论文摘要
高超音速飞行器一般是指巡航速度在5马赫以上,飞行高度在20至100千米之间的以吸气式或组合循环发动机为动力的飞行器。高超音速飞行器工作过程的飞行条件跨度很大,再加上高空高速的特性使其动力学具有高度的非线性和耦合特性,一般控制方法难以起到良好的控制效果。论文基于逆控制的基本思想,针对高超音速飞行器的特性,利用改进的扩展最小资源分配网络算法(Extended Minimum Resource Allocating Network简称EMRAN)作为滤波器,设计了一种自适应逆控制器。EMRAN是径向基函数(Radial Basis Function简称RBF)网络的一种在线训练算法,通过动态地增删隐节点和利用扩展卡尔曼滤波(Extended Kalman Filter简称EKF)算法对网络参数进行更新,EMRAN算法可以快速在线地训练RBF网络,并能获得最小的网络规模。针对EMRAN算法对训练数据利用率不足的缺陷,改进了EMRAN算法的更新策略,将每次更新一个隐节点改进为根据平台计算能力决定每次更新隐节点的个数,训练结果表明,改进之后的算法能够使目标RBF网络更快的收敛。自适应逆控制是一种将控制器设计为被控对象逆系统的控制方法,针对传统的自适应逆控制器需要多个历史时刻的输入输出值从而导致控制器网络规模过大的缺陷,改进了自适应逆控制器的结构,对被控参数进行分类,从而用主自适应逆控制器和辅助补偿器对被控参数进行分布式处理。结合改进的EMRAN算法训练各逆控制器,并将控制器用于利用文献中的气动导数数据建立的一种高超音速验证机的六自由度非线性动力学模型。仿真结果表明,在正常巡航和机动过程中,自适应逆控制器可以较快速稳定地控制目标飞行器跟踪期望输入,在各气动导数均有30%摄动的情况下控制效果没有明显降低,并且在一侧机翼有8%的损伤条件下也可以稳定地控制目标飞行器。
论文目录
相关论文文献
标签：高超音速飞行器论文; 径向基函数网络论文; 扩展最小资源分配网络论文; 自适应逆论文; 容错控制论文;