10.3969/j.issn.1006-9348.2018.10.018
基于神经网络的飞行器控制方法及仿真研究
大气层内飞行器控制问题是典型的高不确定性、严重非线性、强耦合、快时变的多变量系统控制问题,传统“前馈+自适应PD”控制律设计过程中面临配平舵偏角、气动偏导数等气动参数超曲面拟合问题,主要采用手工拟合方法并通过试凑来确定基底函数,存在设计效率低、拟合精度不高等不足.提出一种基于神经网络的飞行器控制方法,采用深度学习的方法实现对配平舵偏角、气动偏导数等气动参数的自动建模和计算,设计及仿真结果表明,提出的方法可大幅提升飞行器控制模型的通用性和设计效率.
神经网络、深度学习、飞行器控制
35
TP273(自动化技术及设备)
2018-12-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
94-98