基于三自由度直升机模型的粒子群优化神经网络控制算法研究

摘要

三自由度直升飞机模型是一个具有非线性、控制变量多、不稳定等特点的复杂系统，并且很难分析得到确切的数学模型。粒子群优化神经网络控制算法是近年来人民关注的问题。本文以粒子群优化神经网络控制算法为控制策略，研究了GOOGOL公司研发的三自由度直升飞机模型的控制问题。主要研究内容如下：
　　1、介绍机体系统模型基本组成硬件结构、机体本体硬件具有的基本特性和控制电机改变飞行姿态，分析它的飞行特性及列出物理学的受力公式，在不同姿态下，分析出不同运动姿态下的受力表达式，最后列出状态空间变量矩阵显示整个系统的运动状态表达式，搭建运动系统状态方程，并详细分析系统稳定性、系统能控能观性以及系统解耦性。
　　2、先介绍了一种遗传的粒子群优化算法，能够优化神经网络权值和PID初值，防止设置参数时陷入局部极值，再介绍本文的控制算法，采用径向基神经网络整定单神经元PID的控制算法，设计粒子群优化RBF-NNPID控制器，通过Jocabian的辨识信息对PID的参数值进行在线整定，达到预期的控制目的，并将被控对象矩阵设为机体系统模型，MATLAB Simulink模块搭建仿真并实验。
　　3、将粒子群优化RBF-NNPID算法应用到机体系统模型上进行实时飞行，控制俯仰角度及旋转速度，输出俯仰角度曲线、横侧角度曲线及旋转速度曲线，能保证系统的稳定性，验证控制算法切实可行。
　　4、仿真和实时控制的结果也表现出控制算法研究的不足，认真的归纳分析后，展望控制算法研究的后续工作。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的背景及意义

1.2国内外研究现状

1.3本文研究的主要内容

第2章 三自由度直升机模型系统

2.1直升机模型系统结构

2.2系统建模

2.3系统分析

2.4本章小结

第3章 粒子群算法优化神经网络RBF-PID控制器

3.1粒子群算法(PSO)

3.2 RBF神经网络

3.3 RBF-PID控制器设计

3.4 RBF辨识的单神经元PID控制器设计

3.5本章小结

第4章 Simulink仿真及实控分析

4.1基于粒子群算法优化RBF—NNPID仿真

4.2仿真控制曲线

4.3实时控制实验与分析

4.4本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢