基于Elman神经网络半主动控制的磁流变起落架仿真分析

英文篇名：Simulation of Elman neural network controller of magnetorheological landing gear
中文刊名：制造业自动化
英文刊名：Manufacturing Automation
作者：田静 ; 刘照曦 ; 祝世兴
英文作者：TIAN Jing ; LIU Zhao-xi ; ZHU Shi-xing
中文关键词：磁流变 ; 半主动控制 ; BP神经网络 ; Elman神经网络
出版日期：2015-01-10
机构：中国民航大学航空工程学院;
年：2015
期：01
出版单位：制造业自动化

摘要

半主动控制起落架的被控对象是磁流变阻尼器,控制磁流变阻尼器输出阻尼力的大小。建立了被动式起落架的仿真模型、BP神经网络控制仿真模型以及Elman神经网络控制仿真模型。神经网络训练样本均由最优控制算法得到。BP神经网络控制、Elman神经网络控制和被动控制仿真模型进行对比,两种神经网络控制均起到了良好的控制作用,Elman神经网络的训练过程远远长于BP神经网络,但精度高于BP神经网络,Elman神经网络在复杂控制系统中比BP神经网络有较大优势。

引文

[1]聂宏,魏小辉.飞机起落架动力学设计与分析[M].西安:西北工业大学出版社,2013.
    [2]张德丰.Matlab神经网络仿真与应用[M].北京:电子工业出版社,2009.
    [3]范伟.飞机起落架着陆半主动控制仿真研究[D].南京:南京航空航天大学,2006.
    [4]陈小前.BP神经网络应用中的前后处理过程研究[J].系统工程理论与实践,2002,2(1):315-319.
    [5]张文鸽.B P神经网络的改进及其应用[J].河南科学,2003,6(2):613-617.
    [6]钱家忠.Elman与BP神经网络在矿井水源判别中的应用[J].系统工程理论与实践,2010,15(8):256-260.
    [7]张春巍,欧进萍.结构磁流变阻尼半主动控制的改进算法与仿真分析[J].世界地震工程,2003,32(6):119-125.
    [8]宁欣,闫石,王丰.磁流变阻尼器半主动控制算法的改进[J].沈阳建筑工程学院学报,2004,16(8):465-470.
    [9]隋丽丽,王刚.应用磁流变减震器控制模型结构的仿真研究[J].吉林建筑工程学院学报,2002,8(4):467-371.
    [10]田静,何军,祝世兴.基于磁流变减振器的飞机起落架模糊控制研究[J].机床与液压.2010(14):237-242.
    [11]苏高丽,邓芳萍.论基于Matlab语言的BP神经网络的改进算法[J].科学通报,2003,4(2):567-582.
    [12]沈强,时兵.升力加载法在起落架缓冲器性能研究中的应用[J].航空计算技术.2010(05):339-342.
    [13]冯军.大型民机起落架的发展趋势与关键技术[J].航空制造技术.2009(02):215-220.
    [14]张雯,张智,朱齐丹,贡鸣.任意着陆状态下的飞机起落架模型仿真研究[J].系统仿真学报.2009(13):121-125.
    [15]王鹏,周洲.飞翼无人机着陆滑跑建模和控制仿真研究[J].系统仿真学报,2011(01):165-170.
    [16]李国辉,李小奇,胥文,肖景新.飞机起落架的动力学建模与仿真分析[J].系统仿真学报.2009(S2):198-203.
    [17]聂宏,魏小辉.大型民用飞机起落架关键技术[J].南京航空航天大学学报,2008(04):56-60.
    [18]王希彬,赵国荣,姜海勋,杨晓华.某型飞机起落架运动的SIMULINK仿真[J].兵工自动化.2009(04):176-180.
    [19]李德庆,贾玉红,杨尚新.基于ADAMS/Aircraft的大型飞机起落架动态性能仿真分析[J].民用飞机设计与研究.2009(S1):213-217.
    [20]刘向尧,聂宏,詹家礼,魏小辉,张锐.两栖飞机全机着陆仿真分析及结构优化设计[J].科学技术与工程.2010(30):215-220.