《基于matlab simulink的仿真环境的设计》由会员分享，可在线阅读，更多相关《基于matlab simulink的仿真环境的设计（18页珍藏版）》请在金锄头文库上搜索。
1、窗体顶端摘要：本文的目的是提出一个基于Matlab / Simulink的仿真环境的设计和测试发展间接和直接适应飞行控制律容错能力，以应对执行器和传感器故障的发生。设计/方法/方式 - 模拟环境，采用模块化结构和详细的图形用户界面仿真方案最多。基于最优控制的设计和频域实施间接自适应飞行控制律参数估计。直接自适应飞行控制律包括非线性动态参考标称飞行条件下进行的反演人工NNS为补偿后，驱动器发生反转的错误和不正常的飞行条件下增强或传感器故障。依靠神经估计的故障检测，识别计划的制定和实施。仿真环境为容错飞行控制律的评价和验证提供了一个宝贵的平台。研究限制/影响，这种灵活性允许的，如各种设计问题调查：
2、管制条例架构（包括神经类型的选择隆胸），调整神经网络的参数，参数识别技术的选择，反控制饱和技术的影响,选择和调整控制分配方案，以及故障检测和鉴定计划的选择和调整。独创性/价值 - 驻留在发展本研究工作的新颖性和集成一个全面的模拟环境允许非常详细的控制律验证核实执行器和传感器故障检测性能的目的，识别和适应计划。关键词：容错，飞行模拟，飞行控制，神经网络1.介绍近年来对设计和开发的智能飞行能够处理故障和故障的控制律执行器和传感器已进行了广泛的研究工作。通过这些努力许多适应飞行控制方法已开发（斯坦伯格1999年）。基于适应飞行控制可以大概归类为间接，直接和混合。间接方法（哈格曼等人，2003年摩纳哥
3、等，2004;博斯科维奇等，2001）依靠实时参数通过重构控制律适应参数的识别（PID）。直接的方法（Calise和夏尔马，2000; Kaneshige等，2000;krishnakumar等，2003;威廉姆斯 -海耶斯，2005年）使用是适应和补偿为目的，而不是衡量误差。最近介绍了混合自适应控制方法（Nguyen，2006年，2007年）相结合的元素直接和间接方法。制定一个全面的具有挑战性的任务，综合解决整个飞行包线的容错飞行控制中存在执行器和传感器故障需要广泛模拟支持的问题。一个仿真环境的设计，测试，直接和间接适应飞行控制和评价与容错功能已发展在国家航空航天局的支持西弗吉尼亚大学（西弗
4、吉尼亚）智能飞行控制系统（政府间化学品安全论坛）的方案上（波音，1999年威廉姆斯 -海耶斯，2005年）。本文的目的是大纲的设计和发展的WVU政府间化学品安全论坛模拟器。以下主要特点可在仿真环境存在：l 间接或直接自适应控制方法的选择;l 用间接方法选择不同的PID方法;l 用直接的办法选择不同的神经扩增l 选择不同的故障情况，包括选择作者发生故障的组件，故障类型，时间发生幅度;l 模拟输入/输出的选择.2.仿真环境的一般架构在西弗吉尼亚的FCS模拟器的设计旨在提供高可携性，多功能，灵活的工具，解决了自适应容错飞行控制系统的研究，开发，设计相关的各种问题。计算环境的选择是Matlabw和Si
5、mulinkw。飞行动力学与控制（FDC）工具箱（Rauw，1998年）提供的解决，包括大气湍流运动方程的一般框架。图形显示和飞行员互动，动态模型接口与飞行员视觉设计模拟器（AVDS）仿真包（Rassmussen，2000年）。飞机的飞行动态模型可以使用操纵杆或一组预先录制的命令编程。图形用户界面（GUI）菜单用于设置模拟场景。在西弗吉尼亚政府间化学品安全论坛模拟器的总体结构包括五大模块：l 飞机模型模块;l 控制系统模块;l 执行器和传感器故障模式;l 故障检测和鉴定（FDI）的计划;l 用户界面概述的主要模块和它们之间的相互作用的一般框图如图1所示。3.飞机模型模块飞机模型模块包括三个主要
6、部分组成：风和湍流模型，飞机运动的动力学方程，空气动力学数据库。工具箱，用于实现预先确定的方向和幅度的动荡和恒风德赖登模型。工具箱中的“求解运动方程”进行了修改，以适应每个控制表面的气动力和气动力矩的计算。此特定功能的执行器故障建模的过程是必要的。气动数据库的结构与查找表，这是一个或多个动态变量的功能。神经网络（PTNN）作为非线性插值可以用来代替。在政府间化学品安全论坛项目实施的空气动力学模型推导出一个高性能军用飞机从一个非线形分布由美国宇航局于1990年学术机构内的学生设计竞赛（Antoniewicz等，1988）的模型。模拟美国宇航局的政府间化学品安全论坛的F-15研究飞机的空气动力学造
7、型除了通过定制的通用模型。集体和差动尾翼，差动副翼和方向舵的控制律生成的命令。查找表分为代表个别控制面的的气动贡献，包括双舵以适应执行器故障模型。4.控制系统模块4.1间接自适应控制律间接适应控制法由两部分组成。第一部分确定的命令参数，如飞机的稳定性和控制衍生工具使用。在西弗吉尼亚政府间化学品安全论坛模拟器基准的实现依赖于随机最优前馈和反馈技术（SOFFT）（Halyo，1992）。这套控制律已提供飞行条件下可取的质量处理的名义，同时保持良好的性能（坎帕等，2004）。馈组件SOFFT控制器的设计基于一个明确的命令模式下面的方法u Kxx t Kzz t Kuuzu Kxx t Kzz t K
8、uuzu Kxx t Kzz t Kuuzu Kxx t Kzz t Kuuz其中x和z是植物和命令模式的状态向量，并且UZ是输入的命令模式;撤消修改进行反馈控制的设计是独立使用馈厂最终导致输出反馈增益矩阵的Ky（坎帕等人，2004年）的计算模型标准输出反馈的LQR合成，这样输出向量y其中包括横向和纵向加速度和角速度。西弗吉尼亚的研究人员分离SOFFT版本（即独立的纵向和横向方向SOFFT控制器）和一个完整的（纵向横向定向）版本，两个版本的控制器已经实施。脱钩版本计算能力的要求简单，并产生范围的命令。耦合的版本涉及不是更大的矩阵，因此，它是更复杂的计算。个别控制面偏转（左，右尾翼等）生成的命令
9、，因此预计以更好地处理某些类型的故障发生后的交叉耦合。第二部分的控制器基线参数的更新，防止飞机在整个飞行包线和/或异常的飞行条件下发生如执行器或传感器故障。通过网上进行PID控制技术稳定和控制衍生产品的更新。频域方法称为傅里叶变换回归方法（莫雷利，1999年）。要估计的参数无论是在时域或频域的情况下，可表示不同程度的准确性结果（Perhinschi等人，2002年b）。PID算法的目的是最终提供状态空间系统矩阵更新SOFFT控制器的参数控制飞机。在一般情况下，它可以识别直接状态空间系统矩阵，A，B，C和D（矩阵法），或先评估量纲的稳定和控制衍生产品，然后使用这些值来计算状态空间系统矩阵。作者原
10、来的PID计划已被修改，以适应任何以上所述的替代品的组合，导致四种可能性，受到用户的选择（Perhinschi等人，2002年b）。对于任何这些版本中，根据飞行条件和情况下，用户可以选择估计高达67稳定性和控制衍生产品（包括衍生物，至差分全球和个人 -左，右 -控制面偏转）。还实施了一个简单的版本估计衍生工具（13）。PID过程，SOFFT控制器参数更新触发只有当PID过程满足特定的趋同标准。这些标准的基础上估计的时间和计算的估计错误使用的的FTR算法（莫雷利，1999年）的标准偏差的历史。收敛标准要求，在一个给定的一个指定的时间窗口，开往各地的平均停留时间历程。用户施加的约束和时间窗的宽度。
11、用户还可以选择气动参数之间的趋同标准（即67稳定性和控制衍生产品），为每个参数的估计误差的标准偏差，或两者（Perhinschi等，2002a）的。SOFFT控制器参数的更新，也可以进行在线神经网络（OLNN），而这又使收敛条件得到满足。间接自适应控制律的框图如图2所示。请注意，“衍生更新”图2框图的间接自适应控制律4.2直接自适应控制律基于非线性动态逆（NLDI）与人工神经网络（NNS）增加的直接自适应控制律如图3所示 。使用“模型下面的”架构。这种架构而内部参数，包括神经网络的增益和输出跟踪误差补偿，保持有界（Calise和Sharma，2000）。通过NLDI控制法律，试点棒和踏板位移转
12、换成角速度命令。下一步，第一和第二阶参考模型，以确定所需的飞机响应的角速率及其衍生物等，1级的操纵品质保证（美国国防部，1980）。这些所需的角速率跟踪误差是用来提供比例，积分和微分的补偿。在线学习NNS产生增强命令，反演误差补偿。跟踪误差补偿，神经网络的输出，用于获取，通用目前生产上的三个轴的挠度，通过NLDI的L1，M1和N1的矩方程的非线形的条款和B是在一个特定的飞行条件下的计算状态空间系统控制矩阵。最后，控制面的实际挠度计算DACOM，分解，drcom根据控制分配算法。第一和第二顺序执行机构动力学模型也包括在内。矩阵B的元素，可以保持不变，或可以使用查找表或PTNNs（Perhinsc
13、hi等人，2004年更新）。图3自适应控制的直接法律框图已实施的WVU政府间化学品安全论坛模拟器：扩展的最小资源分配网络 - EMRAN（Lu等，2000），SigmaPi（Shin和戈什，1991年），和单隐层 -连神经网络内三个不同类型的网上学习NNS（Calise等，1998）。EMRAN是空间映射精度差，同时也避免了网络的过快增长，使改进的径向基函数网络。只有最活化的神经元的参数更新，因此，这一类神经增广最小的计算为高斯的基础功能，计算表达式：其中x是输入向量，u为一组参数，包括高斯的中心位置，重量w，和差异小号。要同时满足两个不同的标准：估计错误，窗口估计错误。SigmaPi神经网络
14、是相当于一个自适应多项式映射。网络的输入是伪加速度控制命令，偏置条件，传感器反馈。对于每个通道，第一个神经层输出CI计算投入和上一步的神经网络输出功能。接下来，这些变量乘以对方，最终神经网络的输出作为这些产品的总和计算撤消修改 其中F是计算从中间输出使用一个嵌套的Kronecker积CI。网络权使用适应以下的规律基础上改进的delta规则确定网络的输出关系其中Wwij隐藏和输出层之间的互连权重，五vjk是输入和隐藏层，UVJ之间的互连权重，UWI偏见条款。有界的重量和神经网络的输出是一个Lyapunov分析的基础上，确保更新。其中当然有错误和毛重; GV; LW; LV设计参数（学习率）。5.
15、执行器和传感器故障建模5.1执行器故障模型两类控制面故障已在模拟环境中建模和实施。第一故障类型对应到一个驱动器的机械故障。在故障发生在控制面，目前或在用户保持不变规定的位置。第二次故障类型对应一个物理破坏和/或变形的控制表面。它由气动恶化“效率”控制面开始发生错误的。用户可以选择不同的故障参数如类型，发生时间，位置和震级。任何个别八基线控制面飞机 -它拥有鸭翼和双鳍舵，是左或右的水平尾翼，副翼，鸭翼，方向舵。未涉及的控制面堵塞固定偏转不会改变空气动力特性控制面。然而，对在每个表面（左右）将有不同的变形和由此产生的时刻，必须单独计算。因此，气动查找表必须分为这样，每个人的控制面的贡献被隔离涉及的物理破坏的控制失败控制面可能会改变空气动力特性影响的自然举止，可以定性（参与气动现象）和定量（影响特征参数的大小）。FX世界银行表示机翼的贡献，并机身的力和力矩，而FXC; fxu;富代表控制面的贡献。此外，从M控制面的贡献可表示为其中EUK效率，必须定义/参数确定每个控制面。例如，在电梯或尾翼的效率参选择是的气动正常力量的衍生物左边和右边的电梯偏转，分别CZdeL和CZdeR窗体底端涉及的物理破坏后，控制系统故障控制表面上的力和力矩的表达在飞机上可以表示使用其中表面损伤参数SD模型的大小
