基于磁流变液的舰载机拦阻过程模糊PID控制*

傅莉，刘涛，周彦凯，胡为

（沈阳航空航天大学自动化学院，沈阳110136）

基于磁流变液的舰载机拦阻过程模糊PID控制*

傅莉，刘涛，周彦凯，胡为

（沈阳航空航天大学自动化学院，沈阳110136）

针对舰载机拦阻过程的运动特性分析，建立了舰载机拦阻缓冲过程的力学模型与状态方程，通过对基于磁流变阻尼拦阻缓冲过程的分析，引入了位移和速度矢量作为磁流变缓冲拦阻控制系统的输入，完成基于模糊控制的舰载机拦阻缓冲过程控制。应用模糊PID控制器非线性拟合能力来适应舰载机着舰情况变化，并仿真验证建立的磁流变缓冲拦阻模糊PID算法具有较好的预测精度和应用范围。

舰载机，磁流变液，模糊控制，拦阻缓冲

0 引言

舰载机的拦阻着舰过程需要考虑多种因素的综合作用［1］，为使高速飞行的舰载机能在长度相对陆基飞机着陆跑道要短得多的舰船飞行甲板上顺利着舰，各国海军均采用了舰载机着舰拦阻装置［2］。在舰载机整个着舰过程中［3］，舰载机在甲板滑跑拦阻阶段的受力情况比在空中飞行阶段更加复杂［4］。除了作用在舰载机上的空气动力、发动机推力外，还增加了拦阻力和舰面作用力［5］。国外对飞机拦阻过程中的动力学仿真进行了大量的飞行试验研究［6］给出相关的实验结果曲线，但缺乏相应理论分析方面的报道。国内对飞机的拦阻研究主要缺乏涉及磁流变阻尼器的传递对拦阻载荷的影响研究［7-8］，本文在拦阻系统受力分析基础上，根据位移和速度矢量修正了偏心拦阻情况，利用磁流变阻尼器设计了模糊PID控制算法，并进行了动态仿真实例验证。

1 舰载机拦阻过程建模

舰载机在着舰的过程中，以机体坐标系对舰载机进行受力分析。舰载机着舰过程中，z方向的动能主要由舰载机的起落架缓冲系统消耗，因此，拦阻系统用于吸收舰载机在x方向上的动能。这里假设α为阻拦索与其初始位置之间的夹角，β为实际拦阻索平面与水平面之间的夹角。

因此，可以得到拦阻力Fx［10］：

式中，H为舰载机作用点离飞行甲板的垂直高度，飞行甲板的宽度AB=2L0，舰载机滑跑位移为S，Fl为舰载机受到阻拦索拉力。

取FD=Fd+Ff-T，其中Fd空气阻力，Ff为甲板摩擦阻力，T发动机推力，建立舰载机的动力学模型如下：

取状态变量x1，x2为x1=S，x2=S建立式（2）的状态方程

2 舰载机拦阻过程控制算法

通过建立的舰载机拦阻状态方程（3）可以看出，舰载机着舰拦阻的过程中，舰载机拦阻受力具有非线性特征。传统的PID控制，只能跟踪单个控制信号，但对多目标的控制优化却无能为力，难免故此失彼，得不到总体的优化控制效果。同时，拦阻系统在拦阻控制算法设计过程中，需要能够对不同舰载机型号和着舰环境都有较好的适应性。考虑传统PID控制算法的实时性和优化控制效果的要求，同时，根据拦阻机拦阻过程的特点，本文建立基于舰载机着舰滑跑时位移和速度的舰载机拦阻过程模糊PID控制算法，算法流程如图1所示。

图1 舰载机着舰拦阻模糊PID控制流程

控制算法设计以油液主动控制的舰载机拦阻过程为理想模型，得到舰载机拦阻过程中的实时舰载机拦阻速度Videal和位移Sideal信号。分别对速度Videal和位移Sideal信号建立各自的模糊PID控制器，将两个控制得到的阻尼力之和作为理想的拦阻力信号作用于磁流变阻尼器。通过舰载机拦阻系统中的传感器得到舰载机降落过程中的实际速度Vactive和位移Videal信号，并将信号与理想信号相比较得到模糊PID控制器的输入信号。

2.1 模糊PID控制器设计

模糊控制器主要由控制器和模糊控制器两部分组成。控制器输出表达式如下：

式中，u（k）为第k时刻PID控制器的输出，kp，ki，kd分别为PID控制器的比例、积分、微分系数，e（k）为第k次采样时刻输入控制系统偏差值；e（k-1）为第k-1次采样时刻输入控制系统的偏差值，T为采样周期。

图2 模糊PID控制系统结构图

由图2可知，拦阻机系统输出的参数返回值y与给定量r比较得到PID控制的输入量e，e及其变化率与各自对应的比例因子ke，kec相乘，将输入值归一化到模糊控制的输入论域范围内，作为模糊控制器的输入；模糊控制器根据模糊规则输出PID控制器参数变化量，变化量与量化因子kop，koi，kod相乘得到PID控制参数的变化率△Kp，△Ki，△Kd。PID控制器参数的表达式为：

2.2 模糊规则建立

2.2.1 模糊化和隶属度函数的建立

根据工程经验和系统复杂度分析，模糊控制算法运行时间的考虑，选取输入变量为理想值和反馈值的偏差e及其偏差变化率ec，输入变量为PID控制器的参数kp，ki，kd的增量△Kp，△Ki，△Kd，模糊控制器结构如下页图3所示。将模糊控制输入变量的论域划分为7个模糊集合，分别为负大、负中、负小、零、正小、正中、正大，对应于模糊子集表示形式{NB，NM，NS，ZO，PS，PM，PB}。在保证系统运行精度的情况下，为了减少系统的运算时间，这里采用的输入输出变量的隶属度函数为三角形（Trimf），如图4所示。

图3 模糊控制器结构

图4 输入输出变量的隶属度函数

2.2.2 模糊规则的确定

（1）kp主要影响系统的调节速度。kp太小时系统调节速度缓慢，而较大的kp能够增加系统的响应速度，并提高系统的控制精度，但kp过大将导致系统超调过大，调节时间增长。

（2）ki主要用于消除系统静差，提高系统的稳态精度。ki较小时不能有效地消除系统静差，ki过大将导致系统初期过饱和，超调增大，震荡次数增加。

（3）kd反映系统输入信号的变化趋势，能在误差信号突变的早期，引入一个有效修正信号，从而加快系统的动作速度，减少调节时间。

控制器参数增量△Kp，△Ki，△Kd的自整定规则设定如下：

当|e|，|ec|较大时，为使系统尽快达到稳定，应设定较大的kp较小的kd，同时为防止系统出现饱和，ki应尽量减小。当|e|，|ec|为中等大小时，防止系统出现超调，并保证系统速度，应设定较小的kp，同时适当减小kd，保持ki适中。当|e|，|ec|较小时，为保证系统稳定性，防止系统振挡，应取较大的kp、ki，适当的kd。

这里设定模糊自整定规则表如表1所示。

表1 模糊自整定规则表

3 舰载机着舰拦阻过程仿真

3.1 舰载机着舰拦阻过程仿真模型构建如下

在MATLAB/SIMULINK中建立舰载机滑跑拦阻过程的仿真模型如图5（a）所示，其中模糊控制器的仿真模型如图5（b）所示。

3.2 舰载机着舰拦阻仿真验证

仿真采用的舰载机着舰质量为19.96 T，着舰速度为65 m/s和45 m/s，位移模糊控制器的比例因子为ke=50，kec=120，量化因子及PID控制参数增量△Kp，△Ki，△Kd的初始值kop=-8×105，koi=-5×103，kod=0；速度模糊控制器的比例因子为ke=300，kec=7，量化因子及PID控制参数增量△Kp，△Ki，△Kd的初始值kop=-8×103，koi=-5×104，kod=0。

3.3仿真结果分析

图6 仿真效果分析

图6仿真结果显示，采用模糊PID控制下，舰载机在着舰速度为65m/s时，其的拦停距离为96.49 m，拦阻力峰值为2.70×105N，最大加速度为-29.80 m/s2。位移和理想位移偏差范围为［0，0.001 4］，速度和理想速度偏差范围为［0.001 1，+0.004 4］，可见模糊PID控制能够有效地跟踪理想信号，并保持舰载机各项控制指标与理想控制信号，保持较小的误差。说明模糊PID控制能够对舰载机着舰过程中的拦阻力，进行有效的控制，达到理想控制信号相同的控制效果。

舰载机在着舰速度为45 m/s时，其拦停距离为82.56 m，拦阻力峰值为1.26×105N，最大加速度为-15.03m/s2。位移和理想位移偏差范围为［0，0.0014］，速度和理想速度偏差范围为［0，+0.003 5］，可见本文建立模糊PID控制器能够在不对系统参数做任何调整的情况下，对舰载机着舰速度的变化很好地适应，对舰载机着舰具有较强的鲁棒性。

通过对以上曲线分析可以得出，采用系统能够较好地跟踪理想输入，体现了模糊PID控制对系统的有效控制能力。

4 结论

本文通过分析舰载机拦阻过程中的受力，建立的基于模糊PID的舰载机拦阻控制算法，该控制算法能够有效地对舰载机拦阻过程中的阻尼力进行控制。在其控制下舰载机的位移和速度的控制偏差保持在0.01范围内，可见该控制算法具有一定的可行性。

同时相对于液压主动控制，本文提出的舰载机拦阻过程的模糊PID控制算法，在设定参数不变的条件下，能够有效地适应舰载机着舰情况的变化，而不需要根据舰载机质量和速度手动设定拦阻机拦阻参数，对舰载机的控制具有较强的鲁棒性。

［1］Department of the Air Force.Guide to Mobile Aircraft Arresting System Installation［C］//Washington D C:Seeretary of the A ir Force Washington DC，2000.

［2］李杰，于川.航空母舰的舰载机着舰装备［J］.现代军事，2006，32（10）:56-58.

［3］Naval Air Warfare Center Aircraft Division Patuxent River. Review of the Carrier Approach Criteria for Carrier-based Aircraft–phase I［C］//NAWCADPAX/TR-2002/71，2002: 30-120.

［4］Naval Air Systems Command Department of the Navy. MIL-STD-2066［C］//Catapulting andArresting Gear Forcing Functions for Aireraft Struetural Design，1981:25-170.

［5］梁利华，万晨，荀盼盼.飞机拦阻索动态特性研究［J］.航空学报，2013，34（4）:833-839.

［6］史红伟，徐元铭，刘博.基于能量法的舰载机拦阻着舰动力学分析及建模仿真［J］.飞机设计，2011，31（6）:1-5，15.

［7］Sillen W B.Dynamic Performance of a Mark7 Modl Arresting SystemUsing24-inchand28-inchPDFairleadSheaves［C］// Lakehurst，NJ:U.S.Naval Air Test Facility，1996.

［8］刘石，仲继泽，冯永新，等.使用磁流变阻尼器的大型汽轮发电机定子端部绕组振动控制［J］.西安交通大学学报，2013，77（04）:39-43.

［9］关新春，黄永虎，李惠，等.自适应磁流变控制系统仿真计算研究［J］.工程力学，2013，29（05）:103-111.

［10］Fu L，Wei Y，Zhou Y K，et al.Modeling and Control of the Pulley Buffer System of Arresting Cable for Shipboard Aircraft Based on Magneto-rheological Fluid［J］.Shanghai Jiaotong Univ.（Sei.），2012，17（5）:573-575.

Fuzzy PID Control of Shipboard Aircraft Arresting Process Based on Magneto-Rheological Fluid

FU Li，LIU Tao，ZHOU Yan-kai，HU Wei
（School of Automation，Shenyang Aerospace University，Shenyang 110136，China）

Aim at the motion characteristics of the carrier-based aircrafts arresting process，a mechanical model of carrier-based aircrafts buffer arresting process and state equation is established，through the analysis of magneto-rheological damping arresting buffer process，introducing displacement and velocity vector as the inputs of magneto-rheological damping arresting control system，carrierbased aircrafts buffer arresting process control based on fuzzy PID control is completed.To apply the ability of fuzzy PID controller nonlinear fitting to adapt to circumstance changes based aircraft landing，The simulation shows that Fuzzy PID model has better prediction accuracy and a better range of applications.

shipboard aircraft，magneto-rheological fluid，fuzzy PID control，arresting buffer

TP273

A

1002-0640（2015）02-0032-04

2013-12-03

2014-01-17

国家自然科学基金（61074090）；中航创新基金（cxy2011SH15）；沈阳市科技计划基金资助项目（F13-095-2-00）

傅莉（1968-），女，辽宁凤城人，博士。研究方向：模式识别与智能系统。