Буков В.Н. Адаптивные прогнозирующие системы управления полетом (1987) (1246771), страница 4
Текст из файла (страница 4)
4. Наиболее распространена идентификация параметров выбранной модели движения ЛА с помощью алгоритмов, реализующих метод наименьших квадратов (МНК). В то же время исследуются н такие методы, как обобщенный метод наименьших квадратов; метод максимального правдо- ' подобия; метод, основанный на калмзновской фильтрации; методы, использующие предельные циклы; метод следящей модели и др. 5. В число измеряемых сигналов включаются практически все пилотажные переменные, традиционно измеряемые на самолете, с тенденцией исключения сигналов азрометрических датчиков (при измерениях такие датчики используют набегающий поток воздуха) . 6. Требовании к желаемому движению ЛА формулируются либо заданием эталонных моделей с фиксированными или меняющимися в зависимости от скоростного напора параметрами, либо назначением квадратичных функционвюв с соответствующим выбором весовых коэффициентов.
7. В формировании законов управления движением ЛА наблюдается наибольшее разнообразие подходов К числу идей, влияющих на выбор законов управления и схем их адаптации, относятся: — использование аналитических связей реального процесса н его эталонных (желаемых) моделей, приводящее к "прямому" учету желаемых свойств настройки соответствующих обратных связей; — аналитическое конструирование регуляторов, позволяющее опредешпъ для линейных обьектов линейные обратные связи, оптимальные в смысле квадратячных критериев; ' — выбор опорных (базовых) настроек коэффициентов обратных связей, удовлетворяющих "ослабленным*' требованиям к управляемому полету, ио в достаточно широком диапазоне режимов полета (с организацией адаптации в относительно небольших окрестностях этих опорных настроек); 16 — построение и использование логических схем переключения обратных связей адаптивной системы управления полетом, основанных на обработке получаемой (путем непосредственного измерения или идентификации) информации о режимах полета.
Заслуживают внимания идеи комбинации различных принцщюв автоматической настройки систем управления полетом. Так, объединение настройки по параметрам среды с параметрической адаптацией [1.461 позволяет сочетать преимущества этих подходов при исключении недостатков, присущих в отдельности каждому из них. Программная настройка по параметрам среды обеспечивает высокое быстродействие приспособления системы управления полетом к изменяющимся условиям и упрощает возникающие проблемы устойчивости,а самонастройка обеспечивает высокую точность управления и оптимизации динамических характеристик в реальных условиях полета. Таким образом, в современных условиях использование адаптивных систем для управления полетом ЛА представляется весьма перспективным.
Исследования в этом направлении, развернутые в различных странах, охватывают достаточно широкое число подходов к построению параметрически адаптивных систем управления полетом. В отдельных аспектах идеологии таких систем, в частности в вопросах использования фильтра Калмана для оценивания состояния ЛА, наблюдается совпадение взглядов различных исследователей. В целом же проблема адаптивного управления полетом еще далека от исчерпьвающего решения, что обусловливает актуальность исследований в этой области. В книге будут рассматриваться только адаптивные оптимальные системы управления полетом, воцлощающие один из возможных путей реализации адаптации на основе идентификации н оптимизации.
Эти системы относятся к системам с совмещенным синтезом оптимального управления, иначе именуемым универсальными системами автоматического управления [1.431. По нашему убеждению, именно на этот класс адаптивных систем целесообразно ориентироватъся при разработке перспективных цифровых САУ. Они представляются наиболее эффективными при управлении полетом, переходные процессы Которого, как правило, характеризуются высокой динамической напряженностью, а энергетические ресурсы управления весьма ограничены. э 1.3. Облик многопараметрических адаптивных оптимальных систем управления полетом Адаптивная система управления рассматриваемого типа предполагает выполнение трех (в общем случае взаимосвязанных) процедур: — определение динамических характеристик управляемого объекта в процессе его функционирования; — оцениванне состояния управляемого объекта; — формирование управляющих сигналов с использованием информации, получаемой с помощью первых двух процедур.
В отличие от систем дуального управления [1.451, как отмечалось в 1.2, в системах адаптивного управления осуществление этих процедур и организация нх взаимодействия в общей1 сдхэаежвляются предметом 2.В.Н. Буков !7 Рнс. 15. Структурная схема алантнвной оптимальной системы унравнення творчества авторов. В достаточно общем виде структура многопараметрической АдОСУ представлена на рис. 15, Обьект управления, динамические харысгеристики которого известны с точностью до. г-мерного вектора параметров а, подвержен воздействию как неконтролируемых возмущений, так и формируемых управлений.
Будем полагать, что движение объекта описывается дифференциальным уравнением (1.1) х = Р(х, а, и, г) + $„, где х — л-мерный вектор состояния объекта, определенный в пространстве Х"; я — г-мерный вектор параметров, принимающий значения иэ множества А" и определяемый свойствами среды; и — ла-мерный вектор управляющих воздействий, формируемый системой управления и принадлежащий множеству У~; г — текущее время, принадлежащее отрезку 1го, гк1, на котором определено уравнение (1.1); $„— л-мерный вектор неконтролируемых возмущений с неоговариваемымй пока свойствами; à — л-мерная векторная функции указанных аргументов, известная, по предположению, иа основе теоретических и экспериментальных исследований обьекта.
уравнение (1.1) является самой распространенной формой описания движения жесткого ЛА. К этому же уравнению можно привести описание движения упругого ЛА (1,10) . 1Е Наблюдение за движением объекта осуществляется с помощью комплекса датчиков, измеряющих компоненты состояния объекта и управления, поступающие на объект или известные и общем случае с точностью до параметров функции (1.2) з=й(х,а, и, г)+$,. Здесь з — 1-мерный вектор наблюдений в пространстве Я~; $, — 1-мерный вектор адднтивных шумов, искажающих показания датчиков; й — 1-мерная векторная функция указанных аргументов, известная на основе теоретических н экспериментальных исследований датчиков информации 11.47— 1.491.
Заметим, что функции типа (1.2) могут иметь достаточно сложную структуру (н даже заменяться операторами) илн вырождаться в соотношения вида + $~, (1.3) Идеология построения интегрированных комплексов предполагает комплексирование на уровне чувствительных элементов. В этом случае уравнение (12) описывает преобразование информации чувствительнымн элементами. Результаты измерений поступают в адаптивную оптимальную систему управления, где используются для определения динамических характеристик обьекта и оптимального (субоптямального) оценивания его состояния.
Рассматриваемая структура предусматривает два типа процессов определения характеристик объекта. Первый из них является в значительной степени традиционным для авиации и реализует программное восстановление основных характеристик обьекта непосредственно по сигналам датчиков. В общем случае программа описывается векторной функцией а (г) = П'(г, г), (1.4) где а — г-мерный вектор из области программных значений параметров А"„р ' Пространства А". Функция (1.4) может быль непрерывной или дискретной.
При построении этой программы может использоваться вся располагаемая информация о динамических свойствах объекта и законах изменения его параметров, Анализ такого способа восстановления параметров обьекта (для ЛА— это аэродинамические коэффициенты, инерционно-массовые характеристики нли коэффициенты уравнений динамики) показывает, что к его достоинствам относятся: — относительно высокое быстродействие, позволяющее увеличить скорость адаптации системы управления; — возможность хранения информации о редких, но крайне важных ситуациях, своевременная идентификация которых маловероятна.
Оба эти достоинства повышают безопасность полетов с адаптивной системой управления. Кроме вектора а, программа может восстанавливать дополнительную информацию. "доверительный интервал программных параметров илн среднее квадратическое отклонение истинных параметров от программных, статистические характеристики шумов и тд. Среди трудностей этого способа можно указать на сложность учета большого числа факторов, влияющих на функцию (1.4), и потребность значительного 2* 19 обьема памяти. Поэтому реализуемый объем программы является компромиссом между располагаемой информацией об обьекте, аппаратурными возможностями системы управлещ1я и достигаемым эффектом. Другой процесс определенна динамических характеристик объекта представляет собой параметрическую идентификацию, использующую входные и выходные сигналы обьекта [1.50[.
От идентификации требуется достижение необходимой для решения поставленной задачи управленйя объектом точности восстановления параметров объекта. При этом использование информации блока программ в значительной степени упрощает проведение идентификации. Так, в качестве начальных оценок вектора параметров могут использоваться значения, определяемые (1.4) . Дополнительная программная информация предназначена для обеспечения устойчивости и высокой скорости сходимости процессов идентификации (если в этом есть необходимость) . В общем виде процесс идентификации описывается оператором а(г)=Н(г, а, го, г), (1.5) где а' — г-мерный вектор оценок компонент вектора а. Таким образом, в рассматриваемой структуре полагается, что идентификация осуществляется в некоторой окрестности программного значения вектора параметров.
В процессе идентификации система управления учитывает факторы, влияющие на динамические свойства объекта и не включенные в программу (1.4) либо ввиду своей априорной неопределенности, либо в силу нецелесообразности. Облик этой части системы может в значительной степени изменяться в зависимости от соотношений ролей, отводимых указанным способам восстановления параметров объекта. Нз основе сигналов датчиков и оценок параметров объекта осуществляется оптимальное (или субоптимзльное) оценивание состояния объекта, позволяющее в значительной степени повысить точность информации о векторе х. Оператор, описывающий оценивание, в общем случае имеет вид х(г) = Ф(г, а, го, г), (1.6) где х — и-мерный вектор оценок компонент вектора х.
Как и при идентификации, при оценивании состояния может использоваться дополнительная информация, восстанавливаемая программно. Это относится, например, к статистическим характеристикам шумов (1,2) и средним квадратическим л отклонениям начзльных оценок х от истинных значений х. Получаемые оценки вектора состояния могут использоваться при идентификации параметров. Такая ситуация, например, возникает при использовании алгоритмов одновременного оценивания параметров и состояния [1.431.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
