基于神经网络的自适应逆控制及其在飞机自动着陆中的应用

【作者】 赵国军；

【导师】 章卫国；

【作者基本信息】 西北工业大学 ， 导航、制导与控制， 2003， 硕士

【摘要】 本文在深入分析了神经网络和自适应逆方法的原理与特点的基础上，将神经网络与自适应逆方法相结合，着重研究了将这种方法应用于非线性系统的控制问题，最后，用飞机自动着陆的过程，验证了神经网络自适应逆方法的效果。 本文的主要工作如下： 1．演化神经网络。介绍了典型多层前向网络——BP网络的模型、算法以及存在的问题，充分考虑了遗传算法大范围寻优的特点，引入了遗传算法作为神经网络的学习方法，自动设计和训练，提高学习效率，快速达到最优解。 2．自适应逆控制。介绍了自适应逆控制的基本原理，以及适用于自适应逆控制的Wiener滤波器结构和自适应LMS算法，并将自适应逆方法应用于线性和非线性控制系统中。结合神经网络，给出了对于非线性系统进行控制的实现途径，并通过实例，进行仿真。 3．自适应逆控制方法在飞机自动着陆系统中的应用。着陆是飞行任务中的一个事故多发阶段，因此飞机自动着陆是发展现代飞机的关键技术。本文以某国产飞机为对象，采用自适应逆控制的方法，设计飞机纵向自动着陆控制系统并仿真，还对所设计的系统进行了鲁棒性验证仿真。结果表明，自适应逆控制完全能够满足任务要求。最后将自适应逆方法与反馈线性化后的模糊控制方法比较，自适应逆方法的抗干扰能力明显优于模糊控制方法，但是抗参数摄动能力稍差。 通过对一般非线性系统和飞机运动的控制仿真，说明了自适应逆控制的有效性和可行性，以及所具有的应用价值。更多还原

【Abstract】 This thesis combines artificial neural networks(NN) with adaptive inverse control(NNAI) on the basis of analyzing their principle and characteristics, and applies them in the control of nonlinear system. An application in the design of automatic landing is shown.The main works are:1. Evolutionary neural networks. Present the models, algorithms and the existing problems of the Back Propagation(BP) network, a typical multilayer neural network. Introduce the genetic algorithm to train neural networks in order to improve the learning efficiency.2. Adaptive inverse control. First give the elementary knowledge of adaptive inverse, then give the construction of filter which is proper to adaptive inverse, and LMS adaptive algorithm. The policy is used in the system control, and an achieving way in the design of nonlinear plant is proposed. Last, provide the related simulation results.3. Automatic landing system of airplane using adaptive inverse control. Traffic accidents occur during landing frequently. Adaptive inverse control is applied in the design of automatic landing system and robustness is verified. Good simulation results are obtained. At last, NNAI is contrasted with the system adopting fuzzy control after linearization.The study shows that NNAI is effective and practicable.更多还原