[发明专利]一种基于鲁棒自适应最优控制的飞行员操纵行为描述方法

说明书

技术领域

本发明涉及一种在未知环境扰动下，飞行器动态特性发生变化时，描述飞行员操纵行为的方法。

背景技术

目前工程领域中飞机驾驶员模型包括McRuer模型、最优控制模型、驾驶员结构模型、神经网络模型等等。其中McRuer模型、驾驶员结构模型为单通道模型，进行耦合操纵描述需要采用解耦处理；神经网络模型面临着知识经验与在线学习矛盾，飞机动态特性发生变化时，可能引起原有映射结构破坏；最优控制模型(以下简称OCM)虽可以进行耦合操纵分析，但其以Kalman滤波器进行状态估计，没有体现人类在未知环境下的渐进适应过程；以给定信噪比，迭代求解噪声方差，相当于飞行员根据还未发生的未来评估噪声特性，这与飞行员的实际思维过程和驾驶行为存在一定矛盾，此外这一模型在飞机动态特性发生变化时无法应用，鲁棒性较差。因此，现有工程领域飞行员模型并不适用于分析未知环境扰动下，飞机动态特性发生变化时飞行员的耦合操纵行为。

综上，有必要提供一种创新且富进步性的飞机驾驶员(也称飞行员)行为描述方法，解决未知环境下，飞机动态特性发生变化时飞行员行为描述问题。

发明内容

本发明针对现有飞行员模型不足，结合人类记忆有限性特点和高度自适应特点，采用改进的操纵噪声和观测噪声模型，引入鲁棒自适应滤波理论，提出了基于鲁棒自适应最优控制的飞行员操纵行为描述方法。这一方法克服了传统飞行员模型缺点，可以体现人类的记忆有限性、未知环境适应性、操纵行为鲁棒性以及耦合操纵等特点。

本发明提供的基于鲁棒自适应最优控制的飞行员操纵行为描述方法，引入鲁棒自适应状态估计理论和改进噪声模型对传统OCM模型进行修正，发展一种描述未知环境下，具有鲁棒性的飞行员耦合操纵行为描述方法(以下简称ROCM)。具体包括如下步骤：

步骤一，构建ROCM模型增广被控对象；

步骤二，确定ROCM模型指标函数和模型参数；

步骤三，计算飞行员最优控制增益；

步骤四，控制方程离散化，鲁棒自适应状态估计；

步骤五，未建模动态估计；

步骤六，修正飞行员最优控制增益，求解飞行员操纵向量。

本发明的优点在于：

(1)反映了人类的记忆特点。本发明不再需要迭代计算求解操纵噪声和观测噪声。对于当前时刻的操纵噪声和观测噪声将其改进为只与过去一段时间的操纵历史有关；

(2)反映了人类的未知环境自适应特点。本发明采用自适应滤波理论描述人类估计过程可以描述飞行员在未知环境下的驾驶行为。

(3)反映了人类操纵行为鲁棒性。当飞机动态特性在一定范围内发生变化时，飞行员仍可以进行飞机操纵。

附图说明

图1为ROCM模型原理框图；

图2为本发明的基于鲁棒自适应最优控制的飞行员操纵行为描述方法流程图；

图3为实施例一ROCM模型与OCM模型驾驶杆操纵量；

图4为实施例一ROCM模型与OCM模型飞行姿态跟踪效果图；

图5为实施例一ROCM及OCM仿真幅频特性与飞行试验比较图；

图6为实施例一ROCM及OCM仿真相频特性与飞行试验比较图；

图7为实施例二，存在未建模动态和未知扰动时，ROCM及OCM飞行姿态跟踪效果图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。