基于神經網絡動態逆的動力傘飛行控制方案*

錢克昌，陳自力，李 建

(軍械工程學院，石家莊 050003)

基于神經網絡動態逆的動力傘飛行控制方案*

錢克昌，陳自力，李 建

(軍械工程學院，石家莊 050003)

動力傘飛行控制系統為復雜的非線性系統，通過對神經網絡逼近逆系統的原理分析，提出一種由靜態神經網絡和積分器組成的動態神經網絡，設計了基于神經網絡動態逆方法的飛行控制方案，進行了飛行仿真驗證，結果表明該方法完全滿足系統控制的穩定性和魯棒性要求，并具有良好的抗干擾能力.

動力傘；飛行控制；神經網絡; 動態逆

動力傘是在滑翔傘基礎上發展起來的,它的飛行控制系統是一個復雜的多輸入多輸出非線性系統，系統的輸入輸出關系遠比線性系統復雜.同時系統各響應不滿足疊加原理，各變量之間還存在耦合關系，使輸入與輸出之間的關系更加復雜.目前，對動力傘的飛行控制無論是在控制理論上還是工程實踐上，都是一個難題.本文利用神經網絡的逼近原理，將其與逆系統線性化解耦方法相結合，提出一種基于神經網絡動態逆的控制方法，實驗證明該方法是一種有效的控制方法.

1 逆系統方法的概念

不失問題的一般性，考慮由n個狀態方程和p個輸出方程表示的多變量非線性系統：

式中：x=(x1,x2,…,xn)T表示系統的狀態向量，u=(u1,u2,…,uq)T表示系統的輸入向量；y=(y1,y2,…,yp)T表示系統的輸出向量；t0和x0分別為系統的初始時間和初始狀態；f(·)，h(·)為局部解析的多元向量非線性函數.

根據系統可逆定理，式(1)表示的非線性系統在(x0,u0)的鄰域內如果存在向量相對階[1]α=(α1,α2,…,αq)T，則可以證明該系統存在逆系統：

式中，v為逆系統的輸入，u為逆系統的輸出，z為逆系統的內部狀態，Aj，Bj為Brunovsky標準型矩陣，φ(·)為多元向量非線性函數.

由式(2)可以看出逆系統的內部狀態z是由輸入v通過多次積分獲得的，而逆系統的輸入中含有原非線性系統的狀態反饋量x.將式(2)表述的逆系統串聯在原系統之前，所組成的復合系統的輸入輸出關系滿足：

式中nej為向量本性階.可以看出，逆系統串聯原系統組成的復合系統的輸入輸出具有線性傳遞關系，這種復合系統稱之為偽線性復合系統.利用成熟的線性系統的理論就能實現線性系統的諸如解耦、極點配置、魯棒伺服跟蹤等目標，這就是逆系統控制方法的基本原理.

2 動力傘的動力學模型

動力傘飛行控制系統是一個復雜的多輸入多輸出非線性系統，操縱方式單一，只能通過拉拽傘衣后緣，改變傘衣的氣動外形以及調節發動機動力來實現動力傘的飛行控制.而且動力傘獨特的軟翼結構容易受到風速、風向等外部環境的影響.這些都是建立動力傘動力學模型必須考慮的因素.

2.1基本假設

在下列基本的假設條件下，推導和建立動力傘系統的6自由度動力學方程：

(1)翼傘結構是展向對稱的，傘衣完全張滿后具有固定的形狀.

(2)傘衣與承載機構剛性連接為一個整體.

(3)動力傘所受阻力遠大于升力，對其升力忽略不計；且傘衣的壓力中心和質心重合.

(4)慣性坐標系假設為平面大地.

動力傘的附加質量采用Barrows提供的附加質量矩陣形式，附加質量Aa,O的計算式為[2]

2.2動力傘系統的動力學方程

動力傘系統總的動量和動力矩由兩部分組成，分別由真實質量和附加質量引起，系統的運動動力學方程可以根據動量和動量矩定理得到.

真實質量相對于坐標原點O的動量Pr,O和動量矩Hr,O可以表示為

式(5)、(6)用矩陣形式表示為

根據附加質量表達式(4)，附加質量對應的動量Pa,O和動量矩Ha,O為

系統動量PT和動量矩HT用矩陣表示形式為式(7)和(8)之和，根據動量和動量矩定理，動力傘系統的動力學方程可以表示為[3]

3 神經網絡動態逆控制

3.1實現動態逆的神經網絡

動力傘飛行控制系統的逆系統是動態的，因此必須采用動態神經網絡結構.采用動態神經元(如Hopfield動態神經元)構成的動態神經網絡來逼近動態逆系統，在實際工程應用中還存在較多問題，一方面是其動態性能尚難把握，另一方面是這樣構造的動態神經網絡太復雜[4].

圖1 神經網絡結構

這種各司其職的結構能夠克服由動態神經元構成的動態神經網絡存在的問題，有助于簡化神經網絡的結構，便于工程實現.

3.2神經網絡動態逆控制系統結構

圖2 神經網絡動態逆控制系統基本結構

3.3神經網絡的訓練

控制系統采用反向傳播BP神經網絡，輸入層有4個神經元，隱層有5個神經元，輸出層有1個神經元，激勵函數為

對神經網絡采用直接離線訓練和在線間接訓練相結合的方式.離線訓練時，直接將神經網絡作為控制器串接在被控對象之前，訓練算法選用Levenberg-Marquardt算法.訓練時，首先產生一個限定最大幅值的、頻率不定的方波序列，然后通過被控對象得到輸出.

對神經網絡直接離線訓練，有可能得到錯誤的逆模型，特別是在系統的輸入輸出不是一一對應的情況下，因此，以在線的間接訓練修正離線直接訓練模型，間接訓練算法采用Gauss-Newton方法，可以通過直接動態逆控制系統檢驗訓練得到神經網絡逆模型的精確度.

4 動力傘控制方案

4.1神經網絡動態逆控制方案

在神經網絡的輸入層引入狀態量M=[Φ,V,L](Φ為偏航角，V為水平速度，L為垂直速度)和狀態變化量m=[φ,v,l](φ為偏航角速度，v為水平速度變化量，l為垂直速度變化量)，控制系統輸出量為Q=[y1,y2,p](y1,y2分別為兩邊拉繩力度，p為發動機動力調節量)，控制方案框圖如圖3所示.

圖3 控制方案框圖

控制方案中參考模型為輸出等于輸入的直通模型.ρ為執行器的位置，針對動力傘飛行控制系統硬件能力限制的問題，引入偽控制限制方法(PCH)來補償硬件上的不足，消除硬件特性的非線性干擾，偽控制信號為

4.2仿真驗證

基于式(9)利用Matlab建立6自由度動力傘非線性飛行仿真系統，為驗證控制系統的抗干擾能力，引入含風模型[3].

仿真動力傘按照指定的速度和方向飛行.初始水平速度V=25m/s，初始偏航角Φ=0°，垂直速度L=0m/s.給定控制命令：偏航角Φ=10°，水平速度V=20m/s，垂直速度L=5m/s.仿真時間30s，仿真結果如圖4所示.

圖4 動力傘飛行控制仿真

在陣風干擾下，動力傘仍能按照指定控制命令穩定飛行，顯示了神經網絡動態逆控制方法良好的魯棒性和抗干擾能力.

5 結 論

本文提出了基于神經網絡動態逆方法的動力傘飛行控制方案，并完成了飛行仿真驗證.仿真結果表明，設計的動態神經網絡結構有良好的逼近非線性逆系統的性能，提出的控制方案能夠順利完成動力傘的飛行控制，對于陣風等環境因素的干擾具有很好的抗干擾性和魯棒性.

[1] 戴先中.多變量非線性系統的神經網絡逆控制方法[M].北京：科學出版社，2005

[2] Shin D H,Kim Y D.Reconfigurable flight control system design using adaptive neural networks[ J ].IEEE Transactions on Control Systems Technology,2004,12(1): 87-100

[3] 熊箐.翼傘系統動力學與歸航方案研究[D].國防科技大學，2005

[4] Xu H J ,Mirmirani M,Ioannou P A.Robust neural adaptive control of a hypersonic aircraft[C ].AIAA Guidance,Navigation,and Control Conference and Exhibit,Austinm,Texas,Aug 11-14,2003

[5] Sun F C,Li H X,Li L.Robot discrete adaptive control based on dynamic-inversion using dynamical neural networks[ J ].Automatica,2002,38 (11): 1977-1983

FlightControlSchemeBasedonDynamicInversionofNeuralNetworkforPowerParafoil

QIAN Kechang,CHEN Zili,LI Jian

(OrdnanceEngineeringCollege,Shijiazhuang050003,China)

The flight control system of a power parafoil is a complicated nonlinear system.Based on the tracking principle of neural network,a dynamic neural network composed of a static neural network and integrators is presented.And then a flight control scheme based on the dynamic inversion for the power parafoil is designed.Simulation results demonstrate that the control method has strong ability of control and robustness.

power parafoil；flight control；neural network；dynamic inversion

*軍隊十一五裝備預研基金(9140A25050106JB3412)資助項目.

2010-01-31

錢克昌(1984—)，男，江蘇人，博士研究生，研究方向為無人機的智能控制理論和方法(e-mail:qiankechang@126.com).

V249；TP273

A

1674-1579(2010)04-0059-04