(wěn)漸變,故仿真時(shí)均采用三次樣條插值(Spline)[16]對(duì)數(shù)據(jù)進(jìn)行重采樣以適應(yīng)仿真需求。

4.1 階躍響應(yīng)實(shí)驗(yàn)

本節(jié)針對(duì)俯仰通道進(jìn)行俯仰角階躍響應(yīng)實(shí)驗(yàn)。從QAR數(shù)據(jù)中選取一段俯仰角度變化特征較為明顯的數(shù)據(jù),數(shù)據(jù)曲線如圖4所示。

圖4 QAR俯仰角變化曲線

由圖4可以看出,飛機(jī)在4 s內(nèi)俯仰角度由4°上升至5°左右,并在5°上下小范圍波動(dòng)。本節(jié)階躍響應(yīng)實(shí)驗(yàn)旨在通過(guò)動(dòng)態(tài)逆控制方法展示其控制特性。為觀察控制方法的響應(yīng)特性并驗(yàn)證疊加控制量補(bǔ)償?shù)挠行?本節(jié)實(shí)驗(yàn)給定階躍輸入模擬1.5°俯仰指令信號(hào),設(shè)置階躍時(shí)間為5 s,仿真時(shí)間為30 s,求解器采用內(nèi)置的Runge-Kutta定步長(zhǎng)方法,仿真步長(zhǎng)設(shè)定為0.04 s,快回路中比例增益kq設(shè)為10,慢回路中比例增益kθ設(shè)為3。根據(jù)式(21)—式(28)得到疊加自適應(yīng)補(bǔ)償結(jié)構(gòu)的運(yùn)動(dòng)模型輸出。動(dòng)態(tài)逆控制效果如圖5,疊加自適應(yīng)補(bǔ)償環(huán)節(jié)的控制效果圖6所示。

圖5 無(wú)補(bǔ)償俯仰通道階躍輸入測(cè)試

圖6 補(bǔ)償逆誤差俯仰通道階躍輸入測(cè)試

由圖5、圖6可以看出,俯仰通道的動(dòng)態(tài)逆控制響應(yīng)狀態(tài)良好,可以達(dá)到給定目標(biāo)指令且達(dá)到穩(wěn)態(tài)后始終保持輸出穩(wěn)定。同時(shí)對(duì)比輸出曲線可以看出,疊加自適應(yīng)補(bǔ)償環(huán)節(jié)的動(dòng)態(tài)逆控制系統(tǒng)與未補(bǔ)償逆誤差的控制系統(tǒng)相比較,模型輸出的俯仰角角度在3 s內(nèi)上升1.5°,達(dá)到給定的目標(biāo)指令,且俯仰角超調(diào)量減小到8%以內(nèi),能夠體現(xiàn)飛機(jī)真實(shí)控制特性。

4.2 姿態(tài)仿真驗(yàn)證

飛機(jī)在爬升或下降階段時(shí),自動(dòng)駕駛(AP) 通常接入開(kāi)放模式,由俯仰方式控制飛行速度達(dá)到設(shè)定目標(biāo)。該模式下,AP控制副翼和方向舵協(xié)調(diào)配合升降舵改變俯仰角,從而控制速度達(dá)到制導(dǎo)目標(biāo)。該模式下飛機(jī)姿態(tài)變化直接表征其控制特性。因此本節(jié)實(shí)驗(yàn)以開(kāi)放下降模式(OP DES)為例,針對(duì)姿態(tài)三通道進(jìn)行仿真實(shí)驗(yàn)。選取QAR數(shù)據(jù)中開(kāi)放下降模式(AP LONG MODE:OPEN)處于激活狀態(tài)的數(shù)據(jù)作為參考,各項(xiàng)狀態(tài)量直接反應(yīng)真實(shí)飛行過(guò)程。為驗(yàn)證方法的有效性,選取開(kāi)放模式下訓(xùn)練樣本外的數(shù)據(jù)作為驗(yàn)證,插值后的樣本點(diǎn)為10 219,該過(guò)程中飛行高度從11 367 ft開(kāi)始,以升降舵控制速度下降高度,期間完成一次左偏航,同時(shí)滾轉(zhuǎn)角由0°變化至-21°,當(dāng)飛機(jī)按照新的航向飛行時(shí),滾轉(zhuǎn)角基本保持0°。以定常平飛作為初始狀態(tài),根據(jù)下降段約束條件設(shè)定適應(yīng)度函數(shù),通過(guò)fminsearch函數(shù)模塊迭代求解初始狀態(tài)。狀態(tài)量集合設(shè)定為X,在高度11 367 ft,飛行速度259 kts下,解析初值為:

X=[259,0.23,1.67,0,0,0,0,1.66,0]T

集合中各變量分別表示為飛行速度、側(cè)滑角度、迎角角度、機(jī)體系下繞x軸角速度、繞y軸角速度、繞z軸速度、滾轉(zhuǎn)角、俯仰角和偏航角。動(dòng)態(tài)逆結(jié)構(gòu)中快回路各通道增益設(shè)置為10,慢回路增益設(shè)為3。仿真時(shí)間設(shè)為35 s,仿真步長(zhǎng)設(shè)為0.02 s,對(duì)相關(guān)量進(jìn)行預(yù)處理使其采樣頻率與平臺(tái)求解步長(zhǎng)一致。

三通道動(dòng)態(tài)逆控制結(jié)構(gòu)中快回路理想控制量輸出與疊加自適應(yīng)補(bǔ)償環(huán)節(jié)的控制量輸出對(duì)比如圖7所示,OP DES模式下飛行姿態(tài)仿真結(jié)果如圖8所示。

圖7中點(diǎn)線為疊加補(bǔ)償結(jié)構(gòu)內(nèi)環(huán)計(jì)算的期望控制量輸出,實(shí)線為動(dòng)態(tài)逆控制方法中控制量輸出曲線。從圖中可以看出自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆控制量輸出曲線更為平滑,隨著神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)更新,控制量在較短時(shí)間內(nèi)趨于穩(wěn)定。圖8中點(diǎn)線為經(jīng)過(guò)三次樣條插值處理的原始QAR數(shù)據(jù),由對(duì)比圖可以看出,疊加自適應(yīng)補(bǔ)償結(jié)構(gòu)的動(dòng)態(tài)逆控制策略能更好地應(yīng)對(duì)復(fù)雜的姿態(tài)變化情況,姿態(tài)仿真輸出更符合QAR數(shù)據(jù)中所表現(xiàn)出的控制特性,且有效減小了姿態(tài)角誤差。CCAR-60部模擬機(jī)客觀測(cè)試標(biāo)準(zhǔn)規(guī)定,在正常飛行條件下滾轉(zhuǎn)角容差為2°,俯仰角容差為1.5°,偏航角容差為2°,由此可看出下降段仿真中三通道姿態(tài)變量誤差均滿足飛行模擬機(jī)鑒定標(biāo)準(zhǔn)。姿態(tài)角最大誤差主要出現(xiàn)在仿真前期,是由于初始狀態(tài)點(diǎn)通過(guò)fminsearch函數(shù)求解,求解前需給定上下限,且OP DES模式下的QAR數(shù)據(jù)是隨機(jī)選取的,若設(shè)定范圍與實(shí)際狀態(tài)相差較大,則尋優(yōu)函數(shù)在該范圍下的求解精度較低,導(dǎo)致飛機(jī)所給定的初始狀態(tài)與所選QAR對(duì)應(yīng)變量偏差較大,但仿真開(kāi)始3 s后,由自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆控制器進(jìn)行調(diào)節(jié),仿真效果逐漸提高、誤差也相應(yīng)減小。因此,基于自適應(yīng)補(bǔ)償?shù)膭?dòng)態(tài)逆姿態(tài)控制具備相當(dāng)滿意的控制效果,且可以有效降低姿態(tài)角誤差。

圖7 控制量變化對(duì)比圖

圖8 姿態(tài)回路控制仿真對(duì)比圖

5 結(jié)論

本文中以飛機(jī)為研究對(duì)象,將基于神經(jīng)網(wǎng)絡(luò)補(bǔ)償結(jié)構(gòu)的自適應(yīng)動(dòng)態(tài)逆控制策略,應(yīng)用于三通道姿態(tài)控制仿真中,其中基于狀態(tài)反饋的動(dòng)態(tài)逆結(jié)構(gòu)能實(shí)現(xiàn)三通道姿態(tài)控制,同時(shí)結(jié)合QAR數(shù)據(jù)所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)補(bǔ)償結(jié)構(gòu)能修正運(yùn)動(dòng)模型更新而帶來(lái)的誤差,使動(dòng)態(tài)逆控制方法可以更加準(zhǔn)確地逼近真實(shí)飛行規(guī)律,且模型輸出量誤差符合飛行模擬機(jī)鑒定標(biāo)準(zhǔn),滿足工程需求。后續(xù)研究工作中,將進(jìn)一步通過(guò)對(duì)QAR數(shù)據(jù)分析,根據(jù)不同機(jī)型QAR數(shù)據(jù)仿真對(duì)應(yīng)機(jī)型的自動(dòng)飛行控制律。