直升機(jī)pid控制仿真研究

直升機(jī)pid控制仿真研究

1基于rbf神經(jīng)網(wǎng)絡(luò)整定的pid控制器設(shè)計(jì)現(xiàn)代控制理論的發(fā)展對智能控制技術(shù)的應(yīng)用有了很大的發(fā)展。隨著人們對不確定性、復(fù)雜性、模糊性控制問題的深入研究,專家系統(tǒng)、模糊邏輯和神經(jīng)網(wǎng)絡(luò)被廣泛地引入到控制理論之中,這三者都具有解決人工智能中知識表達(dá)、不確定性推理的信息表達(dá)和處理能力。模糊邏輯PID控制器和神經(jīng)網(wǎng)絡(luò)PID控制器既具有常規(guī)PID控制器結(jié)構(gòu)簡單,可靠性高等優(yōu)點(diǎn),又具有自學(xué)習(xí)、自適應(yīng)的功能,適合處理復(fù)雜動態(tài)不確定系統(tǒng)。因此,文獻(xiàn)[1]中采用基于RBF網(wǎng)絡(luò)整定的PID控制器來控制三自由度飛行器模型系統(tǒng),并設(shè)計(jì)一種免疫遺傳算法來優(yōu)化網(wǎng)絡(luò)參數(shù)。文獻(xiàn)[2]利用BP算法訓(xùn)練飛行器的角速度在坐標(biāo)系中的投影并建立飛行器姿態(tài)角的預(yù)測模型,從而使飛行器的姿態(tài)達(dá)到了期望的控制效果。文獻(xiàn)[3]設(shè)計(jì)了模糊PID控制器,并用該控制器對三自由度飛行器實(shí)驗(yàn)裝置進(jìn)行了實(shí)物控制實(shí)驗(yàn),效果良好。文獻(xiàn)[4]設(shè)計(jì)了基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制器,與LQR控制方法相比,該方法具有控制精度高、響應(yīng)速度快的優(yōu)點(diǎn),并且具備較強(qiáng)的自適應(yīng)性和魯棒性。近年,隨著人工免疫理論研究的深入,免疫系統(tǒng)的相關(guān)機(jī)理為解決一些控制系統(tǒng)難題提供了新思路。Ishiguro等人提出了一種基于免疫網(wǎng)絡(luò)理論的機(jī)器人行為規(guī)劃框架針對直升機(jī)的靜穩(wěn)定性不好問題,設(shè)計(jì)了模糊PID控制器、神經(jīng)網(wǎng)絡(luò)PID控制器和免疫PID控制器進(jìn)行增穩(wěn)和控制,并對不同控制規(guī)律下的系統(tǒng)控制效果進(jìn)行了對比研究,期望獲得相對最優(yōu)控制規(guī)律及控制方式,以使直升機(jī)系統(tǒng)達(dá)到飛行品質(zhì)規(guī)范要求的動態(tài)響應(yīng)指標(biāo)。2機(jī)架式系統(tǒng)的建模2.1后部軸由圖1可知,俯仰軸的轉(zhuǎn)矩是由兩個螺旋槳電機(jī)產(chǎn)生的升力F其中,J2.2g水平分量對旋轉(zhuǎn)軸的動力學(xué)建模旋轉(zhuǎn)軸的動力來源是螺旋槳橫側(cè)傾斜時產(chǎn)生的水平方向升力。對于比較小的橫側(cè)角,這個力需要使直升機(jī)在空中保持平衡,大約為G。G的水平分量會對旋轉(zhuǎn)軸產(chǎn)生一個力矩,旋轉(zhuǎn)軸由這個力產(chǎn)生旋轉(zhuǎn)加速度。如圖2所示。其動力學(xué)方程如下:式(4)中r是旋轉(zhuǎn)速度,單位rad/s;sin(p)是橫側(cè)角p的正弦值,若橫側(cè)角為零,則沒有力傳遞給旋轉(zhuǎn)軸。俯仰角加速度是加在兩個螺旋槳電機(jī)的電壓和的函數(shù);橫側(cè)軸加速度是兩個電機(jī)電壓差的函數(shù);旋轉(zhuǎn)軸的加速度和橫側(cè)角成比例。3機(jī)架差源系統(tǒng)的智能控制3.1id控制器設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)PID控制器采用三層BP神經(jīng)網(wǎng)絡(luò),有M=4個輸入節(jié)點(diǎn),Q=5個隱層節(jié)點(diǎn)、3個輸出節(jié)點(diǎn),輸出節(jié)點(diǎn)分別對應(yīng)PID控制器的3個可調(diào)參數(shù)k網(wǎng)絡(luò)輸入層的輸入為:網(wǎng)絡(luò)隱含層的輸入、輸出為:網(wǎng)絡(luò)輸出層的輸入、輸出為:隱含層神經(jīng)元活化函數(shù)取正負(fù)對稱Sigmoid函數(shù),輸出層神經(jīng)元活化函數(shù)取非負(fù)Sigmoid函數(shù),取性能指標(biāo)函數(shù)為E(k)=1/2(r最終可推導(dǎo)出網(wǎng)絡(luò)輸出層權(quán)系數(shù):隱含層加權(quán)系數(shù):三層BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)速率選取η=0.1,慣性系數(shù)選取α=0.25。3.2mamdni模糊推理選取偏差E、偏差變化EC和控制輸出量k利用Mamdani模糊邏輯推理,重心法解模糊算法,可得49條模糊規(guī)則,其數(shù)值空間分布見圖3。3.3免疫調(diào)節(jié)作用直升機(jī)系統(tǒng)免疫PID控制器結(jié)構(gòu)設(shè)計(jì)見圖4。系統(tǒng)輸出為:式(12)中λ表示響應(yīng)過程中的免疫促進(jìn)(λ=-1),免疫抑制(λ=1)和免疫穩(wěn)定(λ=0)不同階段的免疫調(diào)節(jié)作用,e根據(jù)T細(xì)胞調(diào)節(jié)作用,f(u)選取非線性函數(shù):式(13)中a為抗體濃度作用系數(shù)。對于不同的a,非線性函數(shù)的圖形如圖5所示。本例中取a=10,非線性函數(shù)的作用區(qū)域?yàn)閇-0.6,0,0.6],f(·)∈(0,1)。另外,λ的選擇是通過S函數(shù)immune來實(shí)現(xiàn)的,e4免疫pid控制下的系統(tǒng)響應(yīng)由圖6(a),(c),(e)對直升機(jī)俯仰角控制可以看出神經(jīng)網(wǎng)絡(luò)PID控制下的系統(tǒng)調(diào)節(jié)時間最長,系統(tǒng)響應(yīng)無超調(diào)量;模糊PID控制器下的系統(tǒng)調(diào)節(jié)時間最小,系統(tǒng)響應(yīng)略有超調(diào)量;免疫PID控制下的系統(tǒng)超調(diào)量過大,易導(dǎo)致系統(tǒng)不穩(wěn)定。系統(tǒng)穩(wěn)態(tài)性能方面,神經(jīng)網(wǎng)絡(luò)PID控制下的系統(tǒng)無穩(wěn)態(tài)誤差;模糊PID控制下的系統(tǒng)存在微量穩(wěn)態(tài)誤差;而免疫PID控制下的系統(tǒng)穩(wěn)態(tài)誤差非常大,系統(tǒng)控制精度較低。由于免疫PID控制下的系統(tǒng)響應(yīng)存在很大的超調(diào)量和誤差,其控制效果無法滿足直升機(jī)俯仰角的控制指標(biāo)需求。由圖6(b),(d),(f)對直升機(jī)旋轉(zhuǎn)軸控制可以看出神經(jīng)網(wǎng)絡(luò)PID控制下的系統(tǒng)調(diào)節(jié)時間最長,約16秒,系統(tǒng)響應(yīng)存在超調(diào)量;免疫PID控制下的系統(tǒng)調(diào)節(jié)時間最小,無超調(diào)量;模糊PID控制下的系統(tǒng)響應(yīng)無超調(diào)量。系統(tǒng)穩(wěn)態(tài)性能方面,神經(jīng)網(wǎng)絡(luò)PID控制下的系統(tǒng)無穩(wěn)態(tài)誤差;模糊PID控制下的系統(tǒng)存在微量穩(wěn)態(tài)誤差;而免疫PID控制下的系統(tǒng)不存在穩(wěn)態(tài)誤差。由于免疫PID控制對旋轉(zhuǎn)軸的控制響應(yīng)無超調(diào)、調(diào)節(jié)時間最小、無誤差,系統(tǒng)輸出響應(yīng)曲線基本還原了階躍信號的波型,因此完全能夠滿足直升機(jī)旋轉(zhuǎn)軸的最優(yōu)控制規(guī)律和控制指標(biāo)需求,控制效果相對其他兩類控制器改善明顯。根據(jù)三種智能PID控制直升機(jī)俯仰角和旋轉(zhuǎn)軸的仿真實(shí)驗(yàn)和對比研究可知,利用生物免疫機(jī)理設(shè)計(jì)的免疫PID控制器對某類特定的控制模型(旋轉(zhuǎn)軸控制),其系統(tǒng)響應(yīng)的動、靜態(tài)性能指標(biāo)能夠超越模糊PID和神經(jīng)網(wǎng)絡(luò)PID控制,這為免疫控制用于其他類型控制無法獲得滿意控制效果的