殲擊機(jī)結(jié)構(gòu)故障的模糊魯棒容錯(cuò)控制與可視化仿真.pdf

1、本文以某研究所提供的某型殲擊機(jī)的飛機(jī)模型為對(duì)象，研究了容錯(cuò)控制技術(shù)以及基于神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)，設(shè)計(jì)了殲擊機(jī)容錯(cuò)控制律和故障診斷方案，并用C++語言編程實(shí)現(xiàn)。 首先，利用MATLAB中的一維和二維插值模塊，對(duì)各種故障類型的氣動(dòng)力參數(shù)及氣動(dòng)力矩參數(shù)數(shù)據(jù)進(jìn)行了插值處理，并在此基礎(chǔ)上建立了各種故障飛機(jī)飛行的MATLAB仿真模型。 其次，在基于殲擊機(jī)T-S模糊模型的基礎(chǔ)上，將對(duì)系統(tǒng)性能影響較大的結(jié)構(gòu)故障考慮入設(shè)計(jì)過程，選用

2、垂直域和扇形域相結(jié)合的區(qū)域，利用迭代ARE算法求解魯棒容錯(cuò)控制器。為了搜尋具有較大魯棒度的容錯(cuò)控制器，本文將迭代ARE算法與小生境遺傳算法相結(jié)合，尋求最優(yōu)的值所對(duì)應(yīng)的魯棒控制器。因?yàn)門-S線性化存在一定的模糊建模誤差，文中采用一種權(quán)重、函數(shù)中心和寬度可在線自適應(yīng)調(diào)整的RBF神經(jīng)網(wǎng)絡(luò)，有效地對(duì)消系統(tǒng)的模糊建模誤差。 再次，本文中提出了將自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的一種新的算法，用于殲擊機(jī)故障診斷。RBF神經(jīng)網(wǎng)絡(luò)的中心和

3、寬度是隨著樣本的不同而變化的，具有自適應(yīng)調(diào)節(jié)的功能。根據(jù)類類距離最遠(yuǎn)的原則，最后確定一個(gè)與類別數(shù)相同的最簡結(jié)構(gòu)網(wǎng)絡(luò)。將這種算法與K-means聚類方法、隨機(jī)選擇RBF中心方法、調(diào)用RBF神經(jīng)網(wǎng)絡(luò)函數(shù)方法、連續(xù)最小RBF神經(jīng)網(wǎng)絡(luò)算法進(jìn)行比較，結(jié)果可見本文方法的正確率高于其他方法的分類正確率。 最后，在MATLAB環(huán)境下，進(jìn)行了大量的仿真，對(duì)照美國的飛行指標(biāo)，確定控制器故障容錯(cuò)的范圍。與傳統(tǒng)地魯棒容錯(cuò)控制相比，本文的方法能很大地提