基于神經(jīng)網(wǎng)絡的非線性氣動彈性系統(tǒng)的預測控制.pdf

1、氣動彈性研究的是彈性物體的結構動力學問題，氣動彈性現(xiàn)象是氣動力、慣性力與彈性體相互作用下產(chǎn)生的。由于結構不是絕對剛度的，具有一定的彈性，當來流風速到某個臨界值時，結構會產(chǎn)生較大的變形，給飛行器帶來致命的破壞。本文研究的氣動彈性系統(tǒng)以二元翼段作為系統(tǒng)模型，具有強結構非線性、多變量、不確定性和操縱面的約束性，采用基于神經(jīng)網(wǎng)絡的預測控制方法對非線性氣動彈性系統(tǒng)進行控制，使系統(tǒng)的狀態(tài)快速地到達穩(wěn)態(tài)值。
　　在預測控制中，預測模型的精度對控

2、制效果起著至關重要的作用，針對非線性氣動彈性系統(tǒng)提出了一種新穎的模糊小波神經(jīng)網(wǎng)絡辨識方法。首先，采用區(qū)間2型模糊邏輯系統(tǒng)和小波神經(jīng)網(wǎng)絡結合構建模糊小波神經(jīng)網(wǎng)絡結構，能夠較好的逼近具有不確定性的氣動彈性系統(tǒng)參數(shù)；然后，考慮到辨識的快速性和準確性，系統(tǒng)采用一組模糊 IF-THEN規(guī)則，對模糊后件采用單隱層小波神經(jīng)網(wǎng)絡結構；參數(shù)學習采用基于Lyapunov穩(wěn)定性的滑模學習算法，保證系統(tǒng)存在參數(shù)不確定的情況下，辨識誤差能更快地收斂，隨后對二元翼

3、段進行仿真分析研究，檢驗了此辨識方法的有效性。
　　在滾動優(yōu)化步驟中，通過啟發(fā)式高斯粒子群優(yōu)化算法進行有約束優(yōu)化。在粒子群的位置初始化時，引入高斯算子來增強粒子在尋優(yōu)過程中的局部搜索能力。在隨后的粒子位置更新中，將高斯函數(shù)引入到優(yōu)化算法中，使得隨著優(yōu)化的進行，逐漸減少粒子位置調(diào)整的幅度，從而保證仿真初期的全局尋優(yōu)能力和后期的逼近效果。
　　最后針對具有結構非線性的二元翼段進行數(shù)值仿真，分別研究了系統(tǒng)具有參數(shù)攝動和不同的控制舵