飞机的故障自修复技术研究

飞机的故障自修复技术研究
姓名：
学号：
专业：
学院：
摘要
飞机在飞行过程中，如果发生升降舵、副翼、方向舵等操纵面的突然卡死或损伤等故障，会导致飞行品质严重降低，甚至会破坏飞行控制系统的稳定性而导致飞机的坠毁。

本文以某型飞机模型为对象，重点研究飞机自修复飞行控制技术，在飞机出现操纵面故障或者战斗受损时，能够使飞机的稳定和恢复过程自动化，避免飞行事故的发生。

首先，建立了某型飞机的六自由度非线性方程，在MATLAB语言环境下运用三次样条函数插值方法对大量的气动力参数及气动力矩参数数据进行了插值处理，并在此基础上建立了飞机正常和故障飞行的仿真模型。

其次，将神经网络与逆系统理论结合，分别建立了飞机俯仰、滚转和偏航操纵通道的神经网络逆系统，克服了传统的逆系统设计中将不可忽视的非线性关系用线性关系代替或者忽略的弊端。

再次，应用基于神经网络动态逆方法的自适应跟踪自修复控制方案对飞机在几种典型故障下的自修复控制进行了仿真研究。

克服了单纯用线性控制系统理论来控制象飞机这样的复杂非线性系统鲁棒性能较差的问题。

对由于建模误差、不确定因素等引起的非线性系统逆误差则由自组织模糊小脑模型关节控制器神经网络来对消，以获得预期的控制效果，从而达到自修复控制目的。

关键词:飞机自修复飞行控制神经网络自适应控制逆系统
一、研究的目的和意义
飞机飞行过程中有时会发生机翼、平尾折断或升降舵、副翼、方向舵等操纵面突然卡死的现象，而驾驶员主要通过管理和监控复杂的飞行控制和导航等来操纵飞机。

但是对于驾驶员来说，即使是经验丰富的驾驶员，恰当地应付突发性故障和反常情况是很困难的。

因而，在飞行控制系统设计时，利用故障自修复技术增加系统对故障的适应能力，使飞机在遇到故障和危险时仍可安全飞行。

实际上，飞机的每一个控制操纵面的偏转都能产生不同轴向的附加力矩，可以在飞机某操纵面发生故障时，将另外一侧操纵面及其它操纵通道的控制作用重新调整来消除或者减小故障操纵面的影响，也就是说飞机的控制操纵面之间存在着功能的冗余。

这就有了另一种提高飞行控制系统安全性的方法，即利用飞行控制操纵面的功能冗余，通过控制软件对控制效果进行再分配，把失效舵面的力和力矩分配到其它功能完好的控制舵面上，使出现有限操纵面故障或损伤的飞机仍能安全飞行，这就是飞机的故障自修复控制问题。

对于飞机的飞行控制系统而言，提高其可靠性是保障飞行安全的要求。

如果飞机具有故障自修复控制功能的飞机控制系统，具有重要的现实意义：当飞机出现操纵面故障或者战斗受损时，使飞机的稳定和恢复过程自动化，避免由于飞行员慌张之下作出错误判断或处理不当而导致飞行事故，保障飞机继续执行任务或者安全返航，提高飞机的安全性、可靠性和生存能力。

二、国内外的研究现状
飞机的故障自修复技术研究从二十世纪七八十年代就开始了，陆续有了不少成果。

1984年美国空军动力实验室制定了一项自修复飞控系统(SRFCS)研究计划，目的是改善飞控系统的可靠性、可维护性、可生存性并减少其生命周期代价。

在二十世纪八十年代，许多学者都对伪逆法在飞控系统重构控制方面的应用做了大量的理论研究和仿真计算，1989年至1990年，美国空军在F一15验证机上进行了飞行验证，表明其是一种有效的重构控制方法。

1999年，美国启动了无尾飞机飞控系统重构与自适应研究计划，目的是为2000年以后使用的无尾隐身战斗机研制一种可重构自适应飞行控制系统。

该系统可通过机械计算机协调多个操纵机构动作，自动适应飞行条件以及飞机构型的变化，自动补偿操纵面有限故障或战斗损伤对飞控系统的影响。

这一计划研制了一种动态逆方法与神经网络相结合的最新飞行控制系统，采用在线神经网络来调整相应期望模型和实际飞机响应之间的误差，在故障或损伤发生后不需要故障准确信息就可使飞机稳定，大大降低了整个自修复控制中系统辨识的严格要求。

这项技术将动态逆和神经网络技术结合起来，并且在很多飞机上得到成功的应用，例如无尾战斗机飞控系统等，这也说明故障自修复控制技术进入了实用阶段，自修复控制技术也是现代先进战斗机的技术要求之一。

在我国航空领域，飞行控制系统的自修复控制己成为研究重点之一。

南京航空航天大学和北京航空航天大学为飞机自修复控制的研究奠定了一定的理论和实践基础，近几年来在结合工程实际的基础上取
得了一些阶段性的研究成果。

三、研究的具体内容
1、建立数学模型
建立某型飞机的六自由度非线性方程，在MATLAB语言环境下运用三次样条函数插值方法对大量的气动力参数及气动力矩参数数据进行了插值处理，并在此基础上建立了飞机正常和故障飞行的仿真模型。

飞机动力学仿真是在飞机一般运动方程的基础上根据仿真目标的需求建立仿真数学模型，描述飞机在地面上运动和空中飞行时的性能和动态特性。

2、分析所建立的数学模型
将神经网络与逆系统理论结合，采用直接逆系统辨识方法建立了飞机操纵通道的BP神经网络逆系统。

飞机操纵通道中存在三个互相耦合的子系统:滚转、偏航和俯仰子系统。

因此需要三个BP神经网络来分别建立飞机三个操纵通道的逆系统模型。

利用BP神经网络建立的飞机俯仰、滚转和偏航通道的神经网络逆系统，能够抵消对象的非线性耦合特性和时变特性，使系统成为若干积分环节串联的线性化解耦时不变系统(伪线性系统)。

把一个非线性系统解耦为伪线性系统，具有十分重要的意义，解耦后的伪线性系统我们能够运用线性系统的结构特性来分析该数学模型，使用线性系统的各种设计理论来完成伪线性系统的综合。

3、飞机故障自修复的控制
基于神经网络动态逆方法的自适应跟踪控制方案对飞机在几种
典型故障下的自修复控制进行了研究。

通过应用此方法，克服了单纯用线性控制系统理论控制飞机这样复杂的非线性系统鲁棒性能较差的问题，对于建模误差、不确定因素等引起的非线性系统逆误差则由SOFCMAC神经网络来对消以获得预期的控制效果，从而达到自修复控制目的。

四、研究的关键问题
1、建模的复杂与简化问题
飞机对象的数学建模是研究飞行控制系统的基础。

飞机空间运动有六个自由度，由于其系统庞大、结构复杂、气动数据多，所以建立完整的六自由度全量飞机模型比较困难。

以往研究-荀民对象时，将飞机按纵向和横向分开建模，采用小扰动增量飞机方程和固定气动系数来建立五或六自由度飞机对象模型。

用以上方法研究飞机对象在一定程度上也可以反映飞机的特性，但随着研究工作的不断深入以及对飞机模型推确性要求的不断提高，这种建模方法已经不能满足要求，必须建立更为准确的六自由度飞机模型。

2、模型的分析方法问题：
为了保证研究的精度，我们建立的模型是复杂的非线性系统模型，这给模型后期的分析处理制造了很大的困难。

为了保证研究的经度而又能够运用线性系统的理论来研究非线性问题，我们引入了反馈线性化方法。

反馈线性化是通过非线性反馈和非线性坐标变换(或者动态补偿)将非线性系统变换为线性系统，然后对变换后的线性系统采用成熟的
线性系统的理论进行研究的一种理论方法。

在反馈线性化理论研究中，微分几何法是用的较早的一种方法，这种方法需要通过一个微分同胚坐标变换和一个非线性状态反馈给出解耦结构，需要将问题变换到几何域。

另一种反馈线性化的方法是逆系统方法。

逆系统方法不需要对所研究的问题进行中间变换，可以直接进行研究，所以逆系统方法直观而且容易理解和实现。

逆系统方法是指:对于给定的被控系统，根据被控系统的精确数学模型求出它的正则积分逆系统，并用这种逆系统与原系统复合，将原系统线性化解耦成若干相互独立的积分型解祸子系统(伪线性系统)。

运用逆系统方法的目的是将非线性系统线性化解祸为伪线性系统，便于使用线性系统的各种设计理论来完成伪线性系统的综合。

五、研究的技术手段
1、建立系统的数学模型
建立了某型飞机的六自由度非线性方程，在MATLAB 语言环境下运用三次样条函数插值方法对大量的气动力参数及气动力矩参数数据进行了插值处理，并在此基础上建立了飞机正常和故障飞行的仿真模型。

飞机的动力学仿真模型结构如图1所示。

飞行仿真系统接收来自操纵负荷系统的操纵面位置，经过仿真系
气动数据操纵系统 图1
统的计算，获取飞机的姿态和位置以及其它飞行参数，然后和其它部分组成闭环仿真系统动力学仿真模型中的运动方程模块由多个子模块组成，主要完成飞机六自由度刚体运动方程的解算，该模块中，首先综合飞机所受的各种力和力矩，包括重力、气动力、发动机推力及各种力矩，计算沿机体轴的线加速度和角加速度;然后应用积分产生飞机的合成速度，计算飞行轨迹参数;把机体轴角速度分解到稳定轴上，计算飞机迎角、侧滑角及其变化率，以提供给气动模型使用;把角速度分解到地轴上，用积分方法计算三个欧拉角(俯仰、滚转和偏航)，为运动系统提供飞机姿态参数。

气动系数模块数学模型和软件完成飞机空气动力特性的仿真，计算飞机的横侧向和纵向气动系数、气动力和力矩，调用插值子程序求出飞行瞬间对应的气动数据，供计算气动系数使用。

2、所建立数学模型的分析
对所建立的数学模型用反馈控制系统中的基于神经网络的动态逆系统分析方法进行分析。

对于一个具有动态过程的系统，有相应的逆过程，或称为逆系统。

如果一个信号先后经过逆过程和原过程，其结果等价于经过一个被标准化了的单位映射，从而等价于经过一个线性解耦系统。

根据这种逆系统的线性化解耦思想人们提出一种直接反馈线性化解耦方法—逆系统方法
要求知道系统精确的模型解析式，而且还必须求出逆系统的显式表示，这对大多数非线性系统来说往往难以实现。

神经网络为解决这个问题提供了有效的方法。

神经网络就能一致逼近于任意连续函数，
这说明神经网络在构造逆系统时较为合适。

图2和图3分别为单输入单输出和多输入多输出时，基于原系统内部特性的神经网络逆系统及相应的伪线性复合系统。

图2 单输入单输出
图3 多输入多输出
3、飞机俯仰、滚转和偏航操纵通道神经网络a阶逆系统
飞机操纵通道中存在三个互相祸合的子系统:滚转、偏航和俯仰子系统。

因此需要三个BP神经网络来分别建立飞机三个操纵通道的逆系统模型。

由于三个逆系统模型类似，仅以俯仰子系统为给出用
BP神经网络来建立俯仰角的二阶积分逆系统。

俯仰通道伪线性系统结构和俯仰角二阶积分逆系统仿真结构示意图如图4和图5所示：
图4 俯仰通道伪线性系统结构
图5 俯仰角二阶积分逆系统仿真结构示意图
4、飞机故障自修复控制
飞机故障自修复控制系统控制方案如图6所示。

图6 基于神经网络动态逆的直接自适应重构控制系统该方案中的近似动态逆由BP神经网络来实现并与原系统模型构成伪线性系统(第三章);参考模型和线性控制器按期望的系统性能进行设计;SOFCMAC神经网络用来补偿逆误差。

控制的目标是设计控制律u使得闭环系统稳定，且状态x跟踪参考模型状态x。

结论
本文建立了某型飞机的六自由度非线性模型，在此基础上研究飞机自修复控制技术，对正常和故障情况下的飞机进行了数学建模。

将神经网络与逆系统理论结合，直接对飞机的强耦合、强非线性方程求逆，建立了歼击机神经网络逆系统并设计了伪线性控制器。

在此基础上，应用基于神经网络动态逆的非线性模型参考自适应自修复控制方案对飞机在各种故障条件下进行了自修复控制的研究。

当飞机操纵面发生故障时，可以在线消除系统的近似逆误差和前向神经网络的映射误差，使飞机控制达到或接近正常状态。

参考文献：
[1] Dr.J.M.MacieJowski. Reeonfigurable Flight Control First Year
RePort.
[2] Jovan D Boskovic and Raman K. Mehra. A multiple model一
based reconfigurable fight control system design . .In Proeeedings on the 37th IEEE Conference on Decision&Control.
[3] JosePh S. Brinker Kevin A. Wise，Reconfigurable flight eontrol for a
tailess advanced aircraft.
[4] Moshe Idan，Matthew Johnson，and Anthony J.Calise. A
hierarchieal approach to adaptive eontrol for improved flight safety.
AIAA Joumalon Guidanee，Control and Dynajnies.
[5] A.J. Calise，R.T Page，Noulinear adaptive flight control using
neural networks, IEEE Control System magazine.
[6] 李春文，冯元馄.多变量非线性控制的逆系统方法. 清华大学出版
社
[7] 徐丽娜.神经网络控制.哈尔滨工业大学出版社。