کنترل پرواز تطبیقی غیرخطی با استفاده از گام به عقب و شبکه عصبی

در این نوشتار یک سیستم کنترل پرواز تطبیقی غیرخطی با استفاده از گام به عقب و شبکه‌ی عصبی پیشنهاد شده است. از کنترل کننده‌ی گام به عقب برای پایدارسازی هم‌زمان تمام متغیرهای حالت بدون فرض دو مقیاس زمانی که دینامیک سریع شامل نرخ‌های زاویه‌یی هواپیما را از دینامیک آهسته شامل زاویه‌ی حمله، زاویه‌ی سرش جانبی و زاویه‌ی بنک جدا می‌سازد، استفاده می‌شود. در این نوشتار فرض بر آن است که ضرایب آیرودینامیکی دارای مقدار نامعینی است و از کنترل‌کننده‌ی تطبیقی براساس شبکه‌ی عصبی به‌منظور محاسبه‌ی خطای مدل‌سازی آیرودینامیکی استفاده می‌شود. شبکه‌ی عصبی قادر به یادگیری هم‌زمان به‌منظور جبران خطای معکوسِ ناشی از مدل‌سازی ناقص، تخمین معکوس یا تغییرات ناگهانی در دینامیک هواپیما است. قانون سازگاری وزن‌های پایدار برای آموزش شبکه‌ی عصبی همزمان به‌دست آمده است. براساس فرضیات متعارف در مورد غیرخطی‌سازی که حاکی از خطای معکوس است، از سازگاری الگوریتم اطمینان حاصل می‌شود که تمام سیگنال‌ها در حلقه به‌طور یکنواخت محدود می‌شوند و وزن‌های شبکه‌ی عصبی به برخی مقادیرثابت گرایش پیدا می‌کنند. این امر از طریق نظریه‌ی پایداری لیاپانوف انجام گرفته و نشان داده شده است که خطاهای تعقیب و وزن‌های شبکه‌ی عصبی به‌طور نمایی به یک مجموعه‌ی متراکم همگرا می‌شوند. در پایان، نتایج شبیه‌سازی با معادلات شش درجه آزادی غیرخطی برای مدل هواپیمای سیاه ۱۸ نشان داده شده است تا تأثیر قانون کنترل پیشنهاد شده اثبات شود.