24、飞机自动驾驶与指令增强系统中的在线学习神经网络控制器研究

飞机自动驾驶与指令增强系统中的在线学习神经网络控制器研究

在飞机控制领域，不断探索更高效、更智能的控制方案是提升飞行性能和安全性的关键。在线学习神经网络（OLNNET）控制器作为一种新兴的控制技术，正逐渐在飞机自动驾驶和指令增强系统中展现出巨大的潜力。本文将深入探讨OLNNET控制器在飞机相关系统中的应用、设计、性能评估等方面的内容。

1. 研究背景与模型改进

飞机控制理论一直致力于设计能够增强飞机动态行为的飞行控制系统。传统的基于增益调度的控制律在应对复杂的飞行条件时存在一定的局限性，而OLNNET控制器因其独特的自适应能力和并行处理结构，成为了研究的热点。

为了便于研究，对飞机模型进行了一系列改进：
- 允许用户通过键盘命令手动“飞行”模拟，提供了原始的飞行员在环界面，用于部分研究。
- 增加了通过计算机键盘切换原始传统自动驾驶仪和新的神经飞行控制系统的功能。
- 对模型进行修改，使用户能够执行纵向和横向预编程机动，这一功能在评估神经指令增强系统时得到了广泛应用。

2. 神经网络自动驾驶仪

2.1 设计目标与功能

研究旨在证明OLNNET控制器适用于高性能飞机自动驾驶功能的控制律。为此，设计了OLNNET控制器来替代五种自动驾驶功能的传统控制律，具体功能包括：
- 高度保持
- 俯仰角保持
- 空速保持
- 滚转角保持
- 方向保持

2.2 设计重点

2.2.1 性能指标选择

设计神经网络控制器时，选择要最小化的性能指标是最关键的元素。研究发现，五种神经自动驾驶仪