Professional Documents
Culture Documents
گروه کنترل
ردیابی هدف با مانور زیاد و غیرخطی با استفاده از حداقل میانگین مربعات کرنلی
استاد راهنما:
استاد مشاور:
ب
تقدیم هب تبسم سبز خدا ،مارد مهربا من
خ نعی
تقدیم هب تبلور ی ا الص ،پدر زعزیم
ج
تقدریو تشکر
او را هنبدا یت هن نهایت پیداست رد داریهای هک آمدن و رفتن ماست
کاین آمدناز کجا و رفتن هب کجاست کس میزنند دمی رداین معنی راست
وین حرف معّما هن تو خوانی و هنمن اسرار ازل را هن تو دانی هنمن
چون رپده ربافتاد هن تو مانی وهنمن هستازپس رپده وگتفگیمن و تو
ردجمع امکل شمع اصحابشدند آانن هک محیطفضل و آدابشدند
دنتفگفساهنای و رد خوابشدند ره زین شب اتریک نبردند ربون
خیام
باسپاس و شکر رپوردگار مهربانم هک ره آنچه رد امروز دارم از لطف بیمنتهایش است و ره آنچه رد فردااه هب ااظتنرش مینشینم امید هب رحمت و کرم واالی
از اساتید زبرگوارم جناب آاقی دکتر حیدر طوسیان شاندزیو جنابآاقی دکتر علی اکبرزاده کالت هک قبول زحمتفرمودندو راهنمایی و مشاوره اینپایان
متق
انهم را بل شدند،امکلتشکر و سپاس را دارم.
از جنابآاقی دکتر سیدحسینساداتی هک از راهنمائیاهی علمی ارزنده ایشان امکلبهره را ربدم،صممماهن تشکروقدردانی مینمایم.
ردنهایت ازآاقیمهندس امیرحسن نیاو از تمامی دوستانی هکهب رهنحوی ردهب ثمر رسیدن اینپایان انهم نقشی داتتهاند،امکلتشکر و قدردانی را دارم.
د
چکیده
الگوریتم حداقل ميانگين مربعات کرنلی یكی از روشهای هوشمند می باشد که در این پایاننامه برای کنترل
سيستم هدایت هواپيما مورد توجه قرار گرفته است .استفاده از تئوری کرنل در الگوریتم حداقل ميانگين
مربعات ،فهم این الگوریتم را با دیدگاه آموزش ماشين بهبود میبخشد .این الگوریتم میتواند تحولی در
آموزش شبكه عصبی پایه شعاعی ایجاد کند .تاکنون برای آموزش شبكه عصبی با تابع پایه شعاعی ،مراکز
کرنل و اعداد آنها با یك الگوریتم پيچيده و غيرمستدل انتخاب میگردید؛ در صورتیکه با الگوریتم حداقل
ميانگين مربعات کرنلی می توان مراکز شبكه و تعداد آن ها را به صورت خودکار تعيين کرد و نيازی به
مجموعه از قبل آموزش داده شده وجود ندارد .در واقع این الگوریتم مانند یك شبكه عصبی توسعه یافته
ساده با تابع پایه شعاعی عمل میکند .در ضمن برای بهبود عملكرد الگوریتم از یك تكنيك تطبيقی برای
بهروز کردن اندازه تابع کرنل استفاده شده است .در نهایت کارایی الگوریتم پيشنهادی با شبيهسازی یك
کلمات کليدی :کنترل هوشمند ،هواپيمای جنگنده ، F-18ردیابی ،الگوریتم حداقل ميانگين مربعات کرنلی،
ه
لیست مقاالت مستخرج
Mazloomi Z., Tusian.Sh H. (2012) " Kernel Least Mean Square Algorithm in Control of
Nonlinear Systems" 7th IEEE Conf on industrial electeronics and application (ICIEA 2012),
Singapore.
و
فصل اول :مقدمه1 ......................................................................................................................
- 1- 1مقدمه 2 ....................................................................................................................
- 1- 2مقدمه 7 .......................................................................................................................
ز
-1- 3مقدمه 39............................. ................................ ................................ ................................ ................................
-2- 3نتایج حاصل از ردیابی با استفاده از حداقل میانگین مربعات کرنلی 39............................. ................................
- 3- 3مقایسه با کنترلکننده بر اساس شبکه عصبی پایه شعاعی کامال تنظیم شده 45............. ................................
پیوست ب 32.............................................................................................................................
مراجع 22...................................................................................................................................
ح
شکل ( )1- 1ساختار سیستم کنترل حلقه بسته یک هواپیما3 ......................................................
شکل ( )1- 2سیستم هدایت یک هواپیما 7 .................................................................................
شکل ( ) 2- 2محورهای حرکت هواپیما 2 ....................................................................................
شکل ( )3- 2نمای سطوح کنترل شهپرها11...............................................................................
شکل ( )4- 2نمای سطح کنترل باالبر12.....................................................................................
شکل ( )5- 2نمای سطح کنترل رادر 12......................................................................................
شکل ( )6- 2حلقههای کنترل و هدایت هواپیما15.......................................................................
شکل ( )7- 2نمای یک شبکه پایه شعاعی 13.............................................................................
شکل ( )3- 2شبکه عصبی در نقش شناساگر 21.........................................................................
شکل ( )2- 2شبکه عصبی در نقش کنترلکننده 21.....................................................................
شکل ( )11- 2نمای کلی سیستم شناسایی و کنترل پیچ با استفاده از 22............................ RBF
شکل ( )11- 2کنترل عصبی یک هواپیما با استفاده از RBFکامال تنظیم شده26.........................
شکل ( )1- 3کنترل زاویه حمله با استفاده از 41............................................................... KLMS
شکل ( )2- 3کنترل آهنگ رول در محور پایداری با استفاده از 41..................................... KLMS
شکل ( )3- 3کنترل زاویه لغزش جانبی با استفاده از 42................................................... KLMS
شکل ( )4- 3انحراف سطح کنترل باالبر در 43................................................................ KLMS
شکل ( )5- 3انحراف سطح کنترل شهپرها در 44............................................................ KLMS
شکل ( )6- 3انحراف سطح کنترل رادر در 44..................................................................KLMS
شکل ( )7- 3کنترل زاویه حمله با استفاده از RBFکامال تنظیم شده 46.......................................
شکل ( )3- 3کنترل آهنگ رول در محور پایداری با استفاده از RBFکامال تنظیم شده 46.............
شکل ( )2- 3کنترل زاویه لغزش جانبی با استفاده از RBFکامال تنظیم شده47...........................
شکل ( )11- 3انحراف سطح کنترل باالبر در RBFکامال تنظیم شده 43......................................
شکل ( )11- 3انحراف سطح کنترل شهپرها در RBFکامال تنظیم شده 42..................................
شکل ( )12- 3انحراف سطح کنترل رادر در RBFکامال تنظیم شده 42........................................
شکل ( )13- 3سیستم مختصات و مسیر مانور غلتش لولهای 51.................................................
شکل ( )14- 3ردیابی مسیر مطلوب با استفاده از 53.........................................................KLMS
ط
شکل (الف )1-سه نما یی از هواپیمای 61............................................................... F-18 HARV
شکل (الف )2-یک جزء جرمی هواپیما 65...................................................................................
شکل (الف )3-ارتباط بین محور مختصات بدنی و زمینی 71........................................................
شکل (الف )4-هواپیما و مختصات زمینی و بدنی 71....................................................................
ی
فهرست جدولها
ك
فصل اول
مقدمه
- 1- 1مقدمه
با پيشرفت فن آوری در دنيای امروز ،نياز به سيستمهای هوشمند 0و مستقل از کاربر در بسياری از
کاربردهای امنيتی ،صنعتی ،حمل و نقل ،رباتيك و نياز به سيستمهای کنترل با دقت ،سرعت و قابليت
بيشتر ،بيش از پيش به چشم میخورد .مسئله هدایت 2و کنترل سيستم پرنده جهت ردیابی مانور مطلوب
یكی از مسائل مهم در دنيای امروز ،از جمله در سيستمهای دفاعی است .اگر هواپيمایی که در حالت پرواز
دائم 9و مستقيم الخط 4قرار دارد بخواهد مانور از انواع مختلف انجام دهد ،به دالیلی مانند ناپایداری ،عدم
قطعيت مدل و اختالالت ،انجام مانور بدون کمك یك کنترلکننده (جبران کننده) و فقط با تنظيم مستقيم
ورودی هایی مانند زوایای شهپر و سكان و باالبر ممكن نيست .بنابراین الزم است تا کنترلکنندهای در یك
حلقه بسته ،خطای بين ورودیهای مبنا (خروجیهای مطلوب) و خروجیهای سيستم (خروجیهای واقعی)
را که همان هواپيماست ،مورد پردازش قرار دهد و ورودیهای کنترلی 5مناسبی برای سيستم توليد و به آن
اعمال نماید .در واقع ورودی مبنا همان مانوری است که قرار است توسط هواپيما انجام شود .میتوان مسير
حرکت را به عنوان یك ورودی مرجع 6مطلوب به یك سيستم پرنده اعمال کرد و سپس با یك روش مناسب
به طراحی کنترل کننده برای رسيدن به مسير مطلوب پرداخت .ساختار سيستم کنترلی کل ،همان حلقه
بسته استا ندارد است که در شكل ( )0- 0نمایش داده شده است و هواپيما در آن نقش سيستم تحت کنترل
1-Intelligent
2-Guidance
3-Steady state flight
4-Rectilinear
5-Control Inputs
6-Reference Input
2
شكل( )0-0ساختار سيستم کنترل حلقه بسته یك هواپيما
هدف این تحقيق بررسی طراحی یك کنترلکننده با روش هوشمند بر اساس حداقل ميانگين مربعات کرنلی
برای ردیابی مسير مطلوب با فرض در اختيار داشتن پارامترهای مسير مرجع (مانور) است .الزم به ذکر است
در سال ، 2101کين و همكاران یك روش ترکيبی کنترلی گام به عقب تطبيقی 0و حالت لغزشی
جهت ردیابی چند نمونه از ابرمانورها 2در یك F-16ارائه نمودند .این روش ترکيبی به خوبی
در سال ، 2113یك روش گام به عقب تطبيقی بر اساس تابع لياپانوف برای ردیابی مانور مطلوب و
در سال ، 2112یك سيستم کنترل غير خطی برای اجرای مانورهای سریع در یك هواپيمای رزمی
4
بدون سرنشين ) ، 3(UCAVارائه شد .در این تحقيق مانورهای پيچيده به مانورهای سادهتر (پایه)
تجزیه شد .سپس برای کنترل هر مانور از رهيافت کنترل حلقه داخلی ،خارجی به همراه کنترل -
در سال 2115یك نمونه دیگر در زمينه شبيه سازی و کنترل مانورهای پروازی جنگندهها توسط
آقایان کریمی و پورتاکدوست انجام شد .در این تحقيق ابتدا ابرمانورها به سادهترین شكل ممكن
(مانورهای پایه) مدل سازی شد و سپس با در نظر گرفتن محدودیتهای ایرودیناميكی ،مانور انجام
در سال 2114یك سيستم کنترل جهت ردیابی یك مانور ایروباتيك 2ارائه شد .در این مقاله ابتدا
برای یك مدل از هواپيما با در نظر گرفتن آن به شكل جرم نقطهای ،9با استفاده از نظریه کنترل
بهينه کمترین زمان و کمترین شعاع مسير حرکت و ورودیهای کنترلی برای یك مانور خاص
محاسبه شد [.]5
در سال 2110یك نمونه دیگر قابل توجه کنترل یك سيستم پرنده برای ردیابی مانور هربست ارائه
شد .در این نمونه از یك شبكه عصبی با تابع پایه شعاعی 4توسعه یافته برای کنترل که در آن عالوه
بر بردار وزنها ،سایر پارامترها از جمله مراکز و پهنای تابع گوسين بهروز می شود استفاده شد .این
مطالب این پایاننامه پس از فصل مقدمه در قالب فصول زیر ارائه میگردد :در فصل دوم به توضيح مفاهيم و
کليات مرتبط با ردیابی پرداخته میشود .در این فصل ابتدا مفهوم هدایت و ردیابی بررسی میگردد .سپس
به توصيف چند مانور معمول در هواپيماهای جنگنده پرداخته میشود .در نهایت اجزای مختلف یك سيستم
کنترل پيشنهادی بر اساس حداقل ميانگين مربعات کرنلی جهت ردیابی مانور مطلوب را بيان میدارد .نتایج
حاصل از شبيهسازیها در فصل چهارم ارائه می گردد .فصل پنجم به نتيجه گيری و پيشنهادات اختصاص
داده شده است .در نهایت مدل هواپيما و معادالت ایرودیناميك حاکم بر حرکت از مراجع مختلف اقتباس
5
فصل دوم
مربعات کرنلی
6
-1-2مقدمه
در صنعت هواپيما سازی یكی از مسائل مهم ،سيستمهای ناوبری 0هوشمند است .این سيستمها که به طور
کلی با عنوان "خلبان خودکار" 2از آنها یاد می شود این توانایی را دارن د که به طور خودکار کنترل و هدایت
یك هواپيما را بر عهده بگيرند .کنترل هوشمند سيستم هدایت هواپيما با توجه به مسير حرکت مطلوب
شامل بخش های مختلف کنترلی از قبيل کنترل زاویه حمله ،9کنترل زاویه پرواز ،4کنترل ارتفاع ،5کنترل
زاویه پيچ 6و غيره میباشد .در این فصل الزم است مفاهيم اوليهای مانند سيستم هدایت و کنترل ،اجزای
کنترلی هواپيما را بيان نمود تا دانش مورد نياز جهت ارائه روش کنترل یك هواپيما فراهم آید.
- 2- 2ردیابی
منظور از ردیابی ،تعقيب مناسب یك مسير حرکت مطلوب توسط سيستم رهگير (سيستم تحت کنترل)
است .سيستم رهگير می تواند یك هواپيما یا یك ربات باشد .الزم است برای رسيدن به مسير حرکت مطلوب
از قوانين کنترل و هدایت استفاده کرد .در واقع در یك سيستم هدایت فرامين الزم جهت اصالح مسير به
سيستم داده می شود و سيستم مسير هواپيما را در راستای مسير مورد نظر اصالح میکند.
1
-Navigation
2
-Autopilot
3
-Angle of Attack
4
-Flight angle
5
-Altitude
6
-Pitch angle
7
مسير موردنظر می تواند یك مسير خطی و مستقيم و یا یك مسير غيرخطی باشد .ميزان غيرخطی بودن
مسير مطلوب را نوع مانور تعيين می کند .منظور از مانور مسير حرکتی است که سيستم را در وضعيت
نامعمول قرار میدهد .این وضعيت نامعمول میتواند ناشی از تغيير ناگهانی در آهنگ سرعت ،جهت حرکت
و ...باشد.
قبل از ارائه روش کنترل سيستم ردیاب پرنده (مانند یك جنگ افزار نظامی) جهت ردیابی مسير مطلوب
هر متحرك در فضا مانند هواپيما 6درجه آزادی 0دارد که 9حرکت خطی و 9حرکت دورانی است [.]7
برای مشخص نمودن حرکت دورانی متحرك در فضا از 9محور عمود بر هم استفاده می شود که عبارتند از:
محور عمودی ،2محور اوج 9یا محور عرضی (سمتی) و محور غلتش یا طولی 4که می توان این محورها را در
محور عمودی
محور عمود بر دو محور رول و پيچ است و دوران متحرك حول این محور قائم را دوران یاو گویند.
محور اوج
محور عرضی یا جنبی را محور پيچ گویند و حرکت پيچ ،دوران متحرك حول محور عرضی خودش است که
محور غلتش
محور طولی یا محور جلو – عقب را محور رول مینامند و حرکت رول یعنی دوران متحرك حول محور طولی
خودش.
1
-Degree of Freedom
2
-Yaw axis
3
-Pitch axis
4
-Roll axis
2
شكل ( )2-2محورهای حرکت هواپيما
اغلب ساختمان فيزیكی یك هواپيما تعيين می کند که چقدر مانورپذیر است [ .]7به عنوان مثال بالهای
مثلثی شكل یا دلتاشكل یكی از طرحهای خاص آیرودیناميكی برای بال هواپيما هستند که در ميزان
مانورپذیری یك هواپيما موثر است .در واقع سطح زیاد بال در مقایسه با بالهای به عقب برگشته معمولی
باعث کاهش بارگذاری روی واحد مساحت بال می گردد .این عامل در افزایش مانورپذیری و انجام حرکات
ایروباتيك هواپيما نقش اساسی دارد .ساختار دماغه 0و دم 2هواپيما هم در مانورپذیری دخيل است.
در مواردی ميزان مانور یك هواپيما رابطه مستقيمی با مقدار زاویه حمله دارد .زاویه حمله ،زاویه بدنه هواپيما
و بالها ی آن را با مسير حرکت کنونی آن توصيف می کند .در حين انجام مانورهای هوایی ،خلبانان با زاویه
حمله بزرگی پرواز میکنند .دماغه هواپيما رو به باال قرار دارد و هواپيما در همان جهت قبلی در حال پرواز
است .هر قدر هواپيما بتواند با زاویه حمله بيشتری به پرواز در آید قابليت مانورپذیری آن بيشتر است .البته
مانورپذیری به نوع هواپيما و ساختار آن بستگی دارد .زاویه حمله باال هواپيما را به واماندگی 9نزدیك
می سازد و آیرودیناميك و همچنين محاسبات را پيچيده میسازد .پرواز در زاوی ه حمله باال یكی از مولفههای
اساسی برتری در نبرد هوایی و در نتيجه یكی از ویژگیهای الزامی برای جنگندههای نوین است.
1
-Nose
2
-Tail
3
-Post stall
3
هواپيماهای قدیمی قادر به پرواز در زاویه حمله باال نبودند .در سال 0312برادران رایت یك بار به دليل
پرواز با زاویه حمله بيش از حد مجاز کنترل را از دست دادند و هواپيمایشان دچار سانحه گشت .از آن زمان
تا جنگ جهانی دوم سوانح زیادی به خاطر واماندگی ،از دست دادن کنترل هواپيما و یا اسپين به وقوع
پيوست.
مانور مسير پروازی است که هواپيما را در یك وضعيت غيرمعمول قرار میدهد .این وضعيت میتواند
درحرکات ایروباتيك رقابتی 0یا نمایشیهای هوایی 2باشد .حرکات ایروباتيك می تواند بوسيله یك هواپيما یا
چندین هواپيما در آن واحد انجام شود .تقریبا همه هواپيماها قادر به انجام هر نوع مانور ایروباتيك هستند.
ولی ممكن است انجام یك مانور توسط یك نوع خاص از هواپيما منطقی یا مطمئن نباشد [.]2
یك سسيتم کنترل مجموعه ای از تجهيزات الكترونيكی و مكانيكی است که این امكان را به هواپيما میدهد
با دقت و قابليت اطمينان بيشتری به پرواز در آید و در موقعيت مناسب قرار بگيرد .در واقع یك سيستم
کنترل شامل کنترل کابين خلبان ،9حسگرها ،4عنصر نهائی (5هيدروليكی ،مكانيكی یا الكترونيكی) و
هدایت هواپيما یعنی برنامهای که در آن دستوراتی برای حرکت هواپيما تا رسيدن به هدف وجود داشته
باشد .این دستورات گاهی توسط کامپيوتر فرمانده هواپيما به صورت داخلی توليد و گاهی توسط منابع
1
-Competition
2
-Air show
3
- Cockpit
4
-Sensor
5
-Actuator
6
-Computer
01
خارجی به هواپيما انتقال داده می شود .سپس این اطالعات به خلبان خودکار ارسال می گردد .خلبان خودکار
وظيفه پایدا ری و اجرای دستورات سيستم هدایت را به عهده دارد .سنسور یا جستجوگر ،عنصری واسطه در
هواپيما است که اطالعات را برای کامپيوتر هدایت هواپيما توليد می کند .این دادهها (خط دید ،0فاصله هدف،
مكان جغرافيایی هواپيما و )...توسط کامپيوتر ،پردازش و برای توليد دستورات سيستم هدایت بكار میرود.
خلبان خودکار دستورات هدایت را دریافت و سپس بر اساس دستورالعمل تعادل به سرور کنترل هواپيما
حرکت هواپيما بوسيله حرکت سطوح کنترل 2ایجاد می شود .در واقع برای هدایت هواپيما ،از یك سيستم
1
-Line of Side
2
-Control Surfaces
3
-Flap
4
-Aileron
00
- 2باالبرنده هواپيما -مكان افقی متحرك
حرکت ناشی از سطوح کنترل بوسيله یك سيستم کنترل دستی 0و پدال 2انجام می شود .سطوح کنترل،
جریان هوا را در اطراف هواپيما منحرف می کند و باعث چرخش یا گردش هواپيما می شود .در نتيجه هواپيما
1
-Control Stick
2
-Pedal
3
-Center of Gravity
02
سكان باالبرنده زاویه پيچ را کنترل می کند .در واقع این سطح کنترل ،هواپيما را به سمت باال و پایين
میراند و باعث اوج گرفتن 0و یا شيرجه زدن 2هواپيما میشود .حرکتی که هواپيما به هنگام جابجایی
برای اوج گرفتن ،خلبان سيستم کنترل دستی را به سمت عقب می کشد و باعث می شود سكان باالبرنده به
سمت باال منحرف شود .در واقع این حرکت باعث اعمال نيرو از جریان هوا به دم ( 9قسمت عقب) هواپيما
می شود و آن را به سمت پایين میراند .در نتيجه دماغه هواپيما به سمت باال میرود و زاویه پيچ افزایش
مییابد.
برای شيرجه زدن ،خلبان سيستم کنترل دستی را به سمت جلو می کشد .در نتيجه باالبرنده به سمت پایين
منحرف شود .جریان هوا دم هواپيما را به سمت باال میراند و دماغه هواپيما به سمت پایين میرود و باعث
شهپرها زاویه رول را کنترل میکنند .در واقع جهت غلتيدن 4یا چرخش هواپيما از این سطح کنترل استفاده
میشود .عملی که هواپيما به هنگام حرکت دادن شهپرها انجام میدهد غلتش نام دارد .زمانیکه خلبان
سيستم کنترل دستی را به سمت راست میراند ،شهپر راست به سمت باال و شهپر چپ به سمت پایين
حرکت می کند و اختالف نيرو روی بالهای هواپيما باعث میشو د هواپيما به سمت راست رول بزند.
رادر زاویه یاو را کنترل می کند .در واقع جهت حرکت هواپيما به سمت راست و چپ از این سطح کنترل
زمانی که خلبان به پدالهای رادر نيرو وارد می کند ،نوسان رادر روی دم هواپيما در جهت گردش ،باعث
حرکت هواپيما به سمت چپ و راست می شود( .همزمان ،خلبان سيستم کنترل دستی را به پهلو حرکت
1
-Climb
2
-Dive
3
-Tail
4
-Rolling
09
می دهد تا شهپرها را روی بال ها به سمت باال و پایين ببرد تا یك چرخش هماهنگ ایجاد شود) .جریان هوا
به رادر نيرو وارد می کند و بدین وسيله هواپيما در جهت نيرو میچرخد.
- 2- 4- 2کنترل پرواز
یكی از زمينههایی که در سيستم های پرنده به شدت مورد توجه قرار گرفته است ،کنترل وسایل پرنده با
-1پرندههای با سرنشین :در این زمينه می توان به هواپيماها و هليكوپترها اشاره کرد .در این نوع پرندهها
وظيفه اصلی کنترل به عهده خلبان است .اما با این حال به خاطر کاهش بار کاری خلبان ،گرایش به ساخت
کنترلکنندههای اتوماتيك نيز می باشد .در زمينه هواپيماها می توان به ساخت اتوپایلت برای بعضی از
فازهای پروازی از قبيل کروز 9و یا فاز نشست 4اشاره کرد .درمورد هليكوپتر نيز به خاطر پيچيدگیهای
کنترل آن توسط خلبان کارهای فراوانی برای طراحی کنترل کننده اتوماتيك از قبيل "پایدارساز مسير
- 2پرندههای بدون سرنشین :در این زمينه به علت عدم وجود خلبان ،مسئله کنترل اصلیترین موضوع
است .از پرندههای بدون سرنشين میتوان به UAVها ،هليكوپترهای خودگردان 6و موشكها 7اشاره کرد.
اگر هواپيمایی که در حالت پرواز دائم 2و مستقيمالخط 0قرار دارد بخواهد مانور از انواع مختلف انجام دهد ،به
دالیلی مانند ناپایداری ،عدم قطعيت مدل و اختالالت ،انجام مانور بدون کمك یك کنترلکننده
1
-Manned
2
-Unmanned
3
-Cruise
4
-Descent Phase
5
-Flight Path Stabilization
6
-Autonomous
7
-Missile
8
-Steady state flight
04
(جبران کننده) و فقط با تنظيم مستقيم ورودی هایی مانند زوایای شهپر و سكان و باالبر ممكن نيست.
بنابراین الزم است تا کنترلکنندهای در یك حلقه بسته ،خطای بين ورودیهای مبنا (خروجیهای مطلوب)
و خروجیهای سيستم (خروجی های واقعی) را که همان هواپيماست ،مورد پردازش قرار دهد و ورودیهای
کنترلی 2مناسبی بر ای سيستم توليد و به آن اعمال نماید .هدف این پایان نامه کنترل زوایای حرکت و زوایای
مسير پرواز هواپيماست که نياز است از دو حلقه داخلی و خارجی استفاده شود .در حلقه داخلی که حلقه
کنترل نام دارد ،کنترلکنندهای طراحی می شود که اختالف بين زوایای خروجی و زوایای مطلوب را حداقل
کند .در حلقه خارجی که آن را حلقه هدایت می نامند ،با استفاده از فيدبك موقعيت هواپيما و مانور مرجع،
زوایای حرکت مطلوب توليد می شود .فرض بر این است که حلقه هدایت (معادالت مسير حرکت یا همان
مانور مطلوب) در اختيار است و تمرکز بر روی حلقه داخلی (حلقه کنترل) است.
در واقع ورودی مبنا همان مانوری است که قرار است توسط هواپيما انجام شود .یك سيستم کنترل و
الزم به ذکر است که همزمان با نياز جدی به کنترل یك پرنده جنگنده و در عين حال پيچيدگی که در
کنترل پرنده با عملكرد مطلوب وجود دارد ،مدل سازی یا تخمين دیناميك غيرخطی سيستم با دقت باال
1
-Rectilinear
2
-Control Inputs
05
مشكل است .به عنوان مثال در عملكرد مانور هربست (هربست ،]09[ )0331-مشخصه غيرخطی نتيجه
ایرودیناميك 0غيرخطی ،لختی 2غيرخطی ،تزویج حرکتی 9نا شی از زاویه حمله باال و نرخ زاویهای رول باال
4
میبا شد .در اینجا ممكن است یك کنترلکننده قدیمی با بهره ثابت یا کنترلکننده جدولبندی بهره
پایداری سيستم را برای این ما نور تضمين کند ولی تحت شرایط غير خطی ،عملكرد ردگيری هدف ضعيف
است .بنابراین ابزارهای طراحی جدید برای کنترل اینگونه سيستم ها نياز است .در واقع به دنبال روشی
هستيم که بتواند خود را با تغييرات غيرخطی در دیناميك پرنده وفق دهد و یك عملكرد مناسب را با وجود
-5-2روشهای ردیابی
تاکنون تحقيقات متعددی در زمينه ت خمين و تقریب توابع و شناسایی با استفاده از الگوریتم حداقل ميانگين
مربعات کرنلی ارائه شده است .در این پایاننامه از این روش در کنترل یك سيستم غيرخطی مانند یك
هواپيمای جنگنده F-18استفاده می گردد .چنانچه تابع کرنل استفاده شده در الگوریتم حداقل ميانگين
مربعات کرنلی گوسين باشد ،این الگوریتم مانند یك شبكه عصبی توسعه یافته با تابع پایه شعاعی عمل
می کند .همچنين در این پایاننامه برای بهبود عملكرد ،افزایش دقت ردیابی و تضمين پایداری ،یك روش
تطبيقی مبنی بر لياپانوف جهت به روز رسانی اندازه تابع کرنل پيشنهاد شده است .برای بررسی کارآیی
الگوریتم ،شبيه سازی روی هواپيمای جنگنده F-18دارای مانور غيرخطی انجام شده است .در این فصل ابتدا
مروری بر شبكه عصبی پایه شعاعی خواهيم داشت؛ سپس به چند کاربرد این نوع شبكه در کنترل هواپيما
پرداخته می شود .در نهایت ساختار الگوریتم حداقل ميا نگين مربعات کرنلی بررسی میشود.
1
-Aerodynamic
2
-Inertial
3
-Kinematic Coupling
4
-Gain Scheduling
06
-1- 5- 2شبکههای عصبی
شبكههای عصبی مصنوعی 0طی 21سال گذشته پيشرفت قابل توجهی داشته است .ظهور شبكههای عصبی
به عنوان یك ابزار قدرتمند برای تقریب تابع نگاشت ميان ورودی و خروجی سيستمهای پيچيده ،باعث شده
است بتوان از این ابزار برای مدل سازی ،شناسایی و کنترل سيستمهایی با دیناميك غيرخطی استفاده کرد
[.]04
در ميان همه نمونههای شبكه عصبی ،شبكههای عصبی با ساختار پایه شعاعی و تابع گوسين از سال ،0331
نقش چشمگيری در کنترل غيرخطی داشته است .عموميت شبكههای عصبی پایه شعاعی به خاطر توانایی
تعميم کلی مناسب و سادگی ساختار آن است [ .]6در واقع بهگونهای حجم محاسبات را میکاهد .زمان
یك شبكه پایه شعاعی یك شبكه عصبی پيشخورد 9است که از تابع فعالسازی 4پایه شعاعی استفاده میکند
[ .]05یك تابع پایه شعاعی دارای فرم کلی ) f ( x m 0 ) f (rاست .این تابع نسبت به نقطه مرکزی
x 0متقارن است .از توابع پایه شعاعی می توان برای تقریب یك تابع داده شده استفاده کرد .بدین صورت که
تا بع تحت تقریب ،بر حسب ترکيب خطی وزن دار شده از یك خانواده از توابع پایه شعاعی نوشته میشود:
C
) Fˆ ( x ) w i ( x m i / i ( )0- 2
i 1
Kنقطه داده ورودی است ( هدف این نوع شبكه محاسبه یك تابع نامعلوم ) F ( xدر
در اختيار است d ( k ) .خروجی مطلوب به ازاء هر نمونه داده ورودی است .تقریب این تابع را میتوان به فرم
1
-Artificial Neural Network
2
-Multilayer Perceptron
3
-Feed-forward
4
-Activation
07
به طور معمول شبكههای عصبی پایه شعاعی از سه الیه تشكيل میشوند :الیه ورودی ،الیه پنهان و الیه
در حالت کلی دو نوع شبكه پایه شعاعی بر اساس مكان و شكل آنها وجود دارد.
نوع اول
این نوع شبكه پایه شعاعی ،هر نمونه داده آموزش را به عنوان مكان تابع پایه شعاعی انتخاب میکند [.]06
به عبارت دیگر ) m i x (i ); i 1,...K ( K Cانتخاب می شود .در این صورت یك مقدار ثابت برای
(معموال مقدار یك) فرض میشود ( .) i در این حالت رابطه ( )0- 2به صورت رابطه ( )2- 2بازنویسی
میشود:
یك ماتریس مربعی K Cاست ( ) K Cکه در حالت کلی ب رای توابع پایه شعاعی استفاده شده
مثبت است .بنابراین بردار وزن Wبه صورت رابطه ( )9- 2محاسبه میشود:
02
در کاربردهای عملی ممكن است ماتریس تكين 0شود که این امر منجر به یك جواب ناپایدار برای
در این رهيافت برای یك مقدار مثبت کوچك ، یك ماتریس قطری کوچك به ماتریس ضرائب پایه
4
.2روش حداقل مربعات 9با استفاده از ماتریس شبه معكوس
W dکمينه
2
در این روش هدف یافتن یك جواب برای حداقل مربعات w LSاست بهگونه ای که
در اینجا ماتریس شبه معكوس است که با استفاده از تجزیه مقدار تكين 5بدست میآید.
نوع دوم
این نوع شبكه از تئوری تنظيم نشأت می گيرد .تابع پایه شعاعی انتخابی یك تابع گوسين است [:]07
مكان این توابع بوسيله خوشهبندی 6نمونههای ورودی x (k ); 1 k K بدست میآید .میتوان از
الگوریتمهای معمول خوشهبندی مثل K-Meansاستفاده کرد .در این حالت هدف کمينه کردن
محاسبه میشود:
1
-Singular
2
-Regularization
3
-Least Square
4
-Pseudo-Inverse
5
-Singular value decomposition
6
-Clustering
03
) ( x (1) m1
2
) ( x (1) m 2
2
( x (1) mC )
2
) ( m1 m1
2
) ( m1 m 2
2
( m1 mC )
2
در نهایت جواب این مسئله بهينه سازی محدود شده به صورت زیر بدست میآید:
که در این جواب یك پارامتر تنظيم محسوب می شود و معموال یك عدد نامنفی خيلی کوچك انتخاب
میشود.
همان گونه که بيان شد هر تابع غيرخطی نامعلوم را میتوان با شبكههای عصبی تقریب زد .در واقع تابع
غيرخطی نامعلوم که قرار است تقریب زده شود ممكن است همان سيستمی باشد که قرار است آن را کنترل
کرد .در این صورت شبكه عصبی در نقش یك شنا ساگر سيستم است .اگر تابع نامعلوم ،معكوس دیناميك
سيستم تحت کنترل باشد شبكه عصبی در نقش کنترلکننده است [ 02و .]03
21
شكل ( )2-2شبكه عصبی در نقش شناساگر
تاکنون شبكههای عصبی با ساختارها و روش های آموزش متفاوت جهت کنترل یك سيستم پرنده با مانور
ارائه شده است .در این بخش مروری بر تحقيقات گذشته خواهيم داشت.
) 1ردیابی با استفاده از شبکه عصبی پایه شعاعی معمولی (تنظیم فقط وزنها)
در سال 0339دیناميك پيچ یك F-16با استفاده از یك شبكه عصبی با ساختار پایه شعاعی
در این بخش با در اختيار داشتن دیناميك یك جنگنده F-18در ابتدا به بررسی شناسایی دیناميك پيچ این
20
دیناميك پيچ هواپيمای F-18که قرار است شناسایی شود به صورت رابطه ( )01- 2است:
) f 1 (c , , q
( )01- 2
) q f 2 (c , , q
که در آن ) z (c , , qورودی به شبكه i ،بردار وزنها c i ،مراکز تابع گوسين و iپهنای تابع
گوسين میباشد.
هدف ،تعيين بردار وزن ها و سپس تخمين دیناميك سيستم است ،بهگونهای که خطای ميان خروجی شبكه
و خروجی واقعی کمينه شود .در این تحقيق قانون بهروز کردن وزنها با استفاده از تابع لياپانوف بدست آمده
است.
می توان حاالت سيستم و تخمين حاالت سيستم را به صورت زیر در نظر گرفت [:]04
22
x ax ax f ( )05- 2
aیك مقدار ثابت در نظر گرفته میشود و ˆ xو ˆ fبه ترتيب بردارهای دوتایی به صورت [ˆ , qˆ ]Tو
با توجه به معادالت مذکور دیناميك خطای بين مقدار واقعی و مقدار تخمينی خروجی به صورت رابطه (- 2
)02بيان میشود:
در نهایت با استفاده از قضيه لياپانوف ،قانون بهروز کردن وزنها بدست میآید:
که در آن 1, 0ثوابت تنظيم هستند .با این قانون می توان سيستم را شناسایی کرد.
پس از شناسایی سيستم و حصول اطمينان نسبت به دیناميك سيستم ،به کنترل آن پرداخته میشود .برای
اگر خروجی مطلوب dو خروجی واقعی yنامگذاری شود و از یك متغير کمكی به نام v cاستفاده شود،
خواهيم داشت:
با اعمال مشتق روی تابع خروجی نتيجه ( )29- 2حاصل میشود:
29
y f1
f 1 f f
y 1 q 1 c ( )29- 2
q c
f 1 f f
y f1 1 f 2 1 vc
q c
چون f 1و f 2مشخص نيستند ،تخمين آنها که خروجی شبكه است در معادالت جایگذاری میشود .در نهایت
اجرای حلقه کنترل خارجی روی دیناميك پيچ سيستم ،با توجه به معادالت زیر انجام میشود:
در واقع با تعيين v c ، cهم تعيين می شود که نتيجه آن بدست آمدن ورودی کنترلی cاست .به این
ترتيب سيستم با این ورودی ،کنترل میشود و خروجی سيستم ،ورودی مطلوب dرا ردگيری میکند.
24
) 2ردیابی با استفاده از کنترل کننده براساس شبکه عصبی پایه شعاعی کامال تنظیم شده
یك نمونه دیگر قابل توجه کنترل یك سيستم پرنده ،در سال 2110ارائه شده است .در این تحقيق از
یك شبكه پایه شعاعی توسعه یافته برای کنترل استفاده شد که در آن عالوه بر بردار وزنها ،سایر
پارامترها از جمله مراکز و پهنای تابع گوسين بهروز میشد [ .]6به طور خالصه به توصيف این ایده
میپردازیم.
با استفاده از بسط سر ی تيلور و صرف نظر از ترمهای باالتر بسط ،به رابطه ( )92- 2خواهيم رسيد:
در این معادله ) A (tو ) B (tبه صورت روابط ( )99- 2و ( )94- 2بدست میآیند:
) f ( x ,u
A (t ) |x d ,ud ( )99- 2
x T
) f ( x ,u
B (t ) |x d ,ud ( )94- 2
u T
در این روابط x dو udدر نقاط تعادل در نظر گرفته میشوند.
شكل ( )00- 2یك روش کنترلی روی خط را نشان می دهد .روش کنترلی به کار برده شده مشابه روش
معروف آموزش پسخورد خطاست .الزم به ذکر است که از یك کنترل کننده تناسبی برای اطمينان از پایداری
25
شكل ( )00-2نمای کنترل عصبی یك هواپيما با استفاده از RBFکامال تنظيم شده
در اینجا نقش شبكه کنترل سيستم است .پس هدف تقریب معكوس دیناميك هواپيما یا همان ورودی
مقدار کل ورودی اعمالی به سيستم مجموع خروجی شبكه و کنترل کننده تناسبی است:
که در آن u nnخروجی شبكه و u pخروجی کنترل کننده تناسبی است x d .ورودی مطلوب Wˆ ،یك
برای بدست آوردن ورودی کنترلی مطلوب الزم است پارامترهای شبكه را بهروز کرد .برای این کار از قضيه
26
ˆ
* - ( )41- 2
Pیك ماتریس متقارن مثبت مؤکد n nاست که توسط کاربر بهگونهای تعيين می شود که پایداری
سيستم حلقه بسته را با وجود فقط کنترلکننده تناسبی تضمين کند .در ضمن nتعداد کل حاالتی است
که قرار است ردیابی شود و برابر تعداد ورودی کنترلی است.
, ماتریسهای مؤکد غير منفی h hکه به طور دلخواه توسط کاربر تعيين می شوند و اغلب ماتریس
یكه در نظر گرفته میشوند tr (W T W ) .مجموع مقادیر روی قطر اصلی W T Wرا محاسبه میکند و
ˆ (t )T P e
V e T Q (t )e TWB ˆ TWB (t )T P e tr (W T W ) T ( )40- 2
1
Q (t ) (J (t )T P ); J (t ) A (t ) B (t ) K p ( )42- 2
2
p
ˆ TWB (t )T P e
ˆ Tw T B T P e ( )44- 2
i i
i 1
در این رابطه w iستون iام ماتریس Wو B iستون iام ماتریس ) B (tاست.
اگر w iو به صورت روابط ( )46- 2و ( )47- 2انتخاب شوند:
ˆ (t )T P e
1WB ( )47- 2
27
مشتق تابع لياپانوف به صورت رابطه ( )42- 2بيان میشود:
در نهایت با توجه به روابط ( )93- 2و ( )41- 2معادالت به روز رسانی برای هر ورودی به فرم زیر حاصل می -
شود:
ˆ 1WB
ˆ (t )T P e ( )51- 2
Wˆ T B (t )T P e
ˆT ( )50- 2
از این رابطه می توان نتيجه گرفت معادله بهروز رسانی وزن ها برای هر نرون به صورت زیر است:
به وضوح می توان دید که خروجی شبكه به فرم ˆ gˆ Wˆ T است .بنابراین فرم گسسته معادله بهروز رسانی
ˆg
wˆ i k 1 wˆ i k 1 B k P e k , i 1,..., h
T
( )59- 2
wˆ i
از آنجائی که تابع گوسين ̂ تابعی بر حسب ˆ و ̂ است ،با توجه به معادله بهروز رسانی تابع ̂،
میتوان مراکز و پهنای تابع را به صورت زیر به روز کرد و به ورودی کنترلی مطلوب جهت ردیابی مسير دست
یافت:
ˆg
ˆ i k 1 ˆ i k 23 B k P e k
T
( )54- 2
ˆ i
T
ˆg
ˆ i k 1 ˆ i k 24 B k P e k
T
( )55- 2
ˆ i
T
22
1
- 6- 2حداقل میانگین مربعات کرنلی )(KLMS
قبل از ارائه روش حداقل ميانگين مربعات کرنلی نگاهی بر الگوریتم حداقل ميانگين مربعات 2خواهيم داشت.
حداقل ميانگين مربعات یك الگوریتم تطبيقی است که بر اساس گرادیان نزولی عمل میکند .بهگونهای از
دادههای در د سترس ،بردار گرادیان را تخمين میزند؛ یك روند تكرار را به کار می گيرد و بر اساس آن یك
سری اطالعات معتبر را به بردار وزنی در خالف جهت بردار گرادیان که نهایتا منجر به کمينه شدن ميانگين
بر اساس روش کاهش گرادیان ،معادله برداری بهروز کردن وزن به صورت رابطه ( )56- 2است:
پارامتر یادگيری است و همگرایی الگوریتم را کنترل میکند e 2 ( n ) .مربع ميانگين خطای بين خروجی
واقعی ) y ( nو سيگنال مرجع ) d ( nاست که به صورت رابطه ( )57- 2تعریف میشود:
بردار گرادیان در معادله بهروز کردن وزن به صورت زیر محاسبه میشود:
در روش سریعترین نزول بزرگترین مشكل ،محاسبه مقادیر ماتریسهای rو Rدر زمان حقيقی است.
الگوریتم حداقل ميانگين مربعات این مسئله را با استفاده از مقادیر لحظهای ماتریسهای کوواریانس rو R
1
-Kernel Least Mean Square
2
-Least Mean Square
3
-Mean Square Error
23
) R ( n ) x ( n )x h ( n ( )53- 2
این الگوریتم یك عملكرد مقاوم و پایدار در مقابل شرایط مختلف سيگنال ورودی دارد .سرعت همگرایی این
الگوریتم در مقایسه با الگوریتمهای دیگری همچون حداقل مربعات بازگشتی ( 0 )RLSچندان زیاد نيست.
تعداد زیادی دیگر از الگوریتم حداقل ميانگين مربعات وجود دارد که به رفع نقایص پایه این الگوریتم
میپردازد .به عنوان مثال حداقل ميانگين مربعات نرماليزه شده ]20[ 2یك نرخ تطبيق متغير را معرفی
می کند .این الگوریتم سرعت همگرایی را در یك محيط غيراستاتيك بهبود میبخشد.
الگوریتم دیگری به نام ]22[ Block LMSوجود دارد که جهت افزایش سرعت همگرایی زمانی که فرآیند
یك نوع ساده از الگوریتم ]29[ Sign LMS ،LMSاست که عالمت خطا را جهت بهروز کردن وزنها
استفاده میکند.
الگوریتم حداقل ميانگين مربعات کرنلی فهم الگوریتم حداقل ميانگين مربعات را با دیدگاه آموزش ماشين
بهبود می بخشد .در واقع این الگوریتم یك نتيجه مستقيم استفاده از الگوریتم حداقل ميانگين مربعات در
حداقل ميانگين مربعات یكی از سادهترین و معمولترین الگوریتمهای برخ ط است .تنظيم ساده معادله بهروز
کردن وزن در حداقل ميانگين مربعات نشان میدهد که می توان این الگوریتم را منحصرا بر اساس ترمهای
1
-Recursive Least Square
2
-Normalized Least Mean Square
91
ضرب داخلی بيان کرد که با استفاده از شيوه کرنل به سادگی این امكان را میدهد که یك نوع غيرخطی آن
را هم ایجاد نمود .الگوریتم ایجاد شده حداقل ميانگين مربعات کرنلی است.
همان گونه که اساس روش حداقل ميانگين مربعات یك ترکيب گر خطی است ،اساس حداقل ميانگين مربعات
کرنلی هم یك شبكه با تابع پایه شعاعی است .آموزش شبكه پایه شعاعی با حداقل ميانگين مربعات کرنلی،
با شبكههای پایه شعاعی قدیمی متفاوت است .برای آموزش شبكه پایه شعاعی قدیمی ،مراکز کرنل و اعداد
آنها با یك الگوریتم پيچيده و غيرمستدل انتخاب می شود .در صورتی که در این روش میتوان مراکز شبكه
و تعداد آن ها را به صورت خودکار تعيين کرد و نياز به هيچ گونه مجموعه از قبل آموزش داده شده ندارد .در
واقع حداقل ميانگين مربعات کرنلی یك شبكه پایه شعاعی توسعه یافته برخط است.
در سال های اخير ،انجمن آموزش ماشين توجه زیادی نسبت به روشهای کرنل برای مسائل طبقهبندی و
رگرسيون در کاربردهای متفاوت نشان داده است .اکثر روش های کرنل از جمله آناليز اجزای اصلی کرنل
) ]25[1(K-PCAماشينهای بردار پشتيبان( ]26[ 2 )SVMو شبكههای تنظيم [ ]27برای کاربردهای برخط
جائیکه داده ها باید لحظه به لحظه دریافت شود ،مناسب نيست .تحقيقات متعددی در زمينه یافتن بهترین
روش برخط انجام شده است [ .]22نتيجه تحقيقات نشان میدهد که الگوریتم حداقل ميانگين مربعات
کرنلی سادهت رین روش برخط است که نياز به هيچ گونه ترم تنظيم ندارد [.]23
ایده اساسی حداقل ميانگين مربعات کرنلی انتقال دادههای x iاز فضای ورودی به فضای برداری با بعد باال
1
-Kernel principal component analysis
2
-Support vector machines
90
nنماینده مرتب ه تابع کرنل است.
کرنل گوسی
(x , y ) (x ), ( y ) ( )64- 2
x y
2
که در آن 2سایز کرنل و یك پارامتر آزاد است و کل عملكرد الگوریتم را تحت تاثير قرار میدهد.
الزم به ذکر است برای استفاده از این الگوریتم د ر کاربردهای کنترلی نياز به ایجاد تغييراتی در ساختار آن
میباشد.
اگر در لحظه yˆ ( n ) ، nخروجی واقعی y d ( n ) ،خروجی مطلوب ,و ) e ( nخطای ردیابی باشد ،بردار وزن
ˆy
) ( n 1) ( n ) 2e ( n
( )66- 2
yˆ u
) ( n ) 2e ( n .
u
آهنگ آموزش (همگرایی) را تعيين می کند و بر اساس حد باالیی بزرگترین مقدار ویژه کوواریانس دادهها
تعيين می شود .در واقع تخمين آن سخت است و بستگی به سایز کرنل دارد .از آنجائی که ورودی کنترلی یا
همان خروجی حداقل ميانگين مربعات کرنلی به صورت ضرب داخلی بردار وزنها و ورودی مطلوب در فضا با
بعد باالتر ( )u (n ) (n ), ( y d (n ))بيان میشود ،رابطه ( )66- 2به صورت زیر بازنویسی میشود:
ˆy
) ( n 1) ( n ) 2e ( n ( y d ( n )). ( )67- 2
u
در عمل محاسبه با استفاده از فرمول مستقيم فوق امكانپذیر نيست .میتوان را با ارتباط به مقدار
n 1
) yˆ (i
) ( n ) (0) 2 e (i )) ( y d (i ( )62-2
i 0 ) u (i
1
- Chain rule
92
n 1
) yˆ (i
) ( n ) 2 e (i )) ( y d (i ( )63- 2
i 0 ) u (i
در نهایت خروجی شبكه در نقش ورودی کنترلی سيستم به صورت زیر خواهد بود:
چنانچه تابع کرنل استفاده شده گوسين باشد ،ورودی کنترلی زیر حاصل میشود:
الزم به ذکر است که اغلب پارامتر یك مقدار ثابت در نظر گرفته میشود.
برای بهتر شدن عملكرد کنترل کننده می توان به جای اینكه اندازه تابع کرنل ( ) را یك مقدار ثابت در نظر
گرفت ،از قوانين به روز رسانی تطبيقی بر اساس آموزش خطای پسخورد جهت تنظيم برخط استفاده
نمود [ . ]6از طرفی چنانچه تابع کرنل استفاده شده چند جملهای باشد ،برای نتيجه بهتر میتوان آهنگ
دیناميك سيستم غيرخطی تحت کنترل را در حوزه پيوسته زمان به فرم رابطه ( )72- 2در نظر بگيرید.
هدف کنترلکننده طراحی uبهگونهای است که حاالت سيستم ( ،) xحاالت مطلوب x dرا دنبال نماید.
بدون از دست دادن کليت مسئله ،فرضيات زیر در نظر گرفته میشود:
99
فرض - 0اگر تعداد کل حاالت سيستم kباشد ،تعداد حالتهای xکه قرار است کنترل شود ،با تعداد
ورودیهای کنترلی مساوی و برابر rاست .سایر حالتهای سيستم ( ) k rنيز همزمان در پایان مسير به
فرض - 2دیناميك ) f (x ,uدارای مشتقات جزئی کراندار محدود در یك همسایگی معين از همه نقاط
مسير مطلوب x dاست و مشتق ماتریس ) f (x ,uنسبت به ورودی کنترل u Tنامنفرد است و
f (0,0) 0است.
تحت این فرضها ،ورودی کنترلی مطلوب را می توان به صورت زیر در نظر گرفت:
که مقدار بهينه اندازه تابع کرنل e (i ) x (i ) x d (i ) ،خطای ردیابی و تابع کرنل بهينه است.
با استفاده از بسط سری تيلور و صرفنظر از ترم های باالتر بسط ،به نتيجه زیر خواهيم رسيد:
) f ( x ,u
A (t ) |x d ,ud ( )76- 2
x T
) f ( x ,u
B (t ) |x d ,ud ( )77- 2
u T
در این روابط x dو udدر نقاط تعادل در نظر گرفته میشوند.
94
برای تضمين پایداری سيستم حلقه بسته میتوان از کنترلکنندههای مرسوم مانند LQR ،PIDیا H به
صورت موازی با کنترل کننده اصلی استفاده نمود [ .]6در اینجا با فرض زیر از یك کنترل کننده تناسبی
فرض - 9سيستم دیناميك حلقه بسته که کنترلکننده پس خورد آن بر اساس مدل نامی هواپيما طراحی
با داشتن تنها کنترلکننده تناسبی ، u K p eدیناميك خطا به صورت زیر بازنویسی میشود:
بر اساس فرض K p ،9به گونهای طراحی میشود که C (t ) A (t ) B (t ) K pدر دیناميك خطا پایدار
باشد.
سيگنال کنترلی نهایی مجموع کنترلکننده حداقل ميانگين مربعات کرنلی و کنترل کننده تناسبی است:
تابع کرنل تخمينی است .دراینصورت خطای تخمين به صورت زیر تعریف میشود:
ˆ
( )21- 2
میتوان بردار وزنی حداقل ميانگين مربعات کرنلی را به صورت زیر فرض نمود:
در نهایت با استفاده از روابط ( )72- 2تا ( ،)20- 2دیناميك خطا به صورت زیر نوشته میشود:
ˆ
e C (t ) e B (t ) w T ( )22- 2
برای بدست آوردن قانون تطبيقی بهروز کردن اندازه تابع کرنل تابع لياپانوف زیر پيشنهاد داده میشود [:]6
95
V 1/ 2e T M e 1/ 2 T ( )29- 2
Mیك ماتریس مثبت مؤکد متقارن و یك ماتریس مثبت مؤکد ثابت است.
با در نظر گرفتن معادالت ( )22- 2و ( ،)29- 2مشتق تابع لياپانوف به قرار زیر است:
معادله بهروز رسانی به صورت زیر حاصل میشود: * 0 از آنجائیکه
ˆ (n )
ˆ ( n 1)
) ˆ (n
( )31- 2
1 1w B ( n )T M e ( n ).
با توجه به اینكه ̂ تابعی از ˆ است ( ) ˆ ،) ˆ (در نهایت الگوریتم حداقل ميانگين مربعات کرنلی با
قانون به روز رسانی زیر برای اندازه تابع کرنل حاصل میشود:
96
ˆ
ˆ ( n 1) ˆ ( n ) 2 ) ˆ (n
ˆ T ( )30- 2
ˆu
) ˆ( n ) 1 2 Tk B ( n )T M e ( n
ˆ
بنابراین میتوان از الگوریتم حداقل ميانگين مربعات کرنلی به عنوان یك روش ساده که وزنها و مراکز را به
راحتی خود انتخاب می کند و اندازه تابع گوسين آن با استفاده از رابطه ( )30- 2بهروز می شود ،در کنترل
استفاده کرد که در فصل آتی عملكرد آن در ردیابی یك مانور نمونه در یك هواپيمای جنگنده ارزیابی
خواهد شد.
97
فصل سوم
نتایج شبیهسازی
92
- 1- 3مقدمه
در این فصل برای بررسی عملكرد حداقل ميانگين مربعات کرنلی به عنوان کنترل کننده در ردیابی یك مانور
مطلوب ،شبيه سازی روی یك هواپيمای F-18با دیناميك کامالً غيرخطی شش درجه آزادی با مشخصات و
معادالت حرکت بيان شده در پيوست ،انجام شده است .الزم به ذکر است که نتایج بر اساس حداقل ميانگين
حالت اول
هدف ،کنترل متغيرها میباشد ،به عنوان نمونه تعقيب مقدار مطلوب زاویه حمله ( ) و نگه داشتن زاویه
لغزش جانبی ( ) در زاویه کمتر از 0درجه و کنترل آهنگ رول در محور پایداری ( .) آهنگ رول در
محور پایداری باعث می شود هواپيما حول محور پایداری خود بچرخد تا بتواند در مسير مطلوب جهت پرواز
را 021درجه تغيير دهد .روابط ( )0- 9تا ( )9- 9معادالت توصيف کننده این سه متغير را بيان میدارد.
r , pهم به ترتيب سرعت زاویهای در راستای محور طولی (رول) و محور سمت (یاو) میباشند .جزئيات
ردیابی متغيرها باید به گونهای انجام شود که و مسير مطلوب را تعقيب کنند و انحراف زاویه لغزش
93
مانور رول حول بردار سرعت در زاویه حمله در پرواز مستقيم هموار با V 500 ft / s ، 2.37deg
شروع میشود .به الویتور یك فرمان پيچ از مقدار اوليه - 1.5درجه به طرف باال جهت افزایش به 05
درجه از حالت نشست در ثانيه 9.9داده میشود .فرمان برای نرخ رول در محور پایداری ( ) در ثانيه 5
شروع و شامل سه مرحله میباشد :ناحيه صعود ،0ناحيه نگهداری 05 2درجه بر ثانيه و ناحيه جلوگيری .9رول
حول محور پایداری ،هواپيما را حول محور پایداری بهگونهای می چرخاند که جهت مسير پرواز را تغيير دهد.
نتایج حاصل از کنترل این نمونه با استفاده از الگوریتم حداقل ميانگين مربعات کرنلی در شكلهای ( )0- 9تا
1
- rising region
2
- holding region
3
- arresting region
41
20
Desired
KLMS
15
10
)alpha(deg
5
0
-5
0 5 10 15 20 25
)time(sec
20
Desired
KLMS
15
)Mudot(deg
10
5
0
-5
0 5 10 15 20 25
)time(sec
شكل ( )2-9کنترل آهنگ رول در محور پایداری با استفاده ازKLMS
40
5
Desired
4 KLMS
3
0
-1
-2
-3
-4
-5
0 5 10 15 20 25
)time(sec
شكل ( )9-9کنترل زاویه لغزش جانبی با استفاده ازKLMS
با توجه به نمودارهای مربوط به کنترل متغيرها ،زاویه و مقدار مطلوب را با خطای اندکی تعقيب می -
کنند .زاویه هم در محدوده کمتر از یك درجه قرار دارد .با توجه به رابطه ( )2- 9وابستگی نسبت به
سرعت زاویهای rباعث میشود هم زمان با رول زدن (تحریك شهپرها) در هواپيما سرش جانبی ایجاد شود
و زاویه افزایش یابد که هرچقدر ميزان تاثيرپذیری و افزایش کمتر باشد پایداری هواپيما و ردیابی
مطلوبتر است.
سطوح کنترل اصلی هواپيما (ورودی های کنترلی سيستم) هم به صورت نمودارهای ( )4- 9تا ( )6- 9تحریك
میشوند.
42
10
8
max<25deg
6
4
)elevator(deg
2
0
-2
-4
-6
-8
-10
0 5 10 15 20 25
)time(sec
برای افزایش زاویه حمل ه ،باالبر (ورودی کنترل) در جهت منفی تحریك می شود و لزومی ندارد این تحریك
در مدت زمان زیادی رخ دهد .برای کاهش زاویه حمله باالبر در جهت مثبت حرکت می کند .با توجه به
نمودار سطح کنترل باالبر ،بيشترین مقدار تحریك آن تقریبا 2درجه در جهت مثبت و منفی میباشد که
49
5
)aileron(deg 0
-5
-10
max|<21.5deg
-15
0 5 10 15 20 25
)time(sec
4
3
2
1
)rudder(deg
0
-1
-2
-3
|max|<30deg
-4
0 5 10 15 20 25
)time(sec
44
برای رول زدن هواپيما در جهت افزایش زاویه رول ،سطوح کنترل شهپرها در جهت منفی تحریك میشوند و
برعكس (شكل( .))5- 9همان گونه که قبال اشاره شد ،با رول زدن هواپيما سرش جانبی ایجاد میشود که این
سرش را در نمودار تحریك سطح کنترل رادر میتوان مشاهده کرد (شكل (.))6- 9
همان گونه که نتایج حاصل از ردیابی نشان میدهد ،با توجه به محدوده مجاز تحریك سطوح کنترل
هواپيمای F-18طبق رابطه ( ، )4- 9بيشترین مقدار تحریك سطوح کنترل اصلی حاصل ،از مقدار مجاز کمتر
است.
- 3- 3مقایسه با کنترلکننده بر اساس شبکه عصبی پایه شعاعی کامال تنظیم شده
در این بخش عملكرد الگوریتم حداقل ميانگين مربعات کرنلی با کنترلکننده بر اساس شبكه عصبی پایه
شعاعی کامال تنظيم شده مقایسه می شود .پارامترها در این کنترل کننده به صورت زیر است:
نتایج حاصل از ردیابی نمونه مانور ذکر شده در قسمت ( ،)2- 9با استفاده از این ساختار کنترلی در
45
20
Desired
fully tuned RBF
15
10
)alpha(deg
5
0
-5
0 5 10 15 20 25
)time(sec
5
Desired
4 fully tuned RBF
3
2
0درجه > انحراف
1
)beta(deg
0
-1
-2
-3
-4
-5
0 5 10 15 20 25
)time(sec
شكل ( )2-9کنترل آهنگ رول در محور پایداری با استفاده از RBFکامال تنظيم شده
46
20
Desired
fullt tuned RBF
15
10
)Mudot(deg
5
0
-5
0 5 10 15 20 25
)time(sec
شكل ( )3-9کنترل زاویه لغزش جانبی با استفاده از RBFکامال تنظيم شده
همانگونه که نتایج حاصل از ردیابی این مانور با استفاده از RBFکامال تنظيم شده نشان میدهد ،این روش
عملكرد مناسبی دارد و عملكرد آن مشابه الگوریتم حداقل ميانگين مربعات کرنلی می باشد .مزیتی که روش
حداقل ميانگين مربعات کرنلی در مقایسه با این روش با وجود عملكرد یكسان دارد ،سادگی و کم بودن
حجم محاسبات است .چون در روش کنترل با استفاده از RBFکامال تنظيم شده همه پارامترهای شبكه با
یك قانون تطبيق پيچيده تنظيم می شوند که خود باعث گستردگی حجم محاسبات و کاهش سرعت می -
شود.
47
15
10 |max|<25de
g
5
)elevator(deg
0
-5
-10
-15
0 5 10 15 20 25
)time(sec
با توجه به نمودار سطح کنترل باالبر ،بيشترین مقدار تحریك آن تقریبا 02درجه در جهت مثبت و منفی
می باشد که کمتر از مقدار مجاز و بيشتر از مقدار تحریك این ورودی در الگوریتم حداقل ميانگين مربعات
کرنلی است و این خود مزیت الگوریتم حداقل ميانگين مربعات کرنلی محسوب میشود.
42
6
4
2
0
)deltaa(deg
-2 .
-4
-6
-8 |max|<21.5de
-10
-12
0 5 10 15 20 25
)time(sec
شكل ( )00-9انحراف سطح کنترل شهپرها (درجه) با استفاده از RBFکامال تنظيم شده
5
4
3
2
)rudder(deg
1
0
-1
-2
-3
|max|<30deg
-4
-5
0 5 10 15 20 25
)time(sec
شكل ( )02-9انحراف سطح کنترل رادر (درجه) با استفاده از RBFکامال تنظيم شده
43
با توجه به سطوح کنترل حاصل از RBFکامال تنظي م شده ،مقدار تحریك سطوح کنترل در محدوده مجاز و
حالت دوم
هدف ردیابی موقعيت مطلوب (مانور) به صورت مستقيم است .در حالت کلی ورودیهای کنترلی یك جرم
نقطهای زاویه حمله ،زاویه بنك (رول) و زاویه رانش است .از طرف دیگر ورودیهای کنترلی یك جسم صلب
زاویه باالبر ،زاویه شهپر ،زاویه رادر و وضعيت دسته گاز است .یكی از روشهای تعيين ورودی کنترلی یك
جسم صلب از روی ورودی کنترلی یك جرم نقطه ای و در نهایت تعقيب مانور مطلوب ،روش معكوس است.
این روش در عمل روش مشكلی است .یكی از روش های عملی حل این مسئله بدون حل مسئله معكوس،
استفاده از سيستم کنترل ردیابی مسير است که تاکنون تحقيقات ارزشمندی در این زمينه انجام شده است
[ .]5بدین صورت که باید رابطه ميان مانور مطلوب و متغيرهای زاویه حمله ،زاویه لغزش جانبی و سایر
متغيرهای موثر در مانور را بدست آورد ،که بدست آوردن معادالت مورد نياز در این بخش در مبحث هدایت
هواپيما (شكل( ))6- 2قرار میگيرد .در این پایان نامه از معادالت هدایت ذکر شده در مرجع [ ]5استفاده
شده است .مانور مورد بررسی مانور غلتش لولهای است .جدول ( )0- 9اطالعات موردنياز این مانور را بيان
میدارد.
51
زاویه ساعتی برای مانور زاویه حمله
زاویه افقی مسير پرواز زاویه سرش جانبی
زاویه عمودی مسير پرواز
زاویه بنك (رول)
ورودی فرمان ( )c چگالی هوا
روابط ( )5- 9تا ( )00- 9به طور خالصه معادالت الزم جهت ایجاد مانور مذکور را بيان میدارد.
که در آن xو yو zموقعيت جرم نقطهای (هواپيما) v t ،سرعت هواپيما ،و به ترتيب زاویه افقی
مسير پرواز و زاویه عمودی مسير پرواز میباشد .و هم در شكل ( )09- 9مربوط به سيستم مختصات و
الزم به ذکر است که اختالف بين و و اختالف بين و میباشد.
50
معادالت نيروی هدایت
نيروی هدایت شامل دو قسمت است .یكی نيروی الزم جهت ایجاد حرکت و دیگری نيروی الزم برای حذف
خطاهای هدایت ا ست .خطاهای هدایت شامل خطای موقعيت ،خطای سرعت ،خطای زوایای افقی و عمودی
مسير پرواز می باشد .نيروهای هدایت در سه جهت x , y , zدر رابطه ( )6- 9بيان شده است.
که در آن مقادیر با اندیس dمعرف ورودی با مقدار مطلوب است .مقادیر )( kبهره هدایت برای هر یك از
ورودی های فرمان شامل زاویه بنك ،زاویه حمله ،زاویه لغزش جانبی و نيروی رانش است که با استفاده از
معادالت نيرویهای هدایت بر اساس روابط ( )7- 9تا ( )01- 9بدست میآیند:
Yc
c ( )3- 3
qt SC y
52
Tc Fx D ( )01- 3
که در آن Lcو Y cمقادیر فرمان نيروهای برا و سمت هستند که طبق رابطه ( )00- 9قابل محاسبه می -
باشند.
در نهایت نتایج حاصل از الگوریتم حداقل ميانگين مربعات کرنلی در ردیابی این نمونه مانور در فضای سه
خطوط خط چين نمایانگر مانور ردیابی شده با استفاده از الگوریتم حداقل ميانگين مربعات کرنلی است و
59
همان گونه که نتيجه نشان می دهد مانور مطلوب با خطای اندکی ردیابی می شود .مقدار اختالف نهایی
مسير ردیابی شده توسط الگوریتم با مسير مطلوب حدود 21متر در جهت محور xمیباشد .اختالف
54
فصل چهارم
نتیجهگیری
55
- 1- 4جمع بندی و نتیجه گیری
در این پایان نامه الگوریتم جدیدی برای کنترل مانور یك هواپيمای جنگنده F-18مورد ارزیابی قرار گرفت.
ابتدا جنگنده F-18با معادالت حالت شبيه سازی شد .سپس الگوریتم حداقل ميانگين مربعات کرنلی به
عنوان یك روش هوشمند و برخط برای ردیابی یك مانور نم ونه استفاده شد .این الگوریتم مانند یك شبكه
عصبی توسعه یافته عمل میکند که وزن ها و مراکز تابع را به سادگی انتخاب میکند .در الگوریتم
پيشنهادی ،برای بهبود عملكرد ،افزایش دقت ردیابی و تضمين پایداری یك روش تطبيقی بر مبنای تئوری
لياپانوف برای بهروز رسانی پارامترها (اندازه تابع کرنل) ارائه شد .نهایتاً کارآیی کنترلکننده پيشنهادی با
بررسی کنترل پارامترهای پرواز و مانور غلتش لولهای بعنوان یك مانور غيرخطی ارزیابی شد و عملكرد آن با
یك روش کنترل بر اساس شبكه عصبی پایه شعاعی کامال تنظيم شده مقایسه شد.
نتایج شبيهساز ی ،توانایی قابل قبول کنترل کننده شبكه عصبی پایه شعاعی کامال تنظيم شده در ردیابی
پارامترهای پرواز را نشان می دهد .با وجود نتایج قابل قبول کنترل کننده فوق ،حجم محاسبات نسبتا باال
بعنوان یكی از چالشهای موجود تشخيص داده شد .شبيه سازی الگوریتم حداقل ميانگين مربعات کرنلی
برای کنترل پارامترهای پرواز ،نتایج تقریبا مشابه اما با حجم محاسبات کمتر را نشان میدهد .همچنين
شبيه سازی این الگوریتم ،نتایج قابل قبولی در ردیابی مانور غلتش لولهای را نيز ارائه میکند .در این
شبيه سازی خطای حالت دائم در بعد yو zبسيار کم بوده اما خطا در بعد xدر حدود 21متر میباشد که
56
-2-4پیشنهادات
در این بخش پيشنهاداتی به منظور ارائه راهی جدید برای محققين بعدی ارائه میشود:
-می توان از الگوریتم حداقل ميانگين مربعات کرنلی به عنوان بهينهساز ضرائب در روشهای کنترلی
مانند روش کنترل مود لغزشی ،روش کنترل گام به عقب و غيره استفاده نمود.
می توان از الگوریتم حداقل ميانگين مربعات کرنلی در روش های کنترل معكوس به عنوان شناساگر -
57
پیوست الف
52
الف - 1-مقدمه
در این پایاننامه از مدل هواپيمای F-18به عنوان یك پلنت برای اعمال نظریه کنترلی حداقل ميانگين
مربعات کرنلی استفاده می شود .این هواپيما نيز مانند اکثر سيستمهای واقعی دارای مدل غيرخطی و پيچيده
می باشد و برای تجزیه و تحليل و طراحی بهتر است از یك مدل ساده شروع شود .در این فصل ابتدا با
مفاهيم اساسی و مرتبط با کنترل پرواز آشنا شده و پس از شناخت هواپيمای ،F-18مدل غيرخطی این
هواپيما مطرح می شود .در انتها هواپيما در دو جهت حرکت طولی و عرضی خطی سازی و مدل فضای حالت
هواپيمای انتخاب شده F-18 HARV0،است .این هواپيما یك جنگنده مهاجم دو موتوره تكسرنشين
است که برای نيروی دریایی امریكا ،توسط شرکتهای مك دونل داگالس 2و نورثرپ 9ساخته شد و دارای دو
موتور توربوفن اصالح شده ،ساخت شرکت جنرال الكتریك بنام است .این موتور که دارای توان پسسوز
است ،دارای حداکثر نيروی رانش 4استاتيك 06111پوند در سطح دریا میباشد .هواپيما با اضافه کردن
دریچههای تراست موتور ،برای جهت دادن به جریان خروجی موتور و ایجاد گشتاور یاو و پيچ ،اصالح شده
است .برخی از مشخصات این هواپيما در جدول (الف )0-و تصویر سهنمایی آن در شكل (الف )0-نشان داده
1
- High Angle Of Attack Research Vehicle
2
- McDonnell Douglas
3
- Northrop
4
- Thrust
53
F-18 ) اطالعات هواپيمای0-جدول (الف
مقدار پارامتر
1036slug m
400ft 2 S
37.42ft b
11.52 c
23000slug ft 2 Ix
151293slug ft 2 Iy
169945slug ft 2 Iz
2131.8slug ft 2 I xz
0.25 xcgr
61
شكل (الف )0-سه نمایی از هواپيمای ]99[ F-18 HARV
مدل آیرودیناميكی هواپيما ،مدلی ا ست که نيروهای آیرودیناميكی وارد بر هواپيما را به صورت تابعی از
شرایط پروازی و مشخصات هواپيما می دهد .مدل زیر برای ضرایب نيروها و ممان آیرودیناميكی در این
)0ضریب پسا
a r
CY 0.0186 (0.00227 0.039) )(0.00265 0.141 (الف)2-
25 30
60
)4ضریب ممان رول
a
C l C l ( , ) 0.0315 p 0.0126r )(0.00121 0.0628
25
(الف)4-
r
)(0.000351 0.0124
30
که در آن:
a r
C n C n ( , ) 0.0142r (0.000213 0.00128) )(0.000804 0.0474 (الف)7-
25 30
که در آن:
در معادلههای (الف )0-تا (الف )2-تمام زوایا و انحراف سطوح کنترل برحسب درجه و نرخهای زاویهای
62
الف - 3-کنترل های آیرودینامیکی و محدوده کارایی آنها
کنترلهای آیرودیناميكی هواپيمای F-18عبارتند از :پایدارکنندههای افقی ،0ایلورانها ،رادر و فلپها ،به
عالوه این هواپيما دارای مكانيزم کاهنده سرعت 2نيز میباشد .محدوده حرکت و نرخ چرخش سطوح کنترل
مدل عملگر با در نظر گرفتن مقادی ر نرخ چرخش سطوح به فرم ذیل استفاده گردید:
100
a (الف)3-
s 100
40
e (الف)01-
s 40
56
r (الف)00-
s 56
این هواپيما دارای دو موتور توربوفن میباشد .حداکثر نيروی رانش در امتداد محور طولی که تابعی از
1
- Horizontal Stabilator
2
- Speed brake
69
t 30
T x (M , t h ) T x max(M ) h (الف)09-
100
تحليل پرواز پرنده وابسته به معادالت حرکت آن است .محاسبه سرعتهای خطی ،زاویهای ،نيروهای
وارده ،گشتاورهای بوجود آمده ،مسير پرواز ،طراحی سيستم کنترل پرواز و عكس العمل پرنده در مقابل
نيروها و اغتشاشات وارده ،مستلزم تحليل معادالتی پایه است که مبنای محاسبات قرار میگيرد .همچنين
برای بدست آوردن تابع تبدیل هواپيما ،ابتدا باید معادالت حرکت تعيين شوند .معا دالت حرکت با استفاده از
قوانين حرکت نيوتن بدست می آیند و مجموع نيروها و گشتاورهای خارجی را با شتابهای خطی و زاویهای
سيستم یا بدنه مرتبط می سازند.در این قسمت ابتدا فرضياتی را در نظر گرفته و دستگاه مختصات مشخصی
تعریف میشود.
دستگاه بدنی را که مرکز آن منطبق بر گرانيگاه هواپيما و محورهای مختصات آن چسبيده به هواپيما
است و همراه با آن می چرخد ،تعریف می کنيم .در این دستگاه ،محور OXبه سمت دماغه OY ،در جهت
بال راست و OZبطرف پایين بوده بطوری که تشكيل یك دستگاه راستگرد میدهند (شكل (الف .))2-اکثر
هواپيماها نسبت به صفحه قائمی که از محور طولی آن می گذرد ،متقارن می باشند .از آنجا که محورهای OX
و OZدر این صفحه قرار دارند ،لذا گشتاورهای اینرسی I xyو I yzصفر می باشند .این نتيجه ما را به اولين
64
شكل (الف )2-یك جزء جرمی هواپيما ][99
- 0محورهای OXو OZدر صفحه تقارن واقع شده و لذا گشتاورهای اینرسی I xyو I yzصفر میباشند.
- 2جرم هواپيما در طول تحليل دیناميكی خاص ثابت است .هر چند اختالف زیادی بين جرم هواپيمای با
سوخت و بدون سوخت وجود دارد ولی مقدار سوخت مصرف شده در حين تحليل دیناميكی قابل
چشمپوشی است.
- 9هواپيما یك جسم صلب است .لذا هر دو نقطه درون یا روی هواپيما نسبت به سایر نقاط ثابت میباشد.
- 4زمين همراه با اتمسفری که نسبت به آن ثابت است ،یك مرجع اینرسی فرض می شود .اگرچه این فرض
برای تحليل سيستم های هدایت اعتباری ندارد ،ولی برای بررسی سيستمهای کنترل خودکار هواپيماها و
موشكها معتبر می باشد .اعتبار این فرض بر این واقعيت استوار است که معموال ژیروسكوپها و
شتابسنجهایی که در سيستم کنترل بهکار میروند ،قادر به اندازه گيری سرعت زاویهای زمين یا شتابهای
سرعت در امتداد محور OXهمان مولفه ای از سرعت نسبت به فضای اینرسی بوده که در امتداد محور OX
تعيين میگردد .در هر لحظه هواپيما دارای یك بردار سرعت برآیند نسبت به فضای اینرسی میباشد .این
بردار به محورهای هواپيما تصویر شده و مولفههای سرعت V ،Uو Wبدست میآیند .این روش مولفهیابی را
میتوان به سرعت زاویه ای نيز اعمال کرد .با تصویر بردار سرعت زاویهای نسبت به فضای اینرسی در جهت
65
که Q ، Pو R محورهای سه گانه بترتيب مقادیر Q ، Pو Rبدست میآیند (جدول(الف . ))9-باید توجه داشت
مولفههای سرعت زاویهای کلی بدنه (هواپيما) نسبت به فضای اینرسی می باشند و توسط ژیروسكوپهای
برای سهولت تحليل حرکت هواپيما ،ابتدا هواپيما به عنوان یك جسم صلب در نظر گرفته میشود که در
مرکز ثقل خود متمرکز است .برای بدست آوردن معادالت حرکت می توان از قانون دوم نيوتن استفاده نمود.
بطوری که مجموع تمام نيروهای خارجی اعمال شده به هواپيما برابر با نرخ زمانی تغيير اندازه حرکت بوده و
مجموع تمام گشتاورهای اعمال شده به هواپيما نيز برابر با نرخ زمانی تغيير اندازه حرکت زاویهای میباشد.
این تغييرات نسبت به دستگاه اینرسی بوده و می توان به صورت برداری چنين بيان نمود ]:[97
d
) F dt (mV (الف)04-
d
M
dt
H (الف)05-
بطوری که Fنيرو m ،جرمV ،سرعت خطی M ،گشتاور و Hاندازه حرکت زاویهای میباشند .معادالت
برداری فوق می توانند به صورت اسكالر در راستا و حول هریك از محورهای سهگانه Z ,Y , Xنوشته شوند.
66
در این معادالت Fz ، Fy , Fxو w ، v, uبترتيب مولفه های نيرو و سرعت در راستای محورهای y, xو z
در این معادالت نيز N ، M , L ،و H z ، H y , H xبترتيب مولفههای گشتاور و اندازه حرکت زاویهای حول
با توجه به شكل (الف ،)2-اگر mیك جزء جرم هواپيما V ،سرعت حرکت آن جزء جرم نسبت به
محورهای مختصات و Fنيروی منتجه وارد بر آن جزء جرم باشد ،قانون دوم نيوتن به صورت زیر در
میآید:
dV
F m (الف)02-
dt
کل نیروی خارجی وارد بر هواپیما مجموع جزءهای جرمی هواپیما است:
dr
V V c (الف)21-
dt
که V cسرعت حرکت مرکز ثقل هواپيما و dr / dtسرعت جزء نسبت به مرکز تقل می باشد .با جایگذاری
d dr
F F (V c ) m (الف)20-
dt dt
اگر فرض شود که جرم هواپيما ثابت است ،معادله (الف )20-را میتوان به فرم زیر نوشت:
یا
67
dV c d 2
F m
dt
2
dt
r m (الف)29-
برابر صفر خواهد بود .از این رو معادله نيرو به از مرکز ثقل اندازهگيری میشود ،مجموع r m چون r
dV c
F m (الف)24-
dt
ا ین معادله رابطه بين نيروهای خارجی وارد بر هواپيما و حرکت مرکز ثقل پرنده را نشان میدهد .به
همين ترتيب می توان معادالت گشتاورها را توسعه داد .معادله گشتاور برای جزء جرمی mرا میتوان به
d d
M H (r V ) m (الف)25-
dt dt
سرعت جزء جرمی را میتوان در ترم هایی از سرعت مرکز ثقل و سرعت نسبی جزء جرمی نسبت به مرکز
dr
V V c V c r (الف)26-
dt
که سرعت زاویهای پرنده و rفاصله جزء جرمی از مرکز ثقل است .مجموع اندازه حرکت زاویهای برابر
است با:
همانطور که قبال توضيح داده شد ،اولين ترم معادله (الف )22-برابر صفر است ،چون . r m 0اگر
سرعت زاویهای و بردار مكانی را برحسب مولفههای شان به فرم زیر بنویسيم:
62
با جایگذاری در معادله (الف ،)22-خواهيم داشت:
که مولفههای اسكالر اندازه حرکت زاویهای ، Hبه صورت رابطه (الف )92-است:
H x p ( y 2 z 2 ) m q xy m r xz m
H y p xy m q (x z ) m r yz m
2 2
(الف)92-
H z p xz m q yz m r (x y ) m
2 2
مجموعیابیها ) (در معادله فوق ممانهای اینرسی هواپيما هستند که به صورت زیر تعریف میشوند:
I x ( y z ) m I xy xy m
2 2
به ترتيب ممان اینرسی جرمی هواپيما حول محورهای y , xو zهستند .جمالت با اندیس Iz و که I y , I x
ترکيبی به حاصلضرب اینرسی معروف هستند .ممان و همچنين حاصلضرب اینرسی به پيكربندی هواپيما و
نحوه توزیع جرم بستگی دارد .هرچه ممان های اینرسی بزرگتر باشد ،مقاومت هواپيما در مقابل دوران بيشتر
خواهد بود .معادلههای اسكالر اندازه حرکت زاویهای بهصورت زیر نوشته میشوند:
H x pI x qI xy rI xz
H y pI xy qI y rI yz (الف)94-
H z pI xz qI yz rI z
اگر هنگامی که ه واپيما در حال دوران است ،محورهای مختصات نچرخند ،مقدار ممان اینرسی نيز با
زمان تغيير کرده و مشتقات ممان اینرسی نيز در معادالت ظاهر می شوند .برای حل این مشكل سيستم
محورهای مختصات را روی هواپيما ثابت در نظر می گيریم (سيستم مختصات بدنه) .حال میخواهيم
که به چرخش محور بدنه مربوط می شود را بدست آوریم .مشتق هر بردار دلخواه H مشتقات بردارهای Vو
63
مانند Aبا توجه به چرخش محورهای مختصات بدنه که دارای سرعت زاویهای است ،بهصورت زیر بيان
میشود:
dA dA
A (الف)95-
dt I dt B
در این رابطه ،اندیس Iمعرف محورهای مختصات اینرسی و اندیس Bمعرف محورهای مختصات بدنه
است .با بكار بردن این تعریف ،معادلهها را می توان به صورت زیر نوشت:
dV c
F m ) m ( V c (الف)96-
dt B
dH
M H (الف)97-
dt B
در این معادلهها مولفه های نيرو و گشتاور روی هواپيما از ترکيب نيروهای آیرودیناميكی ،نيرویجاذبه و
نيروی جلوبرنده ناشی می شوند .با انتخاب صحيح محل محورهای مختصات ،میتوان حاصلضرب اینرسی
I yz , I xyرا صفر کرد .برای این منظور الزم است که صفحه xzرا صفحه تقارن هواپيما قرار دهيم .با این
فرض ،معادلههای ممان (گشتاور) در سه جهت xو yو zبه صورت زیر نوشته میشوند:
L I x p I xz r qr (I z I y ) I xz pq
) M I y q rp (I x I z ) I xz ( p 2 r 2 (الف)93-
N I xz p I z r pq (I y I x ) I xz qr
معادلههای حرکت بدست آمده برای مختصات ثابت هواپيما میباشد .متاسفانه ،نمیتوان موقعيت و جهت
هواپيما را نسبت به محورهای مختصات ثابت توصيف کرد .موقعيت و جهت هواپيما را میتوان در ترمهایی از
71
م حور مختصات ثابت زمينی که در شكل (الف )9-نشان داده شده است توصيف کرد .در لحظه ، t 0دو
جهت هواپيما را می توان توسط سه دوران متوالی که ترتيب آنها مهم است ،توصيف کرد .زاویه دورانها
به زوایای اویلر معروف است .نمای کلی یك هواپيما همراه با مختصات بدنی و مختصات زمينی در شكل
هواپيما طوری قرار داشته باشد که سيستم مختصات بدنی موازی با مختصات زمينی قرار گيرد و سپس
- 0دوران محورهای z f , y f , x fحول 0z fبه اندازه زاویه سمت ، که در این صورت محورها به z 1 , y 1 , x 1
منتقل میشوند.
- 2دوران محورهای z 1 , y 1 , x 1حول 0y 1به اندازه زاویه پيچ ، که در این صورت محورها به z 2 , y 2 , x 2
منتقل میشوند.
- 9دوران محورهای z 2 , y 2 , x 2حول 0x 2به اندازه زاویه رول ، که در این صورت محورها به z 3 , y 3 , x 3
منتقل میشوند.
با تعریف زوایای اویلر ،میتوان مولفه سرعتهای پروازی را نسب ت به مختصات زمينی بدست آورد .اگر در
در نظر بگيریم ،با استفاده از شكل( )9- 9میتوانيم z 2 , y 2 , x2 و z1 , y1 , x1 مولفههای سرعت در جهت
بنویسيم:
قبل از پرداختن به ادامه کار ،از نماد کوتاهتر S sin , C cos , S sinو ...استفاده میکنيم.
و
که w ,v ,uمولفههای سرعت در محور بدنی z b , y b , x bهستند .با رجوع به معادله های باال ،می توانیم سرعت مطلق
با انتگرال گيری از معادله فوق ،مكان هواپيما نسبت به محور ثابت زمينی بدست می آید .ارتباط بين
سرعت زاویهای در محور بدنی ) (r , q , pو نرخهای اویلر ) ( , ,با استفاده از شكل (الف )9-به صورت
معادله (الف )94-را میتوان برای نرخهای اویلر به صورت زیر بدست آورد:
با انتگرال گيری از معادله فوق ،زوایای اویلر ) ( , ,را میتوان بدست آورد .معادالت حرکت به صورت
معادالت حرکت را می توان به شكل مدل فضای حالت و غيرخطی بهصورت زیر نوشت:
) x f (x , u (الف)46-
که در آن xمتغيرهای حالت و uورودی سيستم می باشد .بسته به اینكه این معادالت تحت چه مقاصدی و
برای چه مسئلهای حل شوند ،ترکيبی از متغيرهای حالت u , xمورد استفاده قرار می گيرد .اگر چه
دیناميك حاکم بر اکثر فرایندهای صنعتی و سيستمهای واقعی غيرخطی است ،ليكن تحليل و طراحی
79
سيستم های کنترل برای حالت غيرخطی ،بسيار دشوار و پياده سازی کنترل کننده غيرخطی در بسياری از
موارد عملی و کاربردی ،امری غيرضروری است .از اینرو ،بدست آوردن مدلهای دقيق خطی از سيستمهای
غيرخطی ،از نظر مهندسی بسيار مهم و اجتناب ناپذیر است .عمومأ ،معادالت دیفرانسيلی حرکت پرنده
غيرخطی هستند.
این معادالت دیفرانسيل غيرخطی را می توان حول یك نقطه تعادل معين (شرایط حالت دائم) با شرایط
پروازی مثل سرعت ،ارتفاع و مرکز ثقل ثابت و نيز زاویه حمله ( ،)αزاویه وضعيت ) ، (زاویه الویتور ( )eو
...خطی کرد و دستگاهی از معادالت دیفرانسيل معمولی خطی تغييرناپذیر با زمان ) (LTIرا بدست آورد .در
صورتی که انحراف مقادیر مربوطه از مقادیر تعادل 0کم باشد این معادالت میتوانند رفتار یك سيستم
دیناميكی را توصيف کنند .در ادامه دو روش خطی سازی معادالت دیفرانسيل غيرخطی بررسی میشوند که
معادله های بدست آمده در بخش قبل با استفاده از نظریه اختالالت کوچك خطیسازی میشوند .برای
استفاده از نظریه اختالالت کوچك فرض می کنيم که حرکت هواپيما شامل انحرافات کوچكی در اطراف
شرایط یك پرواز یكنواخت باشد .بنابراین در شرایطی که حرکاتی با دامنه بزرگ وجود داشته باشد (مانند
اسپين یا واماندگی) ،این نظریه دقت کافی ندارد و قابل کاربرد نيست .به هر حال ،این نظریه در بسياری از
حاالت پاسخ هایی با دقت کافی برای کاربردهای مهندسی ارائه میدهد.
به جای تمام متغيرهای معادالت حرکت ،یك مقدار مرجع به اضافه مقداری جزئی اختالل قرار داده می -
شود:
1
- Trim
2
- Small perturbation
74
u u 0 u v v 0 v w w 0 w
p p 0 p q q 0 q r r0 r
X X 0 X Y Y 0 Y Z Z 0 Z (الف)47-
M M 0 M N N 0 N L L 0 L
0
برای سادگی مسئله فرض می کنيم شرایط پروازی مرجع ،متقارن بوده و نيروهای جلوبرنده ثابت و بدون
عالوه بر این ،اگر ما از ابتدا محور xها را منطبق بر جهت بردار سرعت هواپيما بگيریم w 0 ،صفر خواهد
شد .حال اگر نظریه اختالالت کوچك را در معادالت حرکت بكار بگيریم ،می توان معادالت حرکت را ساده
این معادله با بكار بردن اصول مثلثاتی میتواند سادهتر نيز شود:
و در این صورت:
75
اگر تمام مقادیر اختالل در معادله فوق را برابر صفر قرار دهيم ،شرایط مرجع پرواز بدست میآید:
به صورت زیر ساده میشود: X که در این صورت معادله نيرویی
تغيير نيروهای جلوبرند گی و آیرودیناميكی در جهت محور Xها است که میتواند با استفاده X نيروی
را فقط تابعی از e ,w ,uو Tدر نظر X از سری های تيلور برحسب متغيرهای اختالل بيان شود .اگر
بگيریم:
مشتقات پایداری گفته می شود و در شرایط پروازی مرجع ارزیابی X / T و X / e , X / w, X / u به
میشوند .متغيرهای eو Tبه ترتيب تغيير در زاویه الویتور و دسته گاز (تراتل) 0میبا شند .اگر برای کنترل
X X
جایگزین خواهند شد. و c طولی از کانارد یا دم تمام چرخان استفاده شود ،مقادیر H
c H
با جایگذاری عبارت بسط داده شده در معادله نيرو خواهيم داشت:
d X
( X u )u X w w ( g cos 0 ) X e e T (الف)53-
dt T
1
-Throttle
76
و غيره ،مشتقات آیرودیناميكی هستند که بر جرم هواپيما تقسيم که X w X / w / m, X u X / u / m
شدند.
تغيير نير وها و گشتاورهای آیرودیناميكی تابع متغيرهای حرکتی مثل w , uو غيره هستند .مشتقات
آیرودیناميكی که برای تحليل حرکت پرنده استفاده میشوند بهطور خالصه به شرح زیراند [ 92و :]92
نيروها و گشتاورهای آیرودیناميكی می توانند به عنوان تابعی از تمام متغيرهای حرکت بيان شوند ،هر
چند در معادالت فوق فقط عبارتی که معموال مهم هستند حفظ گردیده است .الزم به ذکر است که در
معادالت فوق فرض شده است که هواپيما دارای سطح کنترلی باالبر است .ب رای هواپيمایی که دارای دم
جلو(کانارد) یا ترکيبی از هر دو سطح کنترلی طولی هستند ،جمالتی که معرف اثر باالبر هستند ،باید در
معادالت فوق با جمالت مناسب تر تعویض شوند .نتيجه معادالت حرکت خطی شده هستند که متعاقبا ذکر
خواهد شد..
فرض می شود معادله دیفرانسيل حاکم بر یك سيستم دیناميكی به صورت معادله (الف )46-باشد .برای
به ترتيب زیر عمل میشود. u0 و x0 خطی سازی حول یك نقطه کاری
که در آن
d
x x (الف )65-
dt
با جایگذاری معادالت (الف ( ،)69-الف )64-و (الف )65-در معادله (الف )66-میتوان نوشت:
) x 0 x f (x 0 x , u 0 u (الف)66-
با بسط تيلور سمت راست معادله (الف )67-حول x 0 ,u 0معادله زیر بدست میآید:
f f
x 0 x f (x 0 , u 0 ) x u H .O .T (الف)67-
x u
با صرفنظر از جمالت مرتب ه باال در بسط تيلور رابطه خطی زیر بدست میآید:
که در آن
72
f 1 f 1 f 1
u .....
u 2 u m
1
f 2 f 2 f 2
.....
B u1 u 2 u m
(الف)71-
. . . .
f n f n f n
u1 u 2 u m
بدست x0 , u 0 ماتریسهاس Aو Bماتریسهای معلومی هستند که از جایگذاری مقادیر نقطهکاری
می آیند.حسن این روش در مقایسه با روش اول ،این است که یك قالب ماتریسی در فضای حالت در اختيار
قرار میدهد که می توان محاسبات معادله مشخصه و بررسی پایداری را به راحتی و مستقيماً در حوزه زمان
(فضای حالت) انجام داد و برای این منظور دیگر نيازی به فضای الپالس نيست .با توجه به موارد ذکر شده،
در این پایاننامه خطی سازی معادالت حرکت غيرخطی پرنده براساس روش خطی سازی ژاکوبين انجام شده
است.
الف -7-معادالت حرکت جسم صلب اختالالت کوچک خطی شده طولی و عرضی
d
( X u ) u X w w ( g cos 0 ) X e e X t t
dt
d
( Yv )v (u 0 Yr )r ( g cos 0 ) Y r r
dt
73
d I d
( L p )p Lv v ( xz Lr )r L a a L r r
dt I x dt
d I d
( N r )r ( xz N p )p N v v N a a N r r
dt I z dt
معادالت نیرو
معادالت گشتاور
L I x p I xz r qr ( I z I y ) I xz pq
M I y q rq( I x I z ) I xz ( p 2 r 2 )
N I z r I xz p pq( I y I x ) I xz qr
p sin
q cos r sin
dX
dt
dY cos cos sin sin cos cos sin cos sin cos sin sin u
cos sin sin sin sin cos cos cos sin sin sin sin v
dt
dZ sin sin cos cos cos w
dt
20
پیوست ب
برنامههای کامپیوتری
22
F-18 مربوط به مدل کامال غیرخطی شش درجه آزادی هواپیمایS-function - 1- ب
%%% %%
%%% ---- State Variables -------- %%
%%% x = [ vt ( ft/sec ) - velocity %%
%%% alpha ( rad ) - angle of attack %%
%%% beta ( rad ) - sideslip angle %%
%%% phi ( rad ) - Euler angle %%
%%% theta ( rad ) - Euler angle %%
%%% psi ( rad ) - Euler angle %%
%%% P ( rad/sec ) - roll rate %%
%%% Q ( rad/sec ) - pitch rate %%
%%% R ( rad/sec ) - yaw rate %%
%%% integral of north speed ( ft ) - north displacement %%
%%% integral of east speed ( ft ) - east displacement %%
%%% integral of vertical speed ( ft ) - altitude %%
%%% pow ( percent, 0 <= pow <= 100 ) - power ]; %%
%%% %%
%%% ---- control Variables -------- %%
%%% u = [ thtl ( 0 <= thtl <= 1.0 ) - throttle %%
%%% el ( deg ) - elevator %%
%%% ail ( deg ) - aileron %%
%%% rdr ( deg ) - rudder ]; %%
%%% %%
%%% ---- parameters --------- %%
%%% xcg - center of gravity position as %%
%%% fraction of mean aerodynamic chord %%
%%% %%
%%% ---- Output Variables -------- %%
%%% output = [ x_dot - 1st order derivative of state x %%
%%% an ( m/sec^2 ) - normal acceleration %%
%%% alat ( m/sec^2 ) - lateral acceleration in y-axis %%
%%% qbar ( psf ) - dynamic pressure %%
%%% amach - mach number %%
%%% q ( rad/sec ) - pitch rate %%
%%% alpha ( rad ) - angle of attack ]; %%
%%% %%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
cbar = 11.52;%-------ft-----
b = 37.42;
mass = 1036; %--- mass ---
rm = 1/mass;
xcgr = 0.25;
g = 32.2;
Ix = 23000*1;
29
Iy = 151293*1;
Iz = 169945*1;
Ixz =-2131.8*1;
s = 400;
lxt = 18.17;
lyt = 2.23;
%==================================================
%=================================
T1=11200.*.7;
T1=16000.*1.3;
th=130;
%=================================
t=thrust*thtl;
24
%---------aerodynamic coefficients for state equation----------------------
----------
if alpha < 10
CL=( 0.0751*alpha+.2292 );
% CL=( 0.0751*alpha-0.0309 );
else
CL=( -0.00148*(alpha)^2+0.106*alpha+0.1312 );
end
CLde=0.0144; %------F-18(per deg)
if alpha < 20
CD=( 0.0013*(alpha)^2-0.00438*alpha+.03322 )*1;
CD=( 0.0013*(alpha)^2-0.00438*alpha+.0297 )*1;
else
CD=( -0.0000348*(alpha)^2+0.0473*alpha+0.45846 )*1;
end
CY= -0.0186*beta+ail/25*(-
0.00227*alpha+0.039)+rdr/30*(0.00265*alpha+0.141)*1;
%---------------------Pitch-moment coefficient:---------------
CM=( .0019885-.0043700*alpha );
Cmde=-.0196*1; %------F-18(per deg)
Cmq=-.0615*1;
%====================================
% Clp=-.01575;
Clp=-0.0315*1;
Clr=0.0126*1;
Clda=( 1./25*(.00121*alpha-.0628) )*1;
Cldr=(-1./30*(.000351*alpha-.0124) )*1;
%----------------------Yaw-moment coefficient:----
if beta< 10
Cn0=( .00125*beta );
elseif alpha >= 10 & alpha < 25.d0
Cn0=( -.00022*alpha+.00342 )*beta;
else
Cn0=( -.00201*beta );
end
Cnr=-.0142*1;
Cndr=( 1./30*(.000804*alpha-.0474) )*1;
Cnda=( 1./25*(.000213*alpha+.00128) )*1;
CL=CL+CLde*el;
Cm=CM+cbar/(2*vt)*Cmq*q+Cmde*el;
CD=CD;
25
czt=-CL*cos(alpha/rtod)-CD*sin(alpha/rtod);
cxt=CL*sin(alpha/rtod)-CD*cos(alpha/rtod);
cmt=Cm+(xcgr-xcg)*czt;
cyt=CY;
clt=Cl0+Clda*ail+Clp*p;
cnt= Cn0+Cndr*rdr+Cnr*r ;
% %=====================================================
% %% standard atmosphere model used in F-18 %%
% %% model ( air data computer ) %%
r0 = 2.37764e-3; % const, sea-level density, slugs/ft^3
alt=alt; % In ft
tfac = 1.0 - 0.703e-5 * alt;
t = 519.0 * tfac; % temperature, Rankine scale
if ( alt >= 35000.0 )
t = 390.0;
end
rho = r0 * ( tfac ^ 4.14 ); % density
amach = vt / sqrt ( 1.4 * 1716.3 * t ); % Mach number
qbar = 0.5 * rho * vt * vt; % dynamic pressure, psf
ps = 1715.0 * rho * t; % static pressure
switch flag
case 0
[ sys, x0, str, ts ] = mdlInitializeSizes( state_trim ); %
Initialization
case 1
sys = mdlDerivatives( t, x, u, xcg ); % Calculation of derivatives
case 3
sys = mdlOutputs( t, x, u, xcg ); % Calculate outputs
case {2,4,9}
sys = []; % Unused flags
otherwise
error(['Unhandled flag = ', num2str(flag)]); % error handling
27
end
%==========================================================================
===
% mdlInitializeSizes
% Return the sizes, initial conditions, and sample times for the S-
function.
%==========================================================================
===
%
function [ sys, x0, str, ts ] = mdlInitializeSizes( state_trim )
sizes = simsizes;
sizes.NumContStates = 13;
sizes.NumDiscStates = 0;
sizes.NumOutputs = 18; % an, qbar, amach,alat
sizes.NumInputs = 4; % 4 controls
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1; % at least one sample time is needed
sys = simsizes(sizes);
% end mdlInitializeSizes
%==========================================================================
===
% mdlDerivatives
% Return the derivatives for the continuous states.
%==========================================================================
===
%
function sys = mdlDerivatives( t, x, u, xcg )
% end mdlDerivatives
%==========================================================================
===
% mdlOutputs
% Return the block outputs.
%==========================================================================
===
%
function sys = mdlOutputs( t, x, u, xcg )
22
% to calculate the state derivatives
[ x_dot, an, alat, qbar, amach, q, alpha, Mudot ] = F18_dynam ( t, x, u,
xcg );
sys = [ x; an; qbar; amach; alat; Mudot;];
% end mdlOutputs
23
vd Fx
1 alphac
u(3)*sin(u(4))*cos(u(2)) zd alpha_c
s
Fcn
yd Fx Fy
1 1
c1 u(3)*sin(u(4))*sin(u(2))
s s xd
zet_dot_d Fcn1
land Fz
1 betac beta_c
u(3)*cos(u(4)) gamd
s
V_d Fcn2
x
qt commandgeneration y _sensors2
c2 u(4)*cos(u(2))
y forcegeneration Fy
Fcn3
z phi_c
Cl0 phic
u(4)*sin(u(2)) v
Fcn4
gama
c3 -u(4)*sin(u(2)) Cla
lan
chi_d Fcn5
trust_c
c vdotd Fz Tc
u(4)*cos(u(2)) V_d1
landotd D
31
Fcn6
gamdotd Controlled F_18
Embedded
Embedded MATLAB Function2
MATLAB Function1
کل مدل هواپیما و الگوریتم کنترل در سیمولینک-2-ب
ب -3-بلوک کنترل
30
مراجع
[1] Qin S., Li Y. Y., Yang J., Xie X. Y. and Lu J. H. (2010) “Super-Maneuver Flight Control
Design Using Constrained Adaptive Backstepping and Sliding Mode” Proceedings of the
29th Control Conf. pp. 2121-2124.
[2] Sonneveldt L., Chu Q. P. and Mulder J. A. (2009) “Advances in Flight Control Systems”
Delft University of Technology, The Netherlands.
[3] Ure N. K. and Inalhan G. (2008) “Design of Higher Order Sliding Mode Control Laws for
a Multi Modal Agile Maneuvering UCAV” IEEE. ISSCAA. 2nd Int Symp. pp. 1-6
[4] Pourtakdoust S. H., Karimi J. (2005) “Optimal Maneuvers in close air Combat ”, 13th
annual conf. Mechanical Engineering ISME conf, Isfahan, Iran.
[5] Takano H. and Baba Y. (2004) “Optimal Flight Trajectory and Aerobatic Maneuvers
Against Missiles” 5th Asian Control Conf. Vol. 3. pp. 1841-1848.
[6] Li Y., Sundararajan N. and Saratchandran P. (2001) “Neuro-controller design for
nonlinear aircraft maneuver using fully tuned RBF networks” J. Automatica. Vol. 37, pp.
1293-1301.
[7] Roskam J. (1979) “Airplane Flight Dynamic and Automatic Flight Control” Roskam
Aviation and Engineering Corporation, USA.
[8] Available in “http://dcb.larc.nasa.gov/Introduction/Controls/index.htm”.
[9] Shaw R. L. (1988) “Fighter Combat: Tactics and Maneuvering” United States Naval
[10] Smith R. E., Dike B. A., Mehra R. K., Ravichandran B. and A. El-Fallah A. (2000)
“Classifier systems in combat: two-sided learning of maneuvers for advanced fighter aircraft”
Comput. Method Appl. Mech. Engrg. Vol. 186, pp. 421-437.
[11] Lin Ch. M., Hsu Ch. F. and Wai R. J. (2000) “Guidance Law Evaluation For Missile
Guidance system” Asian Journal of Control. Vol. 2, pp. 243-250.
پایان نامه،" " شناسایی غير خطی سيستم دیناميكی هواپيما توسط شبكههای عصبی،0929 ، م.] نيكو سخن المع02[
. دانشگاه صنعتی شریف، دانش كده هوافضا،کارشناسی ارشد
[13] Herbst W. A. (1990) “Future fighter technologies ”. AIAA Journal of Aircraft. Vol. 17,
pp. 561-566.
[14] Ahmed-Ziad F., Ioannou P. A. and Polycarpou M. M. (1993) “Identification and Control
of Aircraft Dynamic Using Radial Basis Function Networks” Second IEEE Conf Control
Appl. Vancouver, B.C. pp. 567-572
[15] Hen Hu Y., Hwang J. (2002) “Introduction to Neural Networks for Signal Processing”
by CRC Press.Washington.
[16] Chan Y., Lin S. H, and Kung S. Y. (1998) “Video indexing and retrieval”, in B. Sheu
and M. Ismail, Editors Multimedia Technology for App, IEEE Press, New York. pp. 253–
281.
[17] Chan Y., Lin S. H. Lin, Tan Y. P. and Kung S. Y. (1996) “Video shot classification
using human faces” Proceedings of the IEEE International Conference on Image Processing.
Lausanne, Switzerland. pp. 843–846.
[18] Hagan M. T., Demuth H. B. and De Jesus O. (2002) “An Introduction to the use of
Neural Networks in Control Systems” Int. Robust and Nonlinear Control. Vol. 12.
[19] Nho K., Agarwal R. K. (1999) “Adaptive Control of Aircraft Dynamics Using Neural
Networks” IEEE. Vol. 3, pp. 2076-2080.
[20] Widrow B., Stearns S. D. (1985) “Adaptive Signal Processing” Prentice-Hall,
Englewood Cliffs, NJ.
[21] Sayed A. H. and. Al-Naffouri T. Y. (2001) “Mean-square analysis of normalized leaky
adaptive filters” in Proc. ICASSP, Salt Lake City, UT. Vol. 6, pp. 3873–3876.
[22] Clark G. A. (1980) “Block adaptive filtering” in pro. ISCAS. pp. 384-387.
32
[23] Rath Sh. Sh., Chakraborty M. (2010) “A Low Complexity Realization of the Sign-LMS
Algorithm” IEEE. India. pp. 51-53.
[24] Pokharel P. P., Liu W. and Principe J. C. (2009) “Kernel least mean square algorithm
with constrained growth” Signal processing. Vol. 89, pp. 257-265.
[25] Vapnik V. (1995) “The Nature of Statistical Learning Theory” Springer, New York.
[26] Schoblkopf B. S., Smola A. and Muller K. R. (1998) “Nonlinear component analysis as
a kernel eigenvalue problem” Neural Comput. pp. 1299–1319.
[27] Girosi F., Jones M. and Poggio T. (1995) “Regularization theory and neural networks
architectures” Neural Comput. pp. 219–269.
[28] Kivinen J., Smola A. and Williamson R. (2004) “Online learning with kernels” IEEE
Trans. Signal Processing. Vol. 52, pp. 2165-2176.
[29] Liu W., Pokharel P. P. and Principe J. C. (2008) “The Kernel Least-Mean-Square
Algorithm” IEEE Trans. Signal Processing. Vol. 56, pp. 543-554.
[30] Modaghegh H., Khosravi H., Ahoon Manesh S. and Sadoghi Yazdi H. (2009) “A new
modeling algorithm Normalized Kernel Least Mean Square”. IEEE Int conf innovation in
information technology. pp. 120-124.
[31] Available in “http://www.dfrc.nasa.gov/Resarch/HARV/kempel2.html”.
[32] Lliff., K. W., Wag K. Sh. C. (1997) “Flight determined subsonic longitudinal stability
and control derivatives of the F-18 HARV with thrust vectoring” NASA/TP-97-206539.
[33] Stevens B. L and Lewis F. L. (2003) “Aircarft control and simulation” 2 nd ed, John
Wiley and sons.
[34] Fan Y., Lutze F. H. and Cliff. E. M. (1995) “Time-Optimal Lateral Maneuvers of an
Aircraft” J. Guidance and Control and dynamics .Vol. 18, pp. 1106-1112.
[35] Well K. H., Faber B. and Berger E. (1982) “Optimization of Tactical air craft maneuvers
utilizing high angle of attack” J. Guidance and Control. Vol. 5, pp. 131-137
[36] Haffman E. and Stalford H. (1989) “Singular Trajectories for Time-Optimal Half-Loop
Maneuvers of a High Alpha Fighter Aircraft” AIAA Guidance, Navigation and Control
Conference. Boston, Massachusetts.
[37] Blakelock J. H. (1991) “Automatic control of aircraft and missiles”,2 nd ed, New York,
Wiley Interscience.
[38] Nelson C. R. (1998) “Flight Stability and Automatic Control” 2nd ed, McGraw-Hill.
USA.
39
Abstract
The proper control for tracking the desired path is one of the most important military
superiority and maneuverability of a fighter aircraft. The fighter aircraft control system is
usually automatic. Automatic control systems for aircraft guidance realize via the various
control parameters such as angle of attack, pitch angle, flight angle and altitude.
Therefore, it is important to use an intelligent and online method for an efficient track of
complex and nonlinear maneuver. In this thesis, kernel least mean square (KLMS) based
method is proposed for the intelligent control and online tracking of a desirable nonlinear
maneuver. The kernel least mean square algorithm enhances the present understanding of the
LMS algorithm with a machine learning perspective. Moreover, training the RBF networks
with the KLMS is different from conventional RBF networks. For conventional RBF training,
the kernel centers and their number have to be chosen heuristically or through a complex
algorithm. While in the KLMS method, the centers and its number are automatically chosen
during the learning, and there do not need to be determined beforehand. Therefore, this
method performs as a generalized simple neural network with radial type basis functions.
Furthermore, for updating the kernel function, an adaptive learning algorithm is also
presented. Finally, the efficiency of the proposed approach is successfully investigated
through the nonlinear maneuver tracking of a fighter aircraft.
Keywords: Intelligent control, fighter aircraft, tracking, Kernel least mean square algorithm,
radial basis neural networks, nonlinear maneuver.
34