基于模糊逻辑的模糊逻辑直升机直接自适应控制
自适应控制的方法
自适应控制的方法自适应控制是一种用于调节系统行为以适应外部变化的控制方法。
它能够根据系统当前状态和外部环境的变化自动调整控制参数，以保持系统性能在可接受的范围内。
在工业控制、汽车控制、航空航天等领域都有广泛的应用。
自适应控制的基本原理是根据反馈信号对系统进行实时调整，以便让系统可以适应外部环境的变化。
它是一种闭环控制方法，即通过不断地观测系统的输出，并与期望的输出进行比较，然后对控制参数进行调整，以确保系统达到期望的性能。
相比于传统的固定参数控制方法，自适应控制可以更好地适应系统和环境的变化，使得系统更加稳定和可靠。
自适应控制的方法有很多种类，其中最常见的包括模型参考自适应控制、自抗扰控制、模糊自适应控制和神经网络自适应控制等。
这些方法各有特点，但基本原理基本相同，即通过观测系统的输出和环境的变化，对控制参数进行动态调整，以保持系统的稳定性和性能。
模型参考自适应控制是一种基于系统模型的控制方法，它通过对系统模型的估计，来实时调整控制参数。
它可以适应系统的非线性和时变特性，对于一些复杂的控制系统来说是比较有效的。
自抗扰控制是一种抑制外部扰动对系统影响的控制方法，它通过观测和预测扰动，来进行实时调整控制参数，以抵消外部扰动对系统的影响。
模糊自适应控制是一种基于模糊逻辑的控制方法，它通过对系统的模糊化处理，来实现对控制参数的自适应调整。
它可以适应系统的复杂性和不确定性，对于一些复杂的非线性系统来说是比较有效的。
神经网络自适应控制是一种基于神经网络的控制方法，它通过对系统的学习和记忆，来进行实时调整控制参数，使系统可以适应外部环境的变化。
它可以适应系统的非线性和时变特性，对于一些复杂的控制系统来说是比较有效的。
自适应控制方法的选择，取决于系统的特性和需要达到的性能，不同的方法都有其适用的范围和条件。
在现实应用中，还可以根据系统的具体情况，结合多种方法来实现自适应控制，以获得更好的效果。
在实际应用中，自适应控制可以提高系统的鲁棒性和稳定性，对于一些复杂、非线性、时变的系统来说，尤其有着重要的意义。
基于模糊逻辑控制的自适应智能电网优化研究
基于模糊逻辑控制的自适应智能电网优化研究自适应智能电网是一个非常重要的研究方向，它将成为未来电力行业发展的核心。
基于模糊逻辑控制技术的自适应智能电网优化研究，是目前该领域最具前景的方向之一。
本文将从理论与应用两方面进行探讨，深入研究模糊逻辑控制在自适应智能电网优化中的作用。
一、理论研究1.模糊逻辑控制理论介绍模糊逻辑是一种对含糊问题进行描述和处理的方法，它早在1965年就被引入计算机领域。
模糊逻辑控制则是利用模糊逻辑理论开发出的一种控制方法，相比传统控制方法，在控制效果和智能化方面有着更高的表现。
模糊逻辑控制的目标是通过优化控制输入和输出之间的映射关系，以实现自适应控制。
2.自适应智能电网的优化问题自适应智能电网有着诸多的优化问题，例如：电压平衡、容量调度、能源调度等。
这些问题不仅涉及到电力系统的安全性和可靠性，也需要考虑到能源消耗的控制和利用。
因此，自适应智能电网优化问题是一个比较复杂且多变的问题。
3.基于模糊逻辑控制的优化方法模糊逻辑控制在自适应智能电网优化中的应用，主要是通过建立基于模糊逻辑控制的优化模型，运用模糊推理和模糊控制策略，对系统进行控制和优化。
这种方法可以对自适应智能电网的优化问题进行快速、准确地求解，提高电网系统的效率和可控性。
二、应用研究1.模糊逻辑控制在自适应智能电网优化中的应用自适应智能电网的应用需要有底层的数据处理和控制能力，而模糊逻辑控制可以通过数据的处理和抽象，将原始数据转化为可应用于控制和优化的信息。
模糊逻辑控制在自适应智能电网中的应用，主要是通过构建模糊推理系统，对系统进行实时的数据处理和控制，优化电网的各项指标，实现智能化和自适应控制。
2.模糊逻辑控制在智能电网容量调度中的应用智能电网的容量调度是指电网系统在保证电力供应稳定的前提下，对各种电网资源进行优化配置，实现高效消耗和利用。
模糊逻辑控制在智能电网容量调度中的应用，可以基于电网资源的特性，通过对数据的抽象和模糊控制的方法，实现电力容量较好的分配，避免电力资源浪费和需求不足的情况发生。
模糊控制理论及应用
模糊控制理论及应用模糊控制是一种基于模糊逻辑的控制方法，它能够应对现实世界的不确定性和模糊性。
本文将介绍模糊控制的基本原理、应用领域以及未来的发展趋势。
一、模糊控制的基本原理模糊控制的基本原理是基于模糊逻辑的推理和模糊集合的运算。
在传统的控制理论中，输入和输出之间的关系是通过精确的数学模型描述的，而在模糊控制中，输入和输出之间的关系是通过模糊规则来描述的。
模糊规则由模糊的IF-THEN语句组成，模糊推理通过模糊规则进行，从而得到输出的模糊集合。
最后，通过去模糊化操作将模糊集合转化为具体的输出值。
二、模糊控制的应用领域模糊控制具有广泛的应用领域，包括自动化控制、机器人控制、交通控制、电力系统、工业过程控制等。
1. 自动化控制：模糊控制在自动化控制领域中起到了重要作用。
它可以处理一些非线性和模糊性较强的系统，使系统更加稳定和鲁棒。
2. 机器人控制：在机器人控制领域，模糊控制可以处理环境的不确定性和模糊性。
通过模糊控制，机器人可以对复杂的环境做出智能响应。
3. 交通控制：模糊控制在交通控制领域中有重要的应用。
通过模糊控制，交通信号可以根据实际情况进行动态调整，提高交通的效率和安全性。
4. 电力系统：在电力系统中，模糊控制可以应对电力系统的不确定性和复杂性。
通过模糊控制，电力系统可以实现优化运行，提高供电的可靠性。
5. 工业过程控制：在工业生产中，许多过程具有非线性和不确定性特点。
模糊控制可以应对这些问题，提高生产过程的稳定性和质量。
三、模糊控制的发展趋势随着人工智能技术的发展，模糊控制也在不断演进和创新。
未来的发展趋势主要体现在以下几个方面：1. 混合控制：将模糊控制与其他控制方法相结合，形成混合控制方法。
通过混合控制，可以充分发挥各种控制方法的优势，提高系统的性能。
2. 智能化：利用人工智能技术，使模糊控制系统更加智能化。
例如，引入神经网络等技术，提高模糊控制系统的学习和适应能力。
3. 自适应控制：模糊控制可以根据系统的变化自适应地调整模糊规则和参数。
基于模糊控制理论的自适应PID算法
基于模糊控制理论的自适应PID算法近年来，随着科技的发展，自适应控制技术被越来越广泛地应用于各种控制系统中。
其中，基于模糊控制理论的自适应PID算法是一种很常见的控制方法，具有很强的实际应用价值。
一、什么是自适应PID算法PID控制器是一种广泛应用于工业生产中的控制器，其可以通过对被控对象的反馈信号进行加权处理，从而实现对被控对象的控制。
但是，在实际应用中，由于被控对象的动态特性和环境条件的变化，经常会出现PID控制器参数难以确定和调节的情况，这就需要使用自适应控制技术来解决这种问题。
自适应PID算法是一种自动调整PID控制器参数的方法，其主要原理是根据被控对象的实际工作状态和控制效果来调节PID控制器的参数值，从而实现对被控对象的控制。
在PID控制器中，P 代表比例项、I代表积分项、D代表微分项，而在自适应PID算法中，P、I、D三项参数值是根据被控对象的实际工作状态和控制效果来自适应调整的。
二、模糊控制理论在自适应PID算法中的应用模糊控制理论是一种基于模糊数学的控制方法，其主要特点是可以处理不确定、模糊的信息，具有很强的适应性和鲁棒性。
在自适应PID算法中，模糊控制理论主要用于调节PID控制器中的比例项、积分项和微分项的权重。
具体来说，在模糊控制理论中，有三个基本元素：模糊集合、模糊逻辑运算和模糊推理机。
在自适应PID算法中，这三个元素分别对应着被控对象的状态、PID控制器参数的权重和PID控制器参数的调节规则。
在调节PID控制器中的比例项、积分项和微分项的权重时，主要采用了模糊控制理论中的模糊控制策略。
具体来说，首先将被控对象的状态划分为若干个模糊集合，并为每个模糊集合定义一个隶属度。
然后，根据这些隶属度和一定的模糊逻辑运算规则，得到PID控制器中各项参数的权重值。
最后，再根据这些权重值和一定的模糊推理机规则，得到PID控制器中比例项、积分项和微分项的具体参数值。
三、自适应PID算法的应用范围自适应PID算法广泛应用于各种控制系统中，主要包括以下几个方面：1、工业自控领域：在各种流程控制、物料输送、物流控制等方面均有广泛应用，如化工、机械、电力、冶金等行业。
一类基于模糊逻辑系统的非线性不确定系统的自适应控制
摘 要 ： 用模 糊 逻辑 系统分析 和研 究 了一类 非 线性 不确 定 系统 的 自适 应控 制 问题 。 制 器和 自适 利 控 应律 的构成 直接 利 用 了系统 的数 学 结构 信 息和 模糊 逻 辑 系统 的对 不确 定性 的输 出信 息 ， 在较 弱 的
假 设 条件 下 ， 种控 制 器使被 控 系统的状 态及 参数 估计 误 差一 致终极 有界 。 这 最后 对 水箱 组合 系统 的
性 的精确 上 界 函数 。 这种 控制 器 、 在 自适 应 律及 模糊 逻 辑 系统 的共 同作 用 下 ， 考 虑 的被 控 系 统 的状 态 所
一
采纳 单 点模 糊化 、 积 推理 、 乘 中心 解模 糊 和如 下
形 式 的模 糊规 则 ［ ： ４ ］
Ｒ，：Ｉ ．】 ｓＡ｛ａ ｄ … ａ ｄ Ｆ２ ｉ ７ ｎ ｎ
维普资讯
２０ 年１月 ０ ２ １
西 北 工 业 大 学 学 报
Ｊ ｕ ｎ ｌ ｆＮｏ ｔ ｗｅｔ ｒ ｏｌｔｃ ｎｃ ｌ ｎｖ ｒ ｉｙ ｏ ｒ ａ ｒｈ ｓ ｅｎ Ｐ ｙ ｅ ｈ ｉａ ｉｅ ｓｔ ｏ Ｕ
ＮＯ Ｖ．
２ ２ ００
第２卷第４ Ｏ 期
仿 真 实例 说 明 了本 文所 采 用的 方 法是 比较 有效 的 。 关 键 词： 不确 定性 ， 糊 逻辑 系统 ， 模 自适 应律 ， 一致 终极 有 界
文献标 识 码 ： Ａ 文 章 编 号 ：０ ０２ ５ （０ ２ ０ — ５ ４ ０ １ ０ — ７ ８ ２ ０ ） ４ ０ ２ —４
中 图 分 类 号 ： Ｐ ７ ． Ｔ ２３ ４
．
十几年 来 ， 糊 逻 辑 控 制 作 为 充 分 利用 专 家 知 模
底盘系统中的自适应控制与优化方法
底盘系统中的自适应控制与优化方法底盘系统作为汽车重要的组成部分，直接关系到车辆行驶的稳定性和安全性。
自适应控制与优化方法在底盘系统中的应用越来越受到重视，可以根据不同的路况和驾驶习惯进行调整，提高车辆的操控性和行驶舒适性。
本文将探讨底盘系统中的自适应控制与优化方法。
一、自适应控制的原理自适应控制是指系统可以根据外部环境的变化和内部参数的变化，自动地调整控制策略，以实现系统的最优性能。
在底盘系统中，通过传感器实时采集路面状况、车速、转向角等信息，经过计算分析后，控制系统可以调整悬挂刚度、阻尼力等参数，以适应不同的驾驶情况。
二、自适应控制的应用1. 主动悬挂系统：主动悬挂系统是底盘系统中常见的自适应控制技术。
通过悬挂系统的调整，可以根据路面条件自动调整悬挂硬度，提高车辆的通过能力和行驶稳定性。
2. 电子稳定控制系统（ESC）：ESC是一种能够帮助驾驶员保持车辆稳定性的系统。
通过传感器实时检测车辆的侧倾角、转向角速度等信息，当车辆发生侧滑或失稳时，ESC系统可以瞬间调整车辆的刹车力度和动力输出，帮助驾驶员恢复车辆控制。
3. 自适应巡航系统：自适应巡航系统可以根据车辆前方车辆的速度和距离，自动调整车速，保持与前车的安全距离。
其中的控制算法可以根据交通情况和道路状况进行实时调整，提高驾驶的舒适性和安全性。
三、优化方法的研究1. 基于模糊逻辑的优化算法：模糊逻辑是一种模糊概念的数学表示方法，可以很好地应用于底盘系统的控制优化中。
通过模糊逻辑算法，可以将人们主观的模糊规则转化为数学语言，实现对底盘系统的自适应控制。
2. 遗传算法优化：遗传算法是一种模拟自然选择和遗传机制的优化方法，可以通过不断的迭代演化，找到底盘系统最优的控制策略。
在底盘系统中，利用遗传算法可以优化悬挂系统的参数配置，提高车辆的操控性。
3. 强化学习算法：强化学习是一种根据奖励机制学习最优行为策略的算法，可以通过不断的试错学习，找到底盘系统的最优控制策略。
控制理论中的自适应控制与模糊控制
控制理论中的自适应控制与模糊控制自适应控制与模糊控制是控制理论中的两种重要方法，它们都具有适应性和鲁棒性，并且在不同的工程领域中广泛应用。
本文将分别介绍自适应控制和模糊控制的原理和应用，并比较它们的优缺点。
1. 自适应控制自适应控制是一种实时调节控制器参数的方法，以实现对系统模型和动态特性的跟踪和适应。
自适应控制的基本原理是通过不断观察和检测系统的输入和输出，根据误差的大小来调整控制器的参数，从而实现对系统的控制。
自适应控制的核心是自适应算法，常用的自适应算法有最小均方（LMS）算法、普罗弗洛夫诺夫（P-N）算法等。
通过这些算法，控制系统能够根据实时的输入输出信息，对控制器的参数进行在线调整，从而实现对未知或变化的系统模型的自适应控制。
自适应控制具有以下优点：- 可适应性强：自适应控制能够根据实时的系统输入输出信息调整控制器参数，适应不同的系统模型和工作条件。
- 鲁棒性好：自适应控制对于系统参数的不确定性和变化有很好的鲁棒性，能够有效应对系统参数的变化和干扰。
然而，自适应控制也存在以下缺点：- 算法设计复杂：自适应控制的算法设计和调试较为复杂，通常需要深入了解系统模型和控制理论。
- 需要大量计算资源：自适应控制需要实时处理系统的输入输出信息，并进行参数调整，因此需要较大的计算资源和实时性能。
2. 模糊控制模糊控制是一种基于模糊逻辑的控制方法，它通过建立模糊规则和模糊推理来实现对非精确或模糊信息的处理和控制。
模糊控制的核心是模糊推理机制，通过将输入量和输出量模糊化，使用模糊规则进行推理和控制。
模糊控制的优点包括：- 不需要准确的数学模型：模糊控制可以处理非精确、模糊的输入输出信息，对于某些复杂系统，很难建立准确的数学模型，而模糊控制能够处理这种模糊性。
- 鲁棒性好：模糊控制对于系统参数的变化和干扰有较好的鲁棒性，能够在一定程度上应对不确定性和噪声的干扰。
然而，模糊控制也存在以下缺点：- 规则设计困难：模糊控制的性能很大程度上依赖于设计合理的模糊规则，而模糊规则的设计需要充分的专业知识和经验。
基于模糊逻辑参考模型自适应控制系统
规的 自适 应机 构， 构成一个模 型参考模糊 自适应控制 系统 。仿真结果 表 明， 系统 自适应 能力 强、 该 能适 应对 象特 性的大范围变化。 关键
中图分类号 ： Ｐ ７ ． Ｔ ２３ ４ 文献标识码 ： Ａ 文章编号 ：６ ２ ７ ６ （ ０ ６ ０ ０ ８ １ ７ １９ ２ ０ ） １ ０ ８—０ ４
应 （ ） ｔ与模 型的输 出响应 （ ） ｔ 是不会 完全一 致的， 产生了响应信号 （ ） ｔ。当这信号 ｅ ｔ进入 （）
自 适应调整回路后 ， 经过 自适应律所决定的运算 ， 产生适当的动态信号直接改变控制器的参数 ， 从
而使系统 的输 出 （ ） 步 与参考模 型 的输 出 ｔ逐 （） ｔ 接近 ， 一直 到 （ ） ｔ一 （ ） 即 ｅ ｔ一０ ｔ， （） 后， 自适应的调节过程就 自动停止 ， 控制参数也就 自动整 定 完 毕。 当对 象 特性 在 运 行 发 生 变 化
① ②
８ ８
２ 模糊 参考模型控 制系统
基于参考模 型模 糊 自适 应系统 （ ＭＲ Ｓ 的 Ｆ Ａ ） 结构如图 ２ 示。在控制 系统 中， 模糊 自适 应控制 器与 被控对 象 一 起 组 成 参 数 可调 的 闭环 系 统 ， 控 制器采用间接控 制方法 ， 即先利用模糊逻辑系统 为被控对象建模 ， 然后再产生所需要的控制作用。 通过调整模糊逻辑系统的可调参数到达逼近被控 对象 的目的， 从而使系统 的输 出在一定条件下 ， 能 以任意精度跟踪参考模型的输出。
时， Ａ ＭＲ Ｓ也 能如上述过程一样 ， 对控制器 的参 数进 行 自适应 动 态调 整 ， ｅ一 ０ 即 （ ） 使 ｔ ， ｔ 一
（ ） ｔ。
图 １ 参考模型控 制系统
１ 参考模型 自适应控 制系统
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第37卷 增刊 2009年 8月 华 中 科 技 大 学 学 报(自然科学版)J.H uazhong U niv.o f Sci.&T ech.(N atural Science Edition)Vo l.37Sup. Aug. 2009收稿日期:2009 05 08.作者简介:陈复扬(1967 ),男,副教授;姜斌(通信作者),教授,E ma il:binjiang@.基金项目:航空科技创新基金资助项目(08C52001).基于模糊逻辑的故障直升机直接自适应控制陈复扬 姜 斌 刘宇航(南京航空航天大学自动化学院,江苏南京210016)摘要:针对直升机在执行器故障程度连续加重的情形,进行基于模糊逻辑的直接自适应控制方法研究.首先对无故障直升机设计状态反馈控制律使其稳定并配平,同时分析不同程度执行器故障对直升机飞行控制的影响;然后在直接自适应控制的基础上,采用增加模糊逻辑模块提高直接自适应控制的鲁棒性,使其稳定飞行,完成在直升机执行器故障程度连续加重情况下的直接自修复控制.仿真实验表明,基于模糊逻辑的直接自适应控制对直升机程度连续加重的执行器故障具有一定的鲁棒性.关 键 词:直升机;模型参考自适应;自修复;直接自适应;模糊逻辑中图分类号:T P13 文献标识码:A 文章编号:1671 4512(2009)S1 0131 03Direct self adapting control of faulty helicopter based on fuzzy logicChen Fuy ang J iang Bin L iu Yuhang(Colleg e o f A uto matio n Engineer ing ,Nanjing U niver sity o f A eronauticsand A stro nautics,Nanjing 210016,China)Abstract:Direct adaptive control m ethod based on fuzzy log ic w as inv estig ated under the condition that the fault degree o f the actuato r of helicopter w as continuously ag gravated.Firstly,state feedback con tro l law w as desig ned for the fault free helicopter to make it in a stable and balance state.Simultane o usly,the im pact that actuato r fault of various degree had on helicopter flig ht contro l w as analyzed.Then,direct adaptive control law w as constructed for the dir ect self repairing contr ol of fault helicop ter to ensure the helico pter to fly stably.Finally,in or der to enhance the robustness of direct adaptive control,fuzzy log ic module w as added in this paper so that direct self r epairing contr ol can be success fully acco mplished.Simulation results show ed the robustness of fuzzy lo gic based direct adaptiv e con tro l against the continuo usly ag gravated fault degree o f the actuato r.Key words:helicopter;mo del refer ence adapting;self repair;direct self adapting ;fuzzy log ic 飞行控制技术已成为现代直升机发展中的关键技术之一[1,2].直升机飞行控制系统中的执行器在实际工作时出故障的可能性较大.因此有必要研究直升机飞行控制系统的智能故障诊断和控制律重构方法,通过对直升机的关键部件进行故障特征研究,根据连续监视信息,及早地发现故障前兆及早期的故障.在故障发生时,通过故障检测与容错控制技术[3,4],保证直升机平稳飞行和自旋下落,增加飞行的安全性.直升机舵回路是直升机自动驾驶仪的重要子系统,进行在线故障诊断难度较大.近期国内外的控制重构研究多为模型预测控制[5]、基于神经网络的自适应控制等.目前直升机飞控系统重构技术也倾向于采用主动容错控制技术,但文献报道较少.鉴于直升机执行器故障诊断难度较大,本文采用不需要故障诊断的直接自适应控制方法设计故障直升机的重构控制律[6,7],针对直升机线性变参数(LPV)系统进行基于模糊逻辑的直接自适应控制方法研究.1 故障直升机系统1.1 线性变参数系统对于一个在起降飞行包线的六自由度直升机LPV 系统[8,9],其带故障系统纵向动态方程为 x (t)=A ( t )x (t)+B ( t )u (t)+E ( t )f (t);y (t)=C x (t),式中:u (t)=[u col ,u lon ]T 为直升机系统控制变量,u col 和u lon 为总距变量和纵向周期性变距的变量;x (t)=[u wq]T为状态变量,u 和w 为直升机飞行速度沿机体轴水平分量和垂直分量(本文中已做归一化处理),q 和 为俯仰角速率和俯仰角; A ( t )=-0.03600.02710.0188-0.45550.0482-1.01000.0024-4.02080.1002 t,1-0.7070 t,20.00000.00001.00000.0000;B ( t )=0.44220.1761t,3-7.5922-5.52004.49000.00000.0000;C =1000010000100001;参数向量 t =[ t,1t,2t,3]T随着飞行速度的变化而变化,当直升机时速由60kn 增至135kn 时, t,1 [0.0664,0.5047], t,2 [0.1198,2.5260], t,3 [0.9775,5.1120];E ( t )为直升机执行器故障注入传递矩阵;f (t)为直升机执行器故障程度设置向量,f (t)=[f 1,f 2].1.2 状态反馈控制律无故障直升机模型闭环极点:s 1=0.0001+j0.3461,s 2=0.0001-j0.3461,s 3=-0.3917,s 4=-1.3615,该直升机飞行控制系统是不稳定的.设计状态反馈控制来调节系统闭环极点,使无故障直升机稳定且配平,即E ( t )=B ( t ).若闭环设计极点为:s 1=-1+j ,s 1=-1-j ,s 3=-5,s 4=-30,则状态反馈矩阵为 K =15.89570.4957-4.9437-11.39182.5526-0.4293-0.7272-1.2042.1.3执行器故障的影响直升机在状态反馈控制下,当[u col ,u lon ]=[5,5]时,4种不同程度故障直升机飞行控制的输出结果见表1.可以看出,故障1时,故障与输入相抵消,有故障输出与无故障输出误差较大;故障2时,故障与输入相同,有故障输出为无故障输出的2倍;故障3时,故障是输入的2倍,有故障输出为无故障输出的3倍;故障4时,有故障输出与无故障输出误差最大.表1 4种不同程度故障直升机飞行控制输出结果故障[f 1,f 2]u w q 无[0,0]0.8-600.381[-5,-5]0.0000.002[5,5]1.6-1200.803[10,10]2.4-1801.204[20,20]3.8-321.902 控制系统设计分析可知,直接自适应控制对故障直升机的自修复能力强,跟踪能力好;但是,在执行器故障程度连续加重情况下,用自适应控制律来进行全程自修复控制,系统虽然稳定,但控制效果欠佳,尤其水平速度u 和垂直速度w 修复能力不够,不能达到直升机所要求的飞行控制品质.为了改善故障程度连续加重情况下直升机的自修复控制品质,采用基于模糊逻辑的故障直升机直接自适应控制方法.综合以上直升机飞行状态下直升机输入与故障组合的不同情况,采用直升机故障注入方式进行基于模糊逻辑的故障直升机直接自适应控制,见图1.由于3个输出量中的水平速度u 的变化最为明显,且成阶跃变化形状,故选择u 值作为逻辑开关的判断阈值.按数据进行连续故障注入,利用直升机参考模型的输出u !作为逻辑开关.模型直升机飞行控制系统输出u !的变化如图2示.可以看出,在10s,15s,20s 时,u !所对应的数值分别为1.55,2.30,3.10(该变化是由于输入故障的跃变),故以此作为Sw itch 逻辑判断的阈值.设[u col ,u lon ]=[5,5],K 1=15,K 2=15,K 3=7,K 4=5,K =15,a =1,其他参数设置见表2.该表2 基于模糊逻辑的直接自适应控制律参数故障[f 1,f 2]控制律b 1[5,5]Z172[10,10]Z235/43[15,15]Z370/3∀132∀ 华 中 科 技 大 学 学 报(自然科学版) 第37卷图1 基于模糊逻辑的故障直升机直接自适应控制框图模糊逻辑系统的逻辑判断规则(控制律)见表3.采用上述原理,基于模糊逻辑的故障直升机直接自适应控制仿真结果如图3示.图3中:u gz,图2 直升机参考模型输出表3 模糊逻辑判断规则故障1故障2故障3故障4输入1Z1Z2Z3Z4输入2Z5Z6Z7Z8输入3Z9Z10Z11Z12输入4Z13Z14Z15Z16w gz ,q gz 和 gz 表示故障时基于模糊逻辑直接自适应控制直升机的水平速度、垂直速度、俯仰角速率和俯仰角;u ck ,w ck ,q ck 和 ck 表示无故障时直升机参考模型的水平速度、垂直速度、俯仰角速率和俯图3 基于模糊逻辑故障直升机直接自适应控制仿真结果仰角.结果表明,在故障发生的全过程中,基于模糊逻辑的直接自适应控制比直接自适应控制效果好,较好地完成了故障程度连续加重情况下的自修复控制,且满足一定的飞行品质.参考文献[1]李林华,胡启元,赖水清.我国直升机飞行控制系统的发展思路[J].直升机技术,2007,149(1):49 52.[2]Lu Jing chao ,Ling Q io ng ,Zhang Jiam ing.L ateralcontro l law desig n fo r helico pter using r adial basis function neural netwo rk [C ]#Pr oceeding s of the IEEE Int er national Conference on Automat ion and L og istics.[s.n.],2007:2807 2812.[3]周东华,叶银忠.现代故障诊断与容错控制[M ].北京:清华大学出版社,2000.[4]姜 斌,冒泽慧,杨 浩,等.控制系统的故障诊断与∀133∀增刊 陈复扬等:基于模糊逻辑的故障直升机直接自适应控制故障调节[M ].北京:国防工业出版社,2009.[5]L unze J,Steffen T .Contr ol reconfig uratio n after actuat or failur es using disturbance deco upling methods [J ].IEEE T r ansactio ns on A ut omatic Contro l,2006,51(10):1590 1601.[6]Chen Fuyang,Jiang Bin,Zhang Ke.T he integ ratedapplicatio n on adapt ive contr ol of unmanned combat aerial v ehicles [C ]#Pro c of the 2nd Internatio nal Symposium o n Systems and Contr ol in A eronautics and A stro nautics (ISSCA A ).[s.n.],2008:1311 1315.[7]Chen F uyang,Jiang Bin,Zhang K e.D irect self repaircontro l and actuato r failures re present t echniques for civ il av iatio n air cr aft[J].Inter national Jo ur na l o f In no vative Co mputing ,Infor matio n and Co ntr ol,2009,5(2):503 510.[8]N arandra K S,T r ipat hi S S.Ident ificatio n and optimization o f a ircr aft dy namic [J].A IA A Journal o f A ir craft,1973,10(4):193 199.[9]Saif M ,Guan Y uping.A new appro ach to robustfault detection and identificatio n[J].IEEE T ransac tio ns on A ero space and Electro nic Sy st ems,1993,29(3):685 695.(上接第113页) 1.4,很容易判断出系统故障的发生.图2 残差评价指标J (r)的变化曲线由仿真结果可知,本文的故障诊断方法对载重轮胎硫化过程的故障诊断是有效的.下一步的工作是进行故障分离的研究,在硫化过程发生故障时可准确诊断出故障源,为故障的迅速排除和尽快恢复生产提供指导和保障.参考文献[1]周 俊.轮胎硫化生产过程的模糊控制[J].化工自动化及仪表,2004,31(3):11 13.[2]刘川来,李康康,刘成才.基于模型参考自适应的轮胎硫化控制系统[J].青岛科技大学学报,2007,28(1):62 64.[3]王 南,韩 兵,蒋元凯.载重轮胎硫化生产过程的故障诊断[J].上海海运学院学报,2001,22(3):285 290.[4]徐常胜,周兆英,刘思行.基于神经网络和专家系统的故障诊断[J].控制与决策,1995,10(4):342 346.[5]王启志.基于小波分析的自动控制系统的故障诊断[J].上海海运学院学报,2001,22(3):113 115.[6]张 萍,王桂增,周东华.动态系统的故障诊断方法[J].控制理论与应用,2000,17(2):153 158.[7]李 贺,王庆林,王军政.自动控制系统故障诊断技术的发展与展望[J].火力与指挥控制,2002,27(5):321 327.[8]邱 浩,王道波,张焕春.控制系统的故障诊断方法综述[J].航天控制,2004,22(2):53 60.[9]邓晓刚,田学民.生产过程故障诊断方法研究现状及展望[J].石油大学学报,2005,29(6):151 157.[10]崔 宇,黄心汉,王 敏.基于导弹L PV 模型的故障检测滤波器[J].华中科技大学学报:自然科学版,2008,36(1):35 38.[11]R uan Chengy u,Cui Y ubin,F u Jun,et al.F ault detectio n o f netwo rked contr ol systems w ith rando m co mmunicatio n delays [C]#Pr oceeding s o f Chinese Co ntr ol and Decisio n Conference,[s.n.],2008:496 499.∀134∀ 华 中 科 技 大 学 学 报(自然科学版) 第37卷。