殲擊機結構故障的模糊魯棒容錯控制與可視化仿真.pdf

1、本文以某研究所提供的某型殲擊機的飛機模型為對象，研究了容錯控制技術以及基于神經網絡的故障診斷技術，設計了殲擊機容錯控制律和故障診斷方案，并用C++語言編程實現。 首先，利用MATLAB中的一維和二維插值模塊，對各種故障類型的氣動力參數及氣動力矩參數數據進行了插值處理，并在此基礎上建立了各種故障飛機飛行的MATLAB仿真模型。 其次，在基于殲擊機T-S模糊模型的基礎上，將對系統(tǒng)性能影響較大的結構故障考慮入設計過程，選用

2、垂直域和扇形域相結合的區(qū)域，利用迭代ARE算法求解魯棒容錯控制器。為了搜尋具有較大魯棒度的容錯控制器，本文將迭代ARE算法與小生境遺傳算法相結合，尋求最優(yōu)的值所對應的魯棒控制器。因為T-S線性化存在一定的模糊建模誤差，文中采用一種權重、函數中心和寬度可在線自適應調整的RBF神經網絡，有效地對消系統(tǒng)的模糊建模誤差。 再次，本文中提出了將自適應RBF神經網絡與遺傳算法相結合的一種新的算法，用于殲擊機故障診斷。RBF神經網絡的中心和

3、寬度是隨著樣本的不同而變化的，具有自適應調節(jié)的功能。根據類類距離最遠的原則，最后確定一個與類別數相同的最簡結構網絡。將這種算法與K-means聚類方法、隨機選擇RBF中心方法、調用RBF神經網絡函數方法、連續(xù)最小RBF神經網絡算法進行比較，結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，進行了大量的仿真，對照美國的飛行指標，確定控制器故障容錯的范圍。與傳統(tǒng)地魯棒容錯控制相比，本文的方法能很大地提