25、航空与非线性系统中的神经网络应用

航空与非线性系统中的神经网络应用

1. 航空领域神经网络控制器的研究

在航空飞行控制系统中，神经网络控制器正展现出巨大的潜力。传统的基于增益调度的控制器在现代高性能飞机的复杂飞行条件下逐渐暴露出局限性，而在线学习神经网络（OLNNET）控制器则成为了一个可行的替代方案。

1.1 可行性研究结果

通过对OLNNET控制器在自动驾驶仪和指令增强系统功能中的设计、实现和测试，研究人员发现其具有出色的性能。在模拟现代喷气式战斗机的六自由度飞机模型中，OLNNET控制器在线性和非线性条件下都能快速学习局部系统动态，为整个飞行包线提供可接受的性能。

1.2 指令增强系统（CAS）的表现

CAS研究表明，多输入多输出（MIMO）的OLNNET控制器能够在整个飞行包线内跟踪多个响应模型（包括线性和非线性模型）。此外，OLNNET控制器还具备固有的自动重新配置能力，这在应对系统故障时尤为重要。

1.3 在线学习控制器的优势

当前大多数神经网络研究集中在设计与传统控制器结构相似的控制器，而忽略了在线学习控制器的潜力。神经网络的并行处理结构和在线学习的连续自适应能力，使其成为高度非线性、时变系统或具有高度建模不确定性系统的理想选择。随着航空航天飞行器开发向私人领域转移，成本将成为一个重要因素，而能够在线学习和自适应的控制器在财政和运营方面都具有价值。

1.4 待研究的问题

尽管OLNNET控制器表现出了良好的性能，但仍有一些领域需要进一步研究。例如，性能指标权重对性能规格（如上升时间、稳定时间、超调等）的影响需要更好地理解；目前缺乏设计神经网络控制器的正式方法；OLN