自组织递归二型小波模糊神经网络的研究及在微型飞行器姿态控制中的应用

Hybrid control strategy based on self-organizing recurrent type 2 wavelet neural networks is proposed to handle Micro Aircraft Vehicle attitude control system which mastered the nominal system mostly, but the nonlinearity, uncertainty, external disturbances are unknown. Firstly, design self-organizing recurrent type 2 wavelet neural network model structure, which is composed of two parts: the antecedent parts take the type-II fuzzy-set model and form the feedback-loop internally by feeding the acting strength of each rule, using an algorithm of gradient-descent method for parameter learning; the consequent parts take the wavelet neural network model; secondly, the initial rules is zero, structure learning algorithm and the parameter learning algorithm are applied to self-organizing recurrent type 2 wavelet neural network, and then the model is structured on-line. On the basis, design the corresponding model structure pruning strategy in order to solve the problems of fuzzy set redundancy and fuzzy rule redundancy; finally, design hybrid control strategy for attitude control of MAV based on self-organizing recurrent type 2 wavelet neural network, verify its tracking precision, stability, robustness and real-time performance. The results of this research is helpful for the deepening of research problems in intelligent control of MAV

针对微型飞行器姿态控制系统中存在不确定性、外界干扰等因素影响控制精度的问题，提出了基于自组织递归二型小波模糊神经网络的微型飞行器姿态混合控制策略。首先，设计自组织递归二型小波模糊神经网络模型结构，该模型结构由前件和后件两部分构成：前件为区间二型模糊集模型，其将每个规则的激活强度反馈到自身构成内反馈回路，后件为小波神经网络；其次，网络初始规则为零，研究适用于自组织递归二型小波模糊神经网络的结构学习算法和后件参数学习算法，在线构造组织递归二型小波模糊神经网络。在此基础上，为了解决模糊集合冗余和模糊规则冗余两个问题，设计相应的模型结构修剪策略；最后，设计基于自组织递归二型小波模糊神经网络的微型飞行器姿态混合控制器，验证其跟踪精度、稳定性、鲁棒性以及实时性。项目的研究成果有利于微型飞行器智能控制问题研究的深化。

为了解决微型飞行器姿态控制系统存在不确定性、外界干扰等因素影响控制精度的问题，本项目设计了基于自组织递归二型小波模糊神经网络的微型飞行器姿态控制策略。具体包含几方面内容：1）为了更好的构造紧凑的网络模型结构，本项目将降型算法与FCM相结合，同时采用二型FCM和最优改进的EKM算法选择成员函数的聚类中心，缩短网络结构调整时间；2）参数学习采用基于梯度下降的李亚普诺夫定理的自适应方法，提高该网络的学习能力；3）设计基于自组织递归二型小波模糊神经网络的微型飞行器姿态控制器，该控制器由两个自组织递归二型小波模糊神经网络控制器、PD控制器及自适应鲁棒控制器三部分构成。最后，通过实验证明本项目设计的这种混合控制策略既可以在保证系统稳定性、鲁棒性，又保证了系统快速、准确的跟踪微型飞行器姿态。项目的研究成果有利于微型飞行器智能控制问题研究的深化。