[发明专利]一种基于递归神经网络的机动载荷控制器及其控制方法

权利要求书

1.一种基于递归神经网络的机动载荷控制器的控制方法，其特征在于，所述的方法具体步骤如下：

步骤1，将飞机的法向过载信号、迎角以及翼根弯矩信号作为输入，平尾与副翼的偏转作为输出；

步骤2，通过调节递归辨识神经网络激活函数的参数和初始权重矩阵对系统辨识，具体为：

2.1，递归辨识网络通过实时递归算法进行在线学习，计算误差梯度，递归辨识神经网络的误差函数为：

式中，E^id为目标函数，nm是传感器总数，是实际传感器信号与辨识信号的误差；

2.2，根据实际传感器信号与辨识信号的误差在递归辨识神经网络进行辨识的第n个时间步，表达式为：

递归辨识神经网络神经元的输出为：

式中，为神经元的输出，nid为神经网络输入总数；

2.3，通过辨识过程使递归辨识网络的设计参数，即E^id达到最小，其具体过程为：

式中，η^id为神经网络的学习率；

步骤3，通过调节递归控制神经网络激活函数的参数和初始权重矩阵对法向过载、迎角的追踪和对翼根弯矩的抑制。

2.根据权利要求1所述的一种基于递归神经网络的机动载荷控制器的控制方法，其特征在于，所述的递归辨识神经网络和递归控制神经网络采用的激活函数为：

神经网络静激活v_j与输入u_i之间满足：

式中：w_ij为权重矩阵，v_j为神经网络静激活，u_i(n)是第n时间步下神经元的输入。

3.根据权利要求1所述的一种基于递归神经网络的机动载荷控制器的控制方法，其特征在于，所述的步骤3具体为：

递归控制神经网络使用实时递归算法进行在线学习，递归控制神经网络神经元的输出表达式为：

目标函数为：

系统实际输出与期望输出之间的误差表达式为：

对权重矩阵进行迭代：

目标函数梯度可表示为：

式中，nm是递归辨识网络的输出总数；ni是递归控制网络的输出总数，γ为调节控制器净激活的参数；e^co为系统实际输出与期望输出之间的误差；η^co为递归控制网络的学习率。