论文部分内容阅读
传统的基于模型的控制方式,是根据被控对象的数学模型及控制性能指标来设计控制器。而对于非线性系统来说,被控对象复杂且多具有不确定性,因此建模和控制用传统的方法难以实现。人工神经网络在不同程度上模仿人脑神经系统的信息处理、存储和检索功能,可以逼近任意非线性函数,具有并行性、自学习自组织性、容错性、联想性等诸多优点。因此可以在非线性控制方面解决许多问题。目前已在许多领域和部门获得了实际的应用,如基础学科领域、工业生产领域、信息技术领域、国防军事领域等。 近年来神经网络控制得到了空前的发展,由于它的许多优异特性,可以在控制系统中采用神经网络对难以精确描述的复杂的非线性对象进行建模,充当控制器或估计器,进行推理及优化计算。对于飞行器姿态及其导航系统来说,用传统的控制方法难以满足精度的要求,因此必须寻找一种有效的控制方法来解决此类的问题,这样神经网络控制显示了它固有的优势。 本文主要研究了神经网络对飞行器姿态的控制及在GPS/INS组合导航系统中的应用问题。首先,讨论了飞行器的姿态预测控制问题,在非线性预测模型中采用BP(Back Propagation)算法,得到了系统的预报输出,针对期望输出的轨迹,利用非线性优化方法极小化二次型性能指标,得到了最优控制序列。然后利用飞行器姿态角方程组实现了对姿态的预测。其次,研究了飞行器姿态控制的问题,在该问题中主要利用BP算法调整飞行器的角速度在坐标系中的投影,在算法中引入了惯性因子,从而使收敛速度加快。为了使系统在实际中具有更强的鲁棒性,对飞行器的姿态角进行了预测输出,仿真显示了飞行器姿态角的变化情况。最后,讨论了基于H_∞滤波的神经网络在GPS/INS组合导航系统中的研究。对于GPS/INS组合导航系统仅利用神经网络的方法无法得到输入输出间的不定映射关系,于是