基于知识引导智能鸽群优化的舰载机着舰控制

doi:10.7527/S1000-6893.2024.30801

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于知识引导智能鸽群优化的舰载机着舰控制

周大鹏¹, 曲晓雷²()

^1.沈阳飞机设计研究所飞行控制部，沈阳 110035
^2.西北工业大学自动化学院，西安 710072

收稿日期:2024-06-06 修回日期:2024-07-19 接受日期:2024-08-19 出版日期:2024-12-25 发布日期:2024-09-02
通讯作者: 曲晓雷 E-mail:quxiaoleihanhong@163.com
基金资助:
辽宁省国家科技奖定向项(2022JH25/10200002)

Knowledge-based intelligent pigeon-inspired optimization of carrier-based aircraft landing control

Dapeng ZHOU¹, Xiaolei QU²()

^1.Flight Control Department，Shenyang Aircraft Design & Research Institute，Shenyang 110035，China
^2.School of Automation，Northwestern Polytechnical University，Xi’an 710072，China

Received:2024-06-06 Revised:2024-07-19 Accepted:2024-08-19 Online:2024-12-25 Published:2024-09-02
Contact: Xiaolei QU E-mail:quxiaoleihanhong@163.com
Supported by:
Liaoning Provincial National Science and Technology Award Project(2022JH25/10200002)

摘要/Abstract

摘要：

针对甲板运动和气流扰动下的舰载机自动着舰问题，提出一种基于动态逆控制的纵向着舰控制律设计方法。建立了舰载机模型、甲板运动模型和舰艉流扰动模型，设计了舰载机着舰动态逆控制方法，可在有限时间内估计参考指令的一阶导数。提出基于知识引导的智能鸽群优化算法，对动态逆控制器的参数进行迭代优化，提高了舰载机着舰的指令跟随精度。采用MATLAB Simulink仿真环境对舰载机自动着舰控制系统进行仿真验证，通过与鸽群优化算法、粒子群优化算法进行对比，表明基于知识引导智能鸽群优化的舰载机着舰控制方法的优越性，其能够显著提高舰载机姿态控制的精度和速度，满足舰载机着舰要求，具有较好的鲁棒性。

关键词: 舰载机着舰, 动态逆控制, 智能优化算法, 知识引导, 参数优化, 控制器

Abstract:

Aiming at the problem of automatic landing of carrier-based aircraft under deck motion and airflow disturbance， a longitudinal landing control law design method based on dynamic inverse control is proposed. The carrier-based aircraft model， deck motion model and stern flow disturbance model are established， and the dynamic inverse control method of carrier-based aircraft landing is designed to estimate the first-order derivative of the reference command within a finite time. An knowledge-based intelligent pigeon-inspired optimization algorithm is proposed to iteratively optimize the parameters of the dynamic inverse controller， which can improve the command following accuracy of carrier-based aircraft landing. The MATLAB Simulink simulation environment is used to simulate and verify the proposed automatic landing control system of carrier-based aircraft. By comparing with pigeon-inspired optimization algorithm and particle swarm optimization algorithm， it is shown that the superiority of the carrier-based aircraft landing control method of knowledge-based intelligent pigeon-inspired optimization， which can significantly improve the accuracy and speed of carrier-based aircraft attitude control， meet the requirements of carrier-based aircraft landing， and has good robustness.

Key words: carrier-based aircraft landing, dynamic inverse control, intelligent optimization algorithm, knowledge-based, parameter optimization, controllers

中图分类号:

V249.1

周大鹏, 曲晓雷. 基于知识引导智能鸽群优化的舰载机着舰控制[J]. 航空学报, 2024, 45(S1): 730801.

Dapeng ZHOU, Xiaolei QU. Knowledge-based intelligent pigeon-inspired optimization of carrier-based aircraft landing control[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(S1): 730801.

图/表 11

图 1

图 2

图 3

表 1

舰载机初始配平状态

舰载机状态量	数值
$V$ /（m·s^-1）	$70$
$χ / r a d$	$0$
$γ / r a d$	$0$
$μ / r a d$	$0$
$α$ $/ r a d$	$7.84 π / 180$
$β / r a d$	$0$
$θ / r a d$	$7.84 π / 180$
$ψ$ $/ r a d$	$0$
$ϕ / r a d$	$0$
$p$ /（rad·s^-1）	$0$
$q$ /（rad·s^-1）	$0$
$r$ /（rad·s^-1）	$0$
$T$ /N	$23 082.8$
$δ e$ /（rad·s^-1）	$0$
$δ a$ /（rad·s^-1）	$0$
$δ r$ /（rad·s^-1）	$0$

表 1

表 2

智能优化算法参数设置

算法	参数	数值
PIO、PSO、KPIO	$N$	$30$
PIO、PSO、KPIO	$[X m i n, X m a x]$	$[1.5,2.5]$
PIO	$R$	$0.2$
	$N c 1 m a x$	$100$
	$N c 2 m a x$	$50$
PSO	$w$	$1.2$
	$c 1$	$2$
	$c 2$	$2$

表 2

表 3

最优解参数值

算法	最优解参数值	代价函数值
PIO	$2.334 94,1.802 23,1.793 90$	41.479 8
PSO	$1.499 66,1.687 78,1.556 99$	41.446 3
KPIO	$1.917 33,2.240 10,1.965 47$	41.440 3

表 3

图 4

图 5

图 6

图 7

图 8

参考文献 21

1	ZHEN Z Y， JIANG S Y， JIANG J. Preview control and particle filtering for automatic carrier landing［J］. IEEE Transactions on Aerospace and Electronic Systems， 2018， 54（6）： 2662-2674.
2	ASTOLFI A， KARAGIANNIS D， ORTEGA R. Towards applied nonlinear adaptive control［J］. Annual Reviews in Control， 2008， 32（2）： 136-148.
3	SINGH S， PADHI R. Automatic path planning and control design for autonomous landing of UAVs using dynamic inversion［C］‍∥2009 American Control Conference. Piscataway： IEEE Press， 2009： 2409-2414.
4	ZHENG Z W， JIN Z H， SUN L， et al. Adaptive sliding mode relative motion control for autonomous carrier landing of fixed-wing unmanned aerial vehicles［J］. IEEE Access， 2017， 5： 5556-5565.
5	SUBRAHMANYAM M B. H-infinity design of F/A-18A automatic carrier landing system［J］. Journal of Guidance， Control， and Dynamics， 1994， 17（1）： 187-191.
6	LUNGU M H， LUNGU R. Automatic control of aircraft lateral-directional motion during landing using neural networks and radio-technical subsystems［J］. Neurocomputing， 2016， 171： 471-481.
7	WANG X， CHEN X， WEN L Y. Adaptive disturbance rejection control for automatic carrier landing system［J］. Mathematical Problems in Engineering， 2016， 2016： 7345056.
8	LUNGU M H. Auto-landing of fixed wing unmanned aerial vehicles using the backstepping control［J］. ISA Transactions， 2019， 95： 194-210.
9	KOO S， KIM S， SUK J， et al. Improvement of shipboard landing performance of fixed-wing UAV using model predictive control［J］. International Journal of Control， Automation and Systems， 2018， 16（6）： 2697-2708.
10	LUNGU M H. Auto-landing of UAVs with variable centre of mass using the backstepping and dynamic inversion control［J］. Aerospace Science and Technology， 2020， 103： 105912.
11	ZHEN Z Y， JIANG S Y， MA K. Automatic carrier landing control for unmanned aerial vehicles based on preview control and particle filtering［J］. Aerospace Science and Technology， 2018， 81： 99-107.
12	DUAN H B， HUO M Z， YANG Z Y， et al. Predator-prey pigeon-inspired optimization for UAV ALS longitudinal parameters tuning［J］. IEEE Transactions on Aerospace and Electronic Systems， 2019， 55（5）： 2347-2358.
13	YANG Z Y， DUAN H B， FAN Y M， et al. Automatic carrier landing system multilayer parameter design based on Cauchy mutation pigeon-inspired optimization［J］. Aerospace Science and Technology， 2018， 79： 518-530.
14	DENG Y M， DUAN H B. Control parameter design for automatic carrier landing system via pigeon-inspired optimization［J］. Nonlinear Dynamics， 2016， 85（1）： 97-106.
15	DUAN H B， QIAO P X. Pigeon-inspired optimization： A new swarm intelligence optimizer for air robot path planning［J］. International Journal of Intelligent Computing and Cybernetics， 2014， 7（1）： 24-37.
16	XU X B， DENG Y M. UAV power component-DC brushless motor design with merging adjacent-disturbances and integrated-dispatching pigeon-inspired optimization［J］. IEEE Transactions on Magnetics， 2018， 54（8）： 7402307.
17	ZHANG B， DUAN H B. Three-dimensional path planning for uninhabited combat aerial vehicle based on predator-prey pigeon-inspired optimization in dynamic environment［J］. IEEE/ACM Transactions on Computational Biology and Bioinformatics， 2017， 14（1）： 97-107.
18	DUAN H B， WANG X H. Echo state networks with orthogonal pigeon-inspired optimization for image restoration［J］. IEEE Transactions on Neural Networks and Learning Systems， 2016， 27（11）： 2413-2425.
19	DUAN H B， HUO M Z， SHI Y H. Limit-cycle-based mutant multiobjective pigeon-inspired optimization［J］. IEEE Transactions on Evolutionary Computation， 2020， 24（5）： 948-959.
20	DUAN H B， CHEN L， ZENG Z G. Automatic landing for carrier-based aircraft under the conditions of deck motion and carrier airwake disturbances［J］. IEEE Transactions on Aerospace and Electronic Systems， 2022， 58（6）： 5276-5291.
21	DUAN H B， YUAN Y， ZENG Z G. Automatic carrier landing system with fixed time control［J］. IEEE Transactions on Aerospace and Electronic Systems， 2022， 58（4）： 3586-3600.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	白裕峰, 邹奇彤, 黄锐, 刘豪杰, 冉玉国. 柔性飞翼布局机翼气动弹性响应控制与风洞试验[J]. 航空学报, 2025, 46(14): 331452-331452.
[2]	许鑫泽, 洪冠新, 杜亮, 刘刚. 复杂环境下舰载机人工进近着舰模型[J]. 航空学报, 2025, 46(13): 531802-531802.
[3]	王家兴, 陈浩, 邵铮, 张杨. 基于航迹角指令的直接升力着舰控制方法[J]. 航空学报, 2025, 46(13): 532162-532162.
[4]	仇钰清, 李俨, 郎金溪, 刘育衔, 王重. 高速直升机过渡模态鲁棒自适应姿态控制[J]. 航空学报, 2024, 45(9): 529927-529927.
[5]	逯明清, 廖飞, 高福奎, 邢贝贝, 吴世崇, 范召林, 苏玉民, 吴文华. 基于扰动观测器增强的同轴HAUV自适应反步跟踪控制[J]. 航空学报, 2024, 45(23): 330361-330361.
[6]	肖广瀚, 胡泽岩, 刘军虎, 王亮, 毛青堂. 空间目标偶数重连续覆盖星座设计方法[J]. 航空学报, 2024, 45(14): 229637-229637.
[7]	唐帅文, 曹友, 张朋, 姜江. 基于相关证据推理规则的激光惯组健康评估[J]. 航空学报, 2024, 45(12): 329453-329453.
[8]	杨庶. 具有边界保护性能的直升机飞-发一体化控制律[J]. 航空学报, 2023, 44(S1): 727560-727560.
[9]	侯新宇, 张帆, 黄攀峰, 马小飞, 朱佳龙, 李洋. 空间大型桁架天线姿态与振动一体化控制[J]. 航空学报, 2023, 44(S1): 727552-727552.
[10]	赵旭, 齐国元, 蔚昕晨, 胡建兵, 李霞. 补偿函数观测器及其在飞行器姿态控制中的应用[J]. 航空学报, 2023, 44(9): 327224-327224.
[11]	张开铭, 王克鲁, 鲁世强, 柳木桐, 钟平, 田野. 基于响应面法的S280超高强度不锈钢的热变形行为[J]. 航空学报, 2023, 44(8): 427293-427293.
[12]	贾宝惠, 姜番, 王玉鑫, 王杜. 基于民机维修文本数据的故障诊断方法[J]. 航空学报, 2023, 44(5): 326598-326598.
[13]	刘晓雨, 孙立国, 谭文倩, 魏金鹏, 王维军, 焦俊凯. 基于相似构型决策的舰载机驾驶员建模与评估[J]. 航空学报, 2023, 44(4): 126329-126329.
[14]	夏宇航, 王宇. 独立励磁直流发电系统优化控制方法比较[J]. 航空学报, 2023, 44(16): 327975-327975.
[15]	曹毅, 孟刚, 居勇健, 徐伟胜. 考虑伴生转动的大行程柔性微定位平台[J]. 航空学报, 2022, 43(7): 425498-425498.

基于知识引导智能鸽群优化的舰载机着舰控制

Knowledge-based intelligent pigeon-inspired optimization of carrier-based aircraft landing control

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价