基于遗传算法优化BP网络的风洞马赫数控制研究

论文摘要

随着航空航天技术的发展,飞行器的结构设计对仿真实验的需求也越来越大。风洞设备作为飞行器研制工作中的一个不可缺少的组成部分,是进行空气动力学试验的最重要的设备。目前绝大部分飞行器的空气动力学试验都是在风洞完成的。因此风洞的性能对飞行器的研制有很大的影响。风洞最重要的性能指标是马赫数,因此对马赫数的控制的好坏直接影响整个风洞的运行效率和飞行器试验数据的可靠性,进而影响了飞行器的设计性能。本文主要以某型号暂冲式风洞为研究对象,在系统分析了暂冲式风洞的运行原理和结构,性能指标要求和现在存在的问题的基础上,采用测试建模的方法构建了风洞的数学模型。然后在比较各种控制算法的基础上,提出了采用神经网络进行自适应控制的方法,讨论了控制中需要解决的一些关键问题,给出了主要解决方法并进行了模型仿真,最后进行了性能分析。本文主要完成的工作：(1)详细分析了国内外风洞马赫数控制策略的发展和现在存在的一些问题；(2)提出了测试构建风洞数学模型的方法,并成功用于暂冲式风洞的建模中；(3)分析了各种控制方法的优劣,针对暂冲式风洞设计了基于遗传算法优化的神经网络PID控制器；(4)解决了风洞系统大惯性、大滞后对控制带来的难度；(5)针对风洞运行的各种工况进行了大量的仿真研究,仿真证明了采用改进神经网络PID自适应控制的方法是合理有效的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的背景和意义
• 1.1.1 论文的背景
• 1.1.2 论文的意义
• 1.2 国内外风洞控制的现状及发展
• 1.3 论文的主要研究内容
• 1.4 取得的成果
• 第2章 暂冲式风洞马赫数数学建模
• 2.1 暂冲式风洞马赫数介绍
• 2.1.1 马赫数的影响因素
• 2.1.2 风洞马赫数控制方式
• 2.2 风洞传递函数模型的建立
• 2.2.1 数学建模的方法
• 2.2.2 暂冲式风洞马赫数数学模型的建立
• 2.3 本章小结
• 第3章 遗传算法理论及其实现方法
• 3.1 遗传算法的产生、发展及基本原理
• 3.1.1 遗传算法的产生
• 3.1.2 遗传算法的发展
• 3.1.3 遗传算法的基本原理
• 3.2 遗传算法的特点
• 3.3 基于遗传算法的应用
• 3.4 遗传算法的基本实现方法
• 3.4.1 遗传算法的基本操作
• 3.4.2 编码
• 3.4.3 适应度函数
• 3.4.4 遗传算子
• 3.5 遗传算法的具体运算流程
• 3.6 本章小结
• 第4章 BP神经网络的PID控制及其实现方法
• 4.1 人工神经网络的基本原理及模型
• 4.1.1 人工神经网络的发展
• 4.1.2 神经网络的模型
• 4.1.3 神经网络在控制领域的发展趋势
• 4.2 BP神经网络
• 4.2.1 BP神经网络的结构
• 4.2.2 BP学习算法
• 4.3 基于BP神经网络的PID控制
• 4.3.1 PID控制器原理及其离散差分方程
• 4.3.2 PID参数自整定方法
• 4.3.3 基于BP神经网络的PID控制参数整定
• 4.3.4 算法流程
• 4.4 本章小结
• 第5章 基于遗传算法优化BP神经网络及风洞马赫数控制仿真
• 5.1 遗传算法与BP神经网络的结合
• 5.1.1 GA-BP神经网络的优化策略
• 5.1.2 GA确立神经网络结构
• 5.2 GA-BP优化初始权值具体步骤
• 5.2.1 编码设计
• 5.2.2 适应度函数的确定
• 5.2.3 种群的初始化
• 5.2.4 遗传算子的设计
• 5.2.5 GA-BP神经网络的运行流程
• 5.3 优化BP神经网络的马赫数PID控制实现方法
• 5.4 风洞马赫数仿真运行结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢