[发明专利]一种自适应神经网络边界减振控制方法

说明书

本发明公开了一种自适应神经网络边界减振控制方法，属于行减振控制技术领域，包括以下步骤：设计辅助系统，消除输入受限的影响；采用基于径向基的神经网络技术，弥补系统的不确定性；在辅助系统和基于径向基的神经网络技术的基础上，设计自适应神经网络边界控制器，对直升机柔性吊挂系统实现减振控制的目的。

技术领域

本发明属于飞行减振控制技术领域，具体涉及一种自适应神经网络边界减振控制方法。

背景技术

直升机柔性吊挂系统在各种军用以及民用领域都发挥着重要的作用。然而，当吊挂系统遭遇外部干扰时，过度的振荡可能会导致运输效率的降低以及机械的过早损耗，甚至威胁驾驶员的生命安全。因此，减小振荡问题亟需解决。

直升机吊挂属于低空放行很容易受到外部强干扰的影响，而在这种情况下，针对直升机柔性吊挂系统模型，现有的减振方法不能很好的起到减振的控制效果。在线自适应方法是一种常用的而且行之有效的补偿外部干扰的方法。该控制方法的主要思想是根据系统的实时状态变化来调节系统的动态，从而达到消除外部干扰对系统稳定性的影响。从而，由外部干扰引起的直升机柔性吊挂系统的振荡得到抑制。

由于执行器的物理受限，由控制器传输到控制信号与执行器的输出值往往存在一定的差别。而这种差别有可能会降低直升机柔性吊挂系统的运输效率，甚至达不到抑制振荡的目的，从而对直升机的飞行性能造成影响。因此，在系统的稳定性分析过程中，有必要考虑输入非线性对直升机柔性吊挂系统造成的影响。而设计辅助系统来补偿输入非线性的方法是一种比较有效且简便的方法。本质上，处理输入非线性的影响就是一个补偿实际的执行器输出与设计的控制器输入之间误差值的过程。设计辅助系统是通过构造该误差函数值来补偿输入非线性。

此外，由于测量误差等原因，建立的数学模型与系统实际模型总存在着一定的误差，而这样一个误差，我们称之为系统不确定性。系统不确定性的存在会使我们基于建立的数学模型而设计的控制器对实际系统的控制效果不理想，故有必要对系统不确定性进行研究。而基于径向基的神经网络对未知的函数具有的万能逼近功能。故采用该方法来补偿未知的系统不确定性。另外，对于柔性系统的研究，尽管很多理论文献中已经报道了关于分布式参数控制的很多不错的结果。但是，在现实工程当中往往难以实现。因此，对考虑输入非线性以及外部干扰的不确定直升机柔性吊挂系统的研究有着重要的理论与实际价值。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种自适应神经网络边界减振控制方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种自适应神经网络边界减振控制方法，包括以下步骤：

步骤1：设计辅助系统，消除输入受限的影响；

步骤2：采用基于径向基的神经网络技术，弥补系统的不确定性；

步骤3：在辅助系统和基于径向基的神经网络技术的基础上，设计自适应神经网络边界控制器，对直升机柔性吊挂系统实现减振控制的目的。

优选地，为使叙述简洁，进行了如下定义：

tanh表示双曲正切函数，W(t)＞0说明W(t)是正定的；表示一阶连续可微；min{c₁,c₂,...,c_m}表示取c₁,c₂,…,c_m中最小的值，其中m≥2；为了书写方便起见，给出以下的缩写：

直升机柔性吊挂系统模型：

边界条件：

μ(0,t)＝0  (2)