首次设计的直接自适应型IT2-FNN控制器应用于高速飞行器

本文主要探讨了"直接自适应型二阶区间模糊神经网络控制"在通用高超声速飞行器(General Hypersonic Flight Vehicle, GHFV)中的应用。高超声速飞行器是一种多输入多输出系统，其纵向模型具有高阶、高度非线性、紧密耦合的特点，同时伴随着大量的不确定性。为了克服这些挑战，研究人员首次设计了一种基于区间二阶模糊逻辑（Interval Type-2 Fuzzy Logic, IT2-FL）与模糊神经网络（Fuzzy Neural Network, FNN）相结合的直接自适应控制器。 在该控制器的设计中，采用了具有高斯隶属函数的区间二阶模糊集，这有助于处理复杂系统的不确定性和不精确性。IT2-FNN的前件和后件部分都利用了这种模糊集，以便于捕捉系统行为的多模态特性。直接自适应性是通过反向传播算法来实现的，这是一种有效的参数学习方法，它能够根据实际系统性能调整控制器参数。 控制器的主要任务是实时地输出升降舵偏角和油门设置，使GHFV能精确跟踪高度命令信号，并保持预定的速度。控制信号与理想动态逆控制信号之间的偏差被用作IT2-FNN的参考输出信号，这样可以不断优化控制策略，以最小化误差并提高系统的稳定性和准确性。 此外，文章还强调了直接适应性的重要性，即控制器不需要预先知道所有系统的精确模型，而是可以根据实际运行时的数据自我调整，从而提高了系统的鲁棒性和对未知环境的适应能力。这种方法对于高超声速飞行器这类复杂且变化快速的系统来说，具有显著的优势。 这篇研究为高超声速飞行器的自主控制提供了一种创新的解决方案，展示了直接自适应型IT2-FNN控制器在处理复杂动态系统的有效性和潜力。它对于提升飞行器的控制性能，确保安全飞行以及应对未来高超声速航空技术的发展具有重要的理论和实践价值。