基于在线变结构模糊神经网络的自修复飞行控制方法研究

本项目以高性能战斗机为被控对象，重点研究在线变结构模糊神经网络自修复飞行控制方法。首先，发展一种同时具有在线调节网络结构与参数训练能力的变结构模糊神经网络，它通过在学习过程中实时改变网络隐层节点，即模糊规则数目，提高模糊神经网络的收敛速度，满足了自修复飞行控制方法的快速性要求；同时它的在线学习能力满足了自修复飞行控制方法的实时性与自适应的要求。其次，利用发展的在线变结构模糊神经网络建立实时自修复飞行控制方法，分别针对舵面受损及卡死故障问题，发展实时鲁棒自修复飞行控制方法与实时稳定的自适应自修复飞行控制方法。发展的自修复飞行控制方案优点在于：模糊神经网络不需要离线决定网络结构以及训练网络参数，控制器重构不依赖于飞机舵面故障的准确信息。最后，为了验证提出的自修复飞行控制方法的性能，进行全数字仿真和含实物的半物理仿真，为进一步实用化打下基础。

该项目主要以高性能飞行器为被控对象，重点研究在线变结构模糊神经网络自修复飞行控制方法。首先，发展了两种同时具有在线调节网络结构与参数训练能力的变结构模糊神经网络。在这两种网络中，模糊规则根据它们对模糊系统输出的贡献程度，在学习过程中实时增加与删除；模糊规则中的参数则分别是利用卡尔曼滤波与递推最小二乘方法在线调节。其次，基于发展的在线变结构模糊神经网络提出了两种实时自修复飞行控制方法。针对舵面卡死问题，提出了实时鲁棒自修复飞行控制方法。在此方案中，利用传统的控制算法，如PID建立飞机在正常情况下的控制器，保证控制系统的稳定性，当系统出现故障时，利用发展的在线变结构模糊神经网络实时的学习能力捕捉控制舵面出现卡死故障时所引起的飞机模型的改变，实现自修复功能。针对舵面受损故障问题，提出了实时稳定的自适应自修复飞行控制方法。在此控制方案中，变结构模糊神经网络实时逼近系统的未知的非线性模型，当控制舵面受损产生控制增益减少时，通过实时在线学习能力进行重构控制律，实现自修复功能，整个闭环系统满足李亚普稳定原理。最后，通过仿真对所提出方法进行性能验证，仿真结果充分表明了其有效性。与现有的方法相比较，所发展的模糊神经网络自修复控制方法不需要离线决定网络结构以及训练网络参数，控制器重构不依赖于舵面故障的准确信息。此外，所发展的方法满足了自修复飞行控制方法的快速性、实时性与自适应的要求。本项目为智能自修复飞行控制技术的发展开拓了新思路。