[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

说明书

本发明公开了一种基于递归神经网络的机动载荷控制器，所述的机动载荷控制器的神经网络由一个递归辨识神经网络和一个递归控制神经网络串联而成，各采用6个神经元构成网络；本发明还公开了一种基于递归神经网络的机动载荷控制器的控制方法；通过使用递归神经网络的方法，具有结构简单、工作性能稳定性好、鲁棒性高、自适应好的特点，能够对变马赫数飞行的飞机进行有效的自适应机动载荷减缓；本发明实现了宽马赫数范围内飞机基于递归神经网络的机动载荷控制器的设计，实现了飞机在复杂的飞行条件下机动载荷的自适应控制。

技术领域

本发明属于飞行器控制技术领域，具体涉及一种基于递归神经网络的机动载荷控制器及其控制方法。

背景技术

飞机在做机动动作时，会在翼根处产生较大的弯矩，从而影响飞机的寿命，带来安全隐患。通过使用机动载荷控制器可以使飞机机翼的气动力重新分布，达到减小翼根弯矩的目的。

传统的机动载荷控制器，如PID无法实现变马赫数的自适应控制，当飞行条件改变时，控制器参数需要重新选取，无法做到实时在线的控制，在飞机实际飞行过程中无法起到有效的作用。因此设计一种机动载荷控制器，并且利用该控制器实现飞机机动载荷减缓的方法一直是本领域技术人员待解决的技术难题。

发明内容

本发明针对于现有技术中存在的问题，公开了一种基于递归神经网络的机动载荷控制器及其控制方法，通过递归神经网络进行系统辨识以及机动载荷减缓两个阶段，能够实现飞机变马赫数飞行时翼根弯矩的减缓，同时保证飞机的机动动作能够正常完成。

本发明是这样实现的，本发明公开的一种基于递归神经网络的机动载荷控制器，所述的机动载荷控制器的神经网络由一个递归辨识神经网络和一个递归控制神经网络串联而成，各采用6个神经元构成网络。

进一步，所述的神经网络的基本数学模型为：

式中，v_k为内部净激活，u_j代表输入矢量，w_kj代表突触的权重矩阵，为激活函数，y_k代表输出矢量，p为包括偏置在内的神经网络输入总数。

本发明还公开了一种基于递归神经网络的机动载荷控制器的控制方法，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；法向过载飞机法向过载及迎角可通过相应的传感器采集，翼根弯矩可通过在翼根处贴应变片的方式采集应变信号，实时计算出翼根弯矩。平尾与副翼的偏转通过作动器来实现。

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；

递归辨识网络用于辨识系统的传感器信号。在n时刻，递归辨识网络预测出n+1时刻的信号作为控制网络的输入；递归辨识神经网络通过实时递归算法进行在线学习，辨识传感器采集的法向过载、迎角和翼根弯矩信号。

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。递归控制神经网络同样采用实时递归算法进行在线学习，以递归辨识神经网络辨识输出的法向过载、迎角和翼根弯矩做为输入信号，实现对法向过载、迎角的实时追踪和对翼根弯矩的实时控制。

进一步，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_j为神经网络输入向量。