基于三自由度飞行器模型的控制方法研究

PID调节器做为传统控制器，具有结构简单、适应性强、应用性广的特点。但是，单纯的PID控制往往不能达到令人满意的程度，尤其对于时变对象和非线性系统，传统的PID控制更是显得无能为力。神经网络PID具有良好的控制效果，该控制器是将神经网络和PID控制技术融为一体，即具有常规PID控制器结构简单，物理意义明确之优点，同时又具有神经网络自学习、自适应的功能。 三自由度飞行器模型系统是加拿大Quanser公司提供的，该系统作为一个实验装置，形象直观，结构简单；作为一个被控对象，它又相当复杂，就其本身而言，是一个高阶次、不稳定、多变量、非线性、强耦合的具有三个自由度的多输入多输出系统，只有采用行之有效的控制方法才能使之稳定。本文主要进行了基于RBF神经网络整定的PID控制器的设计，主要内容如下： (1)分析介绍了系统的组成，并且分三个自由度对系统进行了建模，推出系统的状态方程，对系统模型进行了分析。 (2)研究了传统控制方法在MATLAB下的实现，主要是PID控制和LQR最优控制，并对两种方法进行了MATLAB下的仿真。 (3)设计了基于RBF神经网络整定的PID控制器，进行了对实物的实时控制，仿真结果表明，与LQR控制方法相比，该方法具有控制精度高、响应速度快的优点，并且具备较强的自适应性和鲁棒性。