歼击机飞行控制系统的故障预报与故障诊断

本文以某型歼击机为对象,主要运用神经网络方法进行非线性系统故障预报方面的研究,设计了歼击机在不同飞行状态下的故障预报和故障诊断方案,并用C++语言实现。 首先,在飞行过程中,歼击机的各个状态不断变化,离线训练的网络很难满足实时性的要求。鉴于此,本文在MATLAB环境下,提出了一种基于在线学习RBF神经网络的故障预测方法,该方法针对每组输入样本动态调整网络隐层节点的数目、位置和权值,可以在系统运行的同时实现学习和预报,克服了离线训练的网络实时性差的问题,因此,对于实际应用系统的故障预报问题有较好的应用价值。 其次,对于一个完整的故障预报系统,不仅需要能够检测出故障的有无,还要进一步确定故障的位置。为了进行故障类型的定位,本文研究了一种基于快速模糊C-均值算法(AFCM)与OLS相结合的AFOLS训练算法用于故障诊断。该算法减少了参与OLS训练的样本数,解决了OLS算法不能确定中心节点的平滑参数的问题。仿真结果表明,这种算法可以降低网络训练时间,减小网络规模。 最后,在VC++开发平台下,以歼击机全包络飞行实时仿真程序为仿真服务器端,建立了基于神经网络的故障预报客户端。在这个客户端平台上,将在线学习神经网络的故障预测算法完全用C++语言实现,利用滚动优化的思想实现了对歼击机飞行过程中各个状态的实时预测。根据预测值和选定的神经网络结构进一步完成对故障类型的诊断,并利用ActiveX控件将故障状态预测和故障定位的结果实时而逼真的可视化显示出来。