二進(jìn)制樹型算法和幀時(shí)隙ALOHA算法在RFID的反碰撞性能比較及飛機(jī)平尾結(jié)冰檢測(cè)及容冰縱向增穩(wěn)控制器研究

第1頁，共1頁二進(jìn)制搜索樹型算法和幀時(shí)隙ALOHA算法在RFID的反碰撞性能比較摘要二進(jìn)制搜索樹型算法和幀時(shí)隙ALOHA算法廣泛地應(yīng)用在RFID反碰撞當(dāng)中。本文將通過計(jì)算機(jī)仿真來比較這兩個(gè)反碰撞算法的性能。仿真結(jié)果顯示幀時(shí)隙ALOHA比二制樹型算法需要更少的數(shù)據(jù)讀取時(shí)間，且?guī)瑫r(shí)隙ALOHA算法里初始幀長(zhǎng)度對(duì)數(shù)據(jù)上傳吞吐量影響比較大。關(guān)鍵詞：anti-collision,RFID,binarysearchtree,framedALOHA

簡(jiǎn)介RFID系統(tǒng)的反碰撞算法主要有兩類：樹型算法和ALOHA算法。樹型算法包括二進(jìn)制搜索樹和查詢樹，其中二進(jìn)制搜索樹算法被廣泛地應(yīng)用于很多標(biāo)準(zhǔn)，如ISO/IEC18000-6TypeB。樹型算法得到廣泛的研究，并在理論上提升了它的反碰撞性能。ALOHA算法包括純ALOHA算法、時(shí)隙ALOHA和幀ALOHA，其中幀ALOHA被廣泛應(yīng)用于一些標(biāo)準(zhǔn)，如：ISO14443-3,ISO18000-6TypeA,EPC-globalUHFClass1Generation2。有幾個(gè)技術(shù)可以提高幀ALOHA反碰撞算法的性能。雖然二進(jìn)制搜索樹型算法和幀時(shí)隙ALOHA算法廣泛地應(yīng)用在RFID反碰撞當(dāng)中，但關(guān)于這兩個(gè)算法的不同性能還沒有報(bào)告出來，因?yàn)槲覀兊恼J(rèn)識(shí)有限。本文比較這兩個(gè)算法的數(shù)據(jù)讀取效率。雖然這兩個(gè)方法都不很多技術(shù)去改進(jìn)它們的性能，但RFID標(biāo)準(zhǔn)里只采納了這兩個(gè)基本的算法模型。因此，我們將比較RFID標(biāo)準(zhǔn)里定義的這兩個(gè)算法模型的數(shù)據(jù)讀取效率。RFID反碰撞算法2．1二進(jìn)制搜索樹型協(xié)議ISO18000-6TypeB采用了二進(jìn)制搜索樹型協(xié)議來解決反碰撞問題。在這個(gè)協(xié)議中，每個(gè)標(biāo)簽都有一個(gè)一位的隨機(jī)數(shù)字產(chǎn)生器和一個(gè)8位的計(jì)數(shù)器，計(jì)數(shù)器用來確定標(biāo)簽是否上傳它的ID號(hào)。讀數(shù)據(jù)過程從閱讀器發(fā)出一個(gè)組選擇命令開始，我們這個(gè)命令長(zhǎng)度為兩個(gè)字節(jié)，一個(gè)字節(jié)用來放命令代碼，一個(gè)字節(jié)用來存放組ID號(hào)，被選擇的那個(gè)組里的標(biāo)簽把它的計(jì)數(shù)器的值設(shè)為0，并轉(zhuǎn)移到ID狀態(tài)，閱讀器對(duì)在ID狀態(tài)的標(biāo)簽發(fā)出識(shí)別命令，如FAIL、SUCCESS和EMPTY，來執(zhí)行碰撞仲裁算法。所有在ID狀態(tài)的計(jì)數(shù)值又為0的標(biāo)簽要將它們的ID號(hào)上傳，有三種情況：碰撞、成功上傳和無標(biāo)簽。閱讀器用FAIL、SUCCESS和EMPTY來認(rèn)識(shí)被選擇的標(biāo)簽，然后開始下一周期的讀數(shù)據(jù)。因此我們將二進(jìn)制樹型讀數(shù)據(jù)周期定義為兩個(gè)成功的識(shí)別命令之間的時(shí)間。另外，在二進(jìn)制樹型算法的仿真中我們假設(shè)每個(gè)標(biāo)簽都將用4個(gè)字節(jié)來上傳它的ID。這個(gè)算法稱為靜態(tài)二進(jìn)制搜索樹型。如果需要讀n個(gè)標(biāo)簽，上傳的平均總時(shí)隙數(shù)為其中cˉTS(n)表示碰撞的平均數(shù)，zˉTS(n)表示空閑時(shí)隙的平均數(shù)，“+n”表示n個(gè)響應(yīng)的時(shí)隙。tˉTS(n)=2.885n，cˉTS(n)=1.443n，zˉTS(n)=0.442n。為了得出讀標(biāo)簽的總時(shí)間，還要將閱讀器發(fā)控制命令的時(shí)間也加上去，我們研究了基于蒙特卡羅仿真方法的C++代碼。2．2幀ALOHA協(xié)議這段介紹典型的幀ALOHA算法，這個(gè)算法被ISO14443-3和18000-6TypeA采用。在幀ALOHA反碰撞算法里，閱讀器先向范圍內(nèi)的所有標(biāo)簽廣播發(fā)出請(qǐng)求命令，這個(gè)請(qǐng)求命令包括一個(gè)參數(shù)L，稱為幀長(zhǎng)度。標(biāo)簽在幀里隨機(jī)地選擇一個(gè)時(shí)隙，在這個(gè)時(shí)隙里把ID號(hào)發(fā)出去。如果碰撞發(fā)生，則需要多一個(gè)周期。在周期里，閱讀器需要發(fā)出Next-Slot或Slot-Marker命令來定義每個(gè)時(shí)隙的開始，在本文中這些命令的時(shí)間開銷也將計(jì)算在內(nèi)。每一個(gè)周期里，幀長(zhǎng)度可以動(dòng)態(tài)地根據(jù)上一周期里傳輸結(jié)果E、C和S進(jìn)行調(diào)整。這種方案稱為動(dòng)態(tài)幀ALOHA。對(duì)這個(gè)方案的分析可以分為兩部分，第一部分是如何根據(jù)上一輪的結(jié)果估計(jì)出剩下的標(biāo)簽數(shù)，可以用下限值2C來估計(jì)。第二部分是如果確定幀長(zhǎng)度來達(dá)到最大吞吐量。實(shí)際上，如果將幀長(zhǎng)度設(shè)為標(biāo)簽數(shù)的話，就可以達(dá)到最大吞吐量。本文中將每個(gè)周期里的幀長(zhǎng)度都設(shè)為下限值2C。評(píng)估讀數(shù)據(jù)效率的參數(shù)3．1總讀取時(shí)間總讀取時(shí)間取決于信道競(jìng)爭(zhēng)機(jī)制的效率和由硬件支持的實(shí)際數(shù)據(jù)傳輸速率，為了得到獨(dú)立于實(shí)際數(shù)據(jù)傳輸速率的讀取時(shí)間，我們計(jì)算時(shí)隙或字節(jié)，若實(shí)際數(shù)據(jù)傳輸速率已知，即讀取時(shí)間易得。因?yàn)槲覀兗僭O(shè)標(biāo)簽ID為4字節(jié)，上傳時(shí)隙的時(shí)間長(zhǎng)度等于標(biāo)簽ID數(shù)據(jù)長(zhǎng)?？傋x取時(shí)間可以表示為：其中Tcom、Ts、Te、Tc和Tack分別表示閱讀器命令時(shí)間、成功傳輸時(shí)間、空時(shí)隙（沒有標(biāo)簽）時(shí)間、碰撞時(shí)間和標(biāo)簽認(rèn)知時(shí)間。如前文所說，閱讀器需要用不同的命令來指導(dǎo)標(biāo)簽在反碰撞過程如何響應(yīng)。當(dāng)標(biāo)簽ID號(hào)成功上傳后，標(biāo)簽轉(zhuǎn)移到休眠狀態(tài)需要認(rèn)知時(shí)間。閱讀器命令的長(zhǎng)度設(shè)為1字節(jié)，幀ALOHA的讀取請(qǐng)求命令長(zhǎng)度也是1字節(jié)，不過后面必須帶有1字節(jié)的幀長(zhǎng)度參數(shù)。成功傳輸時(shí)間和標(biāo)簽認(rèn)知時(shí)間是固定開銷的，因?yàn)槊總€(gè)標(biāo)簽都要把ID號(hào)上傳，都要被閱讀器認(rèn)知。因此，減少閱讀器命令、空閑時(shí)隙和碰撞時(shí)隙的數(shù)目對(duì)提高反碰撞算法效率是很重要的。3．2上傳規(guī)范化吞吐量上傳規(guī)范化吞吐量定義為：這個(gè)公式可以用來評(píng)價(jià)上傳無線信道的效率，對(duì)于二進(jìn)制樹型算法，可由參考文獻(xiàn)[3]得到平均吞吐量值為0.347，這個(gè)數(shù)值與標(biāo)簽數(shù)無關(guān)；對(duì)于幀ALOHA算法，吞吐量可以由計(jì)算機(jī)仿真得到解決，仿真結(jié)果將在下面給出。本研究中，一些命令是從閱讀器發(fā)到標(biāo)簽的，可以作為下傳處理。另一方面，標(biāo)簽在某些分開的時(shí)隙里把它們的ID號(hào)發(fā)送到閱讀器，這種通信可以作為上傳處理，包括空空時(shí)隙，碰撞時(shí)隙及成功時(shí)隙。因此，用時(shí)隙來比較兩種反碰撞算法的上傳性能是必要的。另一個(gè)用時(shí)隙來比較兩種反碰撞算法的上傳性能的原因是就是：仿真結(jié)果需要與其它論文里的分析結(jié)果進(jìn)行比較，而它們也是用時(shí)隙來比較兩種反碰撞算法的上傳性能的。結(jié)果為了檢查RFID反碰撞方案的性能，我們寫出了C++代碼來仿真標(biāo)簽讀取過程。使用了MonteCarlo方法來計(jì)算一些重要參數(shù)的平均值，如總讀取時(shí)間和上傳吞吐量。為了使仿真結(jié)果具有收斂性，全部實(shí)驗(yàn)都仿真10000次。注意我們的仿真沒有把捕獲效應(yīng)考慮在內(nèi)。命令長(zhǎng)度和ID長(zhǎng)度如表1所示。我們首先比較二進(jìn)制樹型算法和幀ALOHA算法的總讀取時(shí)間，住址結(jié)果如圖1所示。二進(jìn)制樹型算法的總讀取時(shí)間線性取決于標(biāo)簽數(shù)目，而且比動(dòng)態(tài)幀ALOHA算法的總讀取時(shí)間要長(zhǎng)，尤其當(dāng)標(biāo)簽數(shù)目比較大時(shí)更是如此。從圖中我們也可以看到動(dòng)態(tài)幀ALOHA算法里初始幀長(zhǎng)度對(duì)讀取效率的影響。當(dāng)標(biāo)簽數(shù)目大于100時(shí)，初始幀長(zhǎng)度設(shè)為128可以得到最小的讀取時(shí)間。圖2給出碰撞時(shí)隙平均數(shù)的仿真結(jié)果。在二進(jìn)制樹型算法里，碰撞時(shí)隙平均數(shù)與標(biāo)簽數(shù)目成正比增長(zhǎng)。仿真結(jié)果與參考文獻(xiàn)[3]吻合。例如：當(dāng)有100個(gè)標(biāo)簽，仿真結(jié)果表明二進(jìn)制搜索樹型算法會(huì)產(chǎn)生145個(gè)碰撞時(shí)隙，與1.443很接近。從圖2我們還可以看出當(dāng)標(biāo)簽數(shù)目大于120時(shí)，二進(jìn)制樹型算法比初始幀長(zhǎng)度設(shè)定為32的幀ALOHA算法產(chǎn)生更少的碰撞時(shí)隙。但當(dāng)初始幀長(zhǎng)度設(shè)為64或128時(shí)，情況就相反了。圖3給出讀取過程中的空時(shí)隙仿真結(jié)果，從圖中可以看出，空時(shí)隙的數(shù)目大約是標(biāo)簽數(shù)目的0.44倍，這個(gè)結(jié)果又與理論值0.442n吻合。從圖3我們還可以看到，幀ALOHA算法比二進(jìn)制樹型算法浪費(fèi)更多的空時(shí)隙，尤其是初始幀長(zhǎng)度比較大時(shí)。圖4給出結(jié)束讀取進(jìn)程所需要的上傳時(shí)隙。上傳時(shí)隙包括成功時(shí)隙、空時(shí)隙和碰撞時(shí)隙。我們發(fā)現(xiàn)當(dāng)標(biāo)簽數(shù)目大于60時(shí)，二進(jìn)制樹型算法比初始幀長(zhǎng)為32的幀ALOHA算法需要更少的上傳時(shí)隙。但當(dāng)標(biāo)簽數(shù)目大于70而初始幀長(zhǎng)為128時(shí)，所需的上傳時(shí)隙就基本一樣了。圖5給出讀取全部標(biāo)簽所需的周期數(shù)。二進(jìn)制樹型算法比幀ALOHA算法需要多得多的讀取周期，這個(gè)大周期數(shù)又導(dǎo)致讀標(biāo)簽進(jìn)程里需要很多讀取命令，因此降低了讀取效率。這是幀ALOHA算法需要更少的總讀取時(shí)間的主要原因。因?yàn)槌跏紟L(zhǎng)為32、64和128時(shí)周期數(shù)基本上沒有變化，所以這里只給出了初始幀長(zhǎng)為32的結(jié)果。圖6給出規(guī)范上傳吞吐量，二進(jìn)制樹型算法具有固定的吞吐量0.347，這個(gè)仿真結(jié)果與參考文獻(xiàn)[3]里的分析結(jié)果一致。對(duì)于幀ALOHA算法，當(dāng)初始幀長(zhǎng)度等于標(biāo)簽數(shù)目時(shí)，最大吞吐量就可以得到，可以看出其最大值為0.368，比二進(jìn)制樹型算法要大。初始幀長(zhǎng)影響幀ALOHA算法的反碰撞性能。我們發(fā)現(xiàn)如果標(biāo)簽數(shù)小于初始幀長(zhǎng)時(shí)，吞吐量就會(huì)急劇下降。這是因?yàn)樵诖髱锖苌儆袠?biāo)簽進(jìn)行信道競(jìng)爭(zhēng)，產(chǎn)生了大量的空時(shí)隙，因此就減小了吞吐量。總結(jié)西文中我們比較了二進(jìn)制搜索樹型算法和幀ALOHA算法的讀寫效率。從仿真結(jié)果里我們可以看出動(dòng)態(tài)幀ALOHA算法比二進(jìn)制搜索樹型算法需要更少的時(shí)間來讀取大量標(biāo)簽。這歸因于它能夠在更少的周期里完成任務(wù)。更少的周期導(dǎo)致更少的讀取命令，從而得到更好的讀效率。然而，初始幀長(zhǎng)度對(duì)幀ALOHA算法的上傳吞吐量的影響比較明顯。飛機(jī)平尾結(jié)冰檢測(cè)及容冰縱向增穩(wěn)控制器研究摘要：針對(duì)飛機(jī)平尾結(jié)冰的情況，通過參數(shù)識(shí)別及神經(jīng)網(wǎng)絡(luò)檢測(cè)，定量分析飛機(jī)結(jié)冰嚴(yán)重程度，估計(jì)飛機(jī)飛行控制參數(shù)，并利用H2狀態(tài)反饋技術(shù)設(shè)計(jì)飛機(jī)容冰縱向增穩(wěn)控制器；仿真結(jié)果顯示控制器對(duì)無冰、結(jié)冰情形均可有效保持飛機(jī)飛行穩(wěn)定性，效果良好。關(guān)鍵詞：飛機(jī)結(jié)冰；參數(shù)識(shí)別；神經(jīng)網(wǎng)絡(luò)；容冰控制；增穩(wěn)控制；H2狀態(tài)反饋控制Abstract:AmethodtoquantificationallysensetheseverityoftailplaneicingwithalgorithmaswellasNeuralNetworkisintroduced,basedonwhichatechniqueoficing-tolerantlongitudinalstabilityaugmentationcontrolusingH2feedbackmethodisdeveloped.Simulationresultsshowthatsuchtechniqueimprovedwellthedynamicstabilityofaircraft.Keywords:AircraftIcing;ParameterIdentification;NeuralNetwork;Icing-tolerantControl;StabilityAugmentationControl;H2FeedbackControl

引言 飛機(jī)飛行時(shí)不可避免地受到外界干擾(如風(fēng)擾動(dòng)等)的影響。在外界干擾作用下，飛機(jī)飛行狀態(tài)呈現(xiàn)不規(guī)律振蕩，導(dǎo)致飛行穩(wěn)定性變差。而飛機(jī)結(jié)冰后，冰層積聚在飛機(jī)表面，改變了飛機(jī)氣動(dòng)外形，改變了飛行控制參數(shù)，往往使飛機(jī)穩(wěn)定性能更為惡化。飛機(jī)飛行時(shí)，一般均需在操縱系統(tǒng)中加入增穩(wěn)控制系統(tǒng)，抑制飛行狀態(tài)振蕩，以更好地保持穩(wěn)定性。 飛機(jī)的飛行控制系統(tǒng)基于飛機(jī)的飛行動(dòng)力學(xué)特性設(shè)計(jì)，需事先已知飛機(jī)飛行控制參數(shù)。而對(duì)于結(jié)冰后的飛機(jī)，目前的結(jié)冰檢測(cè)手段如紅外影像等通常只是對(duì)“是否結(jié)冰”做出定性分析，無法估計(jì)飛機(jī)飛行控制參數(shù)變化。因此，在傳統(tǒng)的結(jié)冰檢測(cè)基礎(chǔ)上，還需要定量檢測(cè)結(jié)冰后飛機(jī)飛行控制參數(shù)，并基于此設(shè)計(jì)“容許結(jié)冰”的飛機(jī)控制系統(tǒng)，此即為容冰飛行控制(icing-tolerantcontrol)基本概念。作為初步研究，本文僅針對(duì)于飛機(jī)平尾結(jié)冰的情形?；玖鞒倘鐖D1：構(gòu)造考慮飛機(jī)平尾結(jié)冰的飛機(jī)飛行動(dòng)力學(xué)仿真模型；2、監(jiān)測(cè)系統(tǒng)的控制輸入及狀態(tài)輸出，利用參數(shù)識(shí)別算法初步估計(jì)飛機(jī)飛行控制參數(shù)。3、神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)輸入?yún)?shù)識(shí)別結(jié)果，定量檢測(cè)分析飛機(jī)結(jié)冰與否及結(jié)冰的嚴(yán)重程度，確定飛機(jī)飛行控制參數(shù)。4、根據(jù)已確定的飛機(jī)飛行控制參數(shù)，利用H2狀態(tài)反饋控制技術(shù)，設(shè)計(jì)飛機(jī)增穩(wěn)控制器。圖11飛行動(dòng)力學(xué)模型(FlightDynamicsModel)1.1飛行動(dòng)力學(xué)(縱向)控制方程 飛機(jī)平尾結(jié)冰主要影響飛機(jī)縱向性能，對(duì)飛機(jī)橫航向性能幾乎沒有影響，因此本文飛行動(dòng)力學(xué)模型只考慮飛機(jī)縱向狀態(tài)；同時(shí)，作為初步研究，本文模型采用線性化小擾動(dòng)模型，初始狀態(tài)點(diǎn)選擇為定常水平飛行狀態(tài)；飛行中外界擾動(dòng)僅考慮風(fēng)擾動(dòng)影響。由此，飛行動(dòng)力學(xué)控制方程為[6]： (1) (2) (3)(4)式中，分別對(duì)應(yīng)飛機(jī)俯仰角速度、俯仰歐拉角、機(jī)體迎角及飛機(jī)在豎直平面內(nèi)速度相對(duì)于初始狀態(tài)點(diǎn)擾動(dòng)偏量，初始值。初始狀態(tài)點(diǎn)各狀態(tài)值為[4]。即為飛機(jī)縱向主要控制參數(shù)，與相關(guān)聯(lián)。為升降舵相對(duì)初始狀態(tài)點(diǎn)控制輸入，由飛行員或自動(dòng)駕駛儀控制，初始狀態(tài)升降舵偏角為。式(1)-(4)中，為風(fēng)擾動(dòng)引起的過程噪音，由給定標(biāo)準(zhǔn)差的白噪聲模擬；本文中均取為0.20g表征中等程度風(fēng)擾動(dòng)。1.2飛機(jī)結(jié)冰嚴(yán)重程度模型(IcingSeverityModel)結(jié)冰前后，控制參數(shù)變化基本規(guī)律為[7]： (5)式中，、分別為結(jié)冰前、結(jié)冰后控制參數(shù)；為各參數(shù)對(duì)應(yīng)的權(quán)值，由飛機(jī)本身屬性（布局、結(jié)構(gòu)等）決定，不同參數(shù)對(duì)應(yīng)權(quán)值一般不同。為飛機(jī)結(jié)冰嚴(yán)重程度，一般取分為6級(jí)，模擬結(jié)冰不同嚴(yán)重程度。對(duì)應(yīng)于無冰干凈飛機(jī)，對(duì)應(yīng)于結(jié)冰最嚴(yán)重情況。由此，僅需確定結(jié)冰嚴(yán)重程度值，即可確定飛行控制相關(guān)參數(shù)。結(jié)冰前干凈飛機(jī)各控制參數(shù)及其對(duì)應(yīng)的值見表1[7]。表1干凈飛機(jī)各控制參數(shù)及其對(duì)應(yīng)權(quán)值(s-2)(s-2)(s-1)(fts-2)(fts-2)(fts-2)(fts-2)(s-1)參數(shù)值-7.86-10.44-3.055-378.7-40.3-19.713.71-0.018-0.99-0.996-0.35-0.951-0.955-0.137-0.141.1112參數(shù)識(shí)別(ParameterIdentification)2.1參數(shù)識(shí)別算法(ParameterIdentificationAlgorithm) 將前文(1)-(4)式改寫為： (6) (7)式中，即為升降舵控制輸入。、。為對(duì)系統(tǒng)狀態(tài)的測(cè)量輸出，對(duì)應(yīng)測(cè)量噪音。本文利用給定標(biāo)準(zhǔn)差的白噪聲模擬測(cè)量噪音，標(biāo)準(zhǔn)差即取為傳感器測(cè)量精度。狀態(tài)各量測(cè)量精度見表2[8]。表2狀態(tài)各量傳感器測(cè)量精度0.0167deg/s0.0293deg0.003deg0.039m/s 式(6)中即為待識(shí)別的控制參數(shù)。為計(jì)算，首先，我們定義： (8)則對(duì)任意，參數(shù)識(shí)別遞歸算法為[6]： (9) (10)注意到(9)式，遞歸算法對(duì)系統(tǒng)狀態(tài)及控制參數(shù)均進(jìn)行估計(jì)，式(8)、(9)中，、即為遞歸計(jì)算初始估計(jì)值；、為各時(shí)刻估計(jì)值。式(8)中，為半范數(shù)(semi-norm)；為泛化歐幾里得范數(shù)(generalizedEuclideannorm)。式(9)計(jì)算需要中間量，，由式(10)確定，初始值，同時(shí)也為式(8)中計(jì)算泛化歐幾里得范數(shù)的權(quán)矩陣，，初始時(shí)人為設(shè)定。 為保證(9)式計(jì)算收斂，式(10)中需有，由(8)式確定。注意到值與密切相關(guān)，選取不當(dāng)很容易使趨于無窮大，導(dǎo)致遞歸算法發(fā)散；下面討論值的選取及值的確定。首先我們不加證明地給出，對(duì)于(10)式如果在任意時(shí)刻均有，則其等價(jià)于[9]；并且可以將寫作[9]： (11)。由Schur分解可知當(dāng)且僅當(dāng)且時(shí)，有；將式(11)代入(10)式中則有：， (12)， (13)對(duì)(12)式，顯然若令，則；對(duì)(13)式，若令，則，若選取，則對(duì)任意均有。綜上，給定，，若令，對(duì)任意均有，則可知，此時(shí)識(shí)別算法可以進(jìn)行。2.2參數(shù)識(shí)別結(jié)果 可靠參數(shù)識(shí)別的基本要求是不可有將無冰飛機(jī)錯(cuò)報(bào)為結(jié)冰的“誤警報(bào)”，因此本文對(duì)無冰、結(jié)冰飛機(jī)本文中，若無特別說明，“結(jié)冰飛機(jī)”均對(duì)應(yīng)于結(jié)冰嚴(yán)重程度，即結(jié)冰最嚴(yán)重情況。本文中，若無特別說明，“結(jié)冰飛機(jī)”均對(duì)應(yīng)于結(jié)冰嚴(yán)重程度，即結(jié)冰最嚴(yán)重情況。圖2無冰、結(jié)冰飛機(jī)參數(shù)識(shí)別結(jié)果 識(shí)別結(jié)果見圖2。升降舵標(biāo)準(zhǔn)輸入為大小，周期2秒的方波。另外，，，，。研究表明，方向力控制參數(shù)通常收斂較慢，而方向力控制參數(shù)對(duì)噪音干擾過于敏感[10]，因此圖中僅提供了俯仰力矩參數(shù)估計(jì)結(jié)果。 對(duì)于結(jié)冰飛機(jī)，初始參數(shù)估計(jì)值即為表1中無冰飛機(jī)參數(shù)值。對(duì)于無冰飛機(jī)，前文提到此時(shí)控制參數(shù)與飛機(jī)初始狀態(tài)點(diǎn)相關(guān)聯(lián)，在使用算法時(shí)需預(yù)先根據(jù)已知信息(如地面風(fēng)洞試驗(yàn)測(cè)量的控制參數(shù)值)估計(jì)遞歸計(jì)算初始值。為檢驗(yàn)估計(jì)偏差對(duì)識(shí)別算法的影響，圖2中無冰飛機(jī)計(jì)算初始值分別相對(duì)于真實(shí)值有的偏差。 圖2中無冰、結(jié)冰飛機(jī)均重復(fù)計(jì)算25次以表征25個(gè)不同噪音路徑，其中無冰情況下5個(gè)偏差每個(gè)偏差均重復(fù)計(jì)算5次。注意到圖中各參數(shù)已相對(duì)于表1中無冰控制參數(shù)歸一化，對(duì)于無冰飛機(jī)，顯然參數(shù)歸一化后真實(shí)值為1；對(duì)于結(jié)冰飛機(jī)，，由(5)式及表1計(jì)算可得三個(gè)參數(shù)歸一化后真實(shí)值分別為0.90，0.90，0.965?？梢娽槍?duì)不同干擾噪音，無冰及結(jié)冰參數(shù)估計(jì)均可在升降舵輸入一個(gè)周期(2秒)內(nèi)較為準(zhǔn)確的收斂到真實(shí)值。3神經(jīng)網(wǎng)絡(luò)檢測(cè)(NeuralNetworkClassification) 神經(jīng)網(wǎng)絡(luò)具有從眾多復(fù)雜耦合的相關(guān)輸入中提取信息的能力、本能的并行計(jì)算特性及良好的容錯(cuò)結(jié)構(gòu)。同時(shí)，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)在檢測(cè)過程中僅涉及對(duì)于權(quán)值、閥值的簡(jiǎn)單計(jì)算，具有良好的快速性。最后，神經(jīng)網(wǎng)絡(luò)具備離線訓(xùn)練的能力，可在地面利用仿真數(shù)據(jù)完成訓(xùn)練后在線進(jìn)行檢測(cè)，更為快速可靠。3.1網(wǎng)絡(luò)結(jié)構(gòu)圖3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及傳遞函數(shù)S函數(shù) 如圖3，網(wǎng)絡(luò)采用單隱層前饋BP神經(jīng)網(wǎng)絡(luò)，隱層節(jié)點(diǎn)數(shù)為7(注意圖3僅為結(jié)構(gòu)示意圖，并不表示隱層節(jié)點(diǎn)數(shù)為5)。為使網(wǎng)絡(luò)具有更好的非線性映像能力，各層間傳遞函數(shù)采用值域?yàn)?-1,1)的S函數(shù)。網(wǎng)絡(luò)輸入為參數(shù)識(shí)別的結(jié)果；前文提到方向力控制參數(shù)通常收斂較慢，而方向力控制參數(shù)對(duì)噪音干擾過于敏感，因此網(wǎng)絡(luò)僅輸入俯仰力矩三個(gè)控制參數(shù)。網(wǎng)絡(luò)檢測(cè)分析飛機(jī)結(jié)冰嚴(yán)重程度，一般分為6級(jí)，取值分別為，注意到S函數(shù)值域?yàn)?-1,1)，為防止網(wǎng)絡(luò)輸出飽和，我們將值人工映像到(-1,1)區(qū)間上，通過網(wǎng)絡(luò)輸出所處區(qū)間判斷結(jié)冰嚴(yán)重程度。映射關(guān)系式見表3。表3神經(jīng)網(wǎng)絡(luò)檢測(cè)輸出及其對(duì)應(yīng)的值(-1.0,-0.8)[-0.8,-0.4)[-0.4,0.0)[0.0,0.4)[0.4,0.8)[0.8,1.0)00.020.040.060.080.103.2網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù) 前文提到，網(wǎng)絡(luò)輸入為參數(shù)識(shí)別檢測(cè)到的三個(gè)俯仰力矩控制參數(shù)。參數(shù)識(shí)別中升降舵標(biāo)準(zhǔn)控制輸入為大小、周期2秒的方波。在升降舵輸入一個(gè)周期(2秒)內(nèi)，參數(shù)識(shí)別已經(jīng)可以取得較好的結(jié)果。進(jìn)一步研究表明，改變升降舵輸入大小、周期，識(shí)別結(jié)果在升降舵輸入一個(gè)周期內(nèi)均可以良好收斂到真實(shí)值。因此，我們?cè)O(shè)定在升降舵輸入加載到一個(gè)周期的時(shí)刻打開神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)輸入即為此時(shí)刻參數(shù)識(shí)別算法的遞歸計(jì)算值。 網(wǎng)絡(luò)訓(xùn)練中，為獲得更為充足的訓(xùn)練數(shù)據(jù)，保證網(wǎng)絡(luò)良好的泛化能力，我們針對(duì)結(jié)冰嚴(yán)重程度不同等級(jí)，不同大小、周期的升降舵輸入均進(jìn)行仿真計(jì)算，同時(shí)，各情形均重復(fù)計(jì)算5次模擬5個(gè)噪音路徑。結(jié)冰嚴(yán)重程度6個(gè)等級(jí){0,0.02,0.04,0.06,0.08,0.10}；升降舵輸入不同幅值{0.5o,1.0o,1.5o,2.0o}；升降舵輸入不同周期{1s,2s,3s,4s,5s,6s}；無冰飛機(jī)初始估計(jì)值偏差；每一種情形重復(fù)計(jì)算5次模擬5個(gè)噪音路徑。 對(duì)于結(jié)冰飛機(jī)，各級(jí)均有120組訓(xùn)練數(shù)據(jù)；對(duì)于無冰干凈飛機(jī)還包括5個(gè)不同的初始估計(jì)偏差，有600組訓(xùn)練數(shù)據(jù)，一共包括1200組訓(xùn)練數(shù)據(jù)。 網(wǎng)絡(luò)訓(xùn)練輸出為表3中各級(jí)值對(duì)應(yīng)區(qū)間上下限中值。各級(jí)對(duì)應(yīng)值見表4。表4各級(jí)值所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出00.020.040.060.080.10-0.9-0.6-0.2+0.2+0.6+0.93.3網(wǎng)絡(luò)性能測(cè)試 神經(jīng)網(wǎng)絡(luò)檢測(cè)并不直接輸出飛機(jī)結(jié)冰嚴(yán)重程度具體值，而是根據(jù)網(wǎng)絡(luò)輸出值所處區(qū)間判斷其處于“哪一級(jí)”。對(duì)網(wǎng)絡(luò)性能的基本要求是不能有“越級(jí)”現(xiàn)象發(fā)生。 網(wǎng)絡(luò)測(cè)試數(shù)據(jù)獨(dú)立于3.2節(jié)中提到的1200組網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。升降舵輸入采用標(biāo)準(zhǔn)的大小、周期2秒的方波輸入，網(wǎng)絡(luò)輸入為參數(shù)識(shí)別2秒時(shí)刻的計(jì)算結(jié)果。對(duì)6個(gè)等級(jí)每一級(jí)均進(jìn)行100次測(cè)試，共600組測(cè)試數(shù)據(jù)。 神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果見圖4。可見無論結(jié)冰與否，各級(jí)網(wǎng)絡(luò)輸出均嚴(yán)格按照表3對(duì)應(yīng)關(guān)系落在相應(yīng)區(qū)間內(nèi)，600組測(cè)試資料沒有“越級(jí)”現(xiàn)象發(fā)生。該神經(jīng)網(wǎng)絡(luò)完全可以滿足對(duì)飛機(jī)結(jié)冰嚴(yán)重程度等級(jí)檢測(cè)的要求。圖4神經(jīng)網(wǎng)絡(luò)性能測(cè)試4容冰(縱向)增穩(wěn)控制器設(shè)計(jì)圖5無冰飛機(jī)無增穩(wěn)控制仿真圖6結(jié)冰飛機(jī)無增穩(wěn)控制仿真圖5及圖6分別為無冰及結(jié)冰飛機(jī)在升降舵無控制輸入下無增穩(wěn)控制的仿真結(jié)果。圖5中，外界不確定的風(fēng)擾動(dòng)使飛機(jī)短周期量、呈現(xiàn)不規(guī)律振蕩，振蕩的累積效果使機(jī)體俯仰角擾動(dòng)值持續(xù)變化，進(jìn)而導(dǎo)致飛行速度持續(xù)減小。對(duì)于圖6結(jié)冰飛機(jī)，短周期量振蕩更為劇烈，而飛行速度的擾動(dòng)值達(dá)到了近100m/s，注意到初始狀態(tài)點(diǎn)速度不過57.15m/s，飛機(jī)飛行狀態(tài)已經(jīng)嚴(yán)重偏離初始點(diǎn)，飛行穩(wěn)定性能嚴(yán)重惡化。本章即討論利用H2狀態(tài)反饋控制技術(shù)設(shè)計(jì)飛機(jī)增穩(wěn)控制器，抑制狀態(tài)量振蕩，保持飛行穩(wěn)定性。4.1系統(tǒng)H2性能系數(shù) 對(duì)前文(1)-(4)式描述的線性小擾動(dòng)模型，考慮狀態(tài)空間模型下的表述： (14) (15)其中，為狀態(tài)擾動(dòng)量，為升降舵控制輸入，表征外界風(fēng)擾動(dòng)輸入，、、為已知的適當(dāng)維數(shù)的實(shí)矩陣，為系統(tǒng)監(jiān)控輸出，通過選擇、陣人為設(shè)定。 增穩(wěn)控制器工作時(shí)，系統(tǒng)無控制輸入；對(duì)式(14)、(15)描述的系統(tǒng)，即升降舵控制輸入。我們定義傳遞函數(shù)： (16)T(s)的H2范數(shù)為[11]： (17)式中，表示的共軛轉(zhuǎn)置，表示矩陣的跡。式(17)即為式(14)、(15)描述的系統(tǒng)的H2性能系數(shù)[11]。4.2H2狀態(tài)反饋控制技術(shù) 4.1節(jié)中介紹了系統(tǒng)的H2性能系數(shù)，我們這里不加證明的給出，系統(tǒng)的H2性能系數(shù)即為系統(tǒng)在白噪聲信號(hào)輸入激勵(lì)下的穩(wěn)態(tài)輸出方差[11]。本文中飛機(jī)飛行外界干擾假設(shè)全部由風(fēng)擾動(dòng)產(chǎn)生，并利用方差給定的白噪聲模擬。由此，可以通過抑制系統(tǒng)的H2性能系數(shù)保證系統(tǒng)在風(fēng)擾動(dòng)下的狀態(tài)穩(wěn)定性。 給定標(biāo)量，對(duì)式(14)、(15)描述的系統(tǒng)，若存在對(duì)稱正定矩陣，及，對(duì)于 (18) (19) (20)存在一組可行解，，，則為系統(tǒng)狀態(tài)反饋增益，為系統(tǒng)一個(gè)狀態(tài)反饋H2控制率[12]，此時(shí)，系統(tǒng)的H2性能系數(shù)即為。由此，設(shè)計(jì)系統(tǒng)的最優(yōu)H2反饋控制器即等價(jià)于優(yōu)化問題：S.T.式(18) 式(19) 式(20)對(duì)應(yīng)即為系統(tǒng)狀態(tài)最優(yōu)反饋增益，為最優(yōu)狀態(tài)反饋H2控制律[12]。 式(18)-(20)中，、陣對(duì)應(yīng)系統(tǒng)監(jiān)控輸出，我們?cè)O(shè)定，，即僅監(jiān)控系統(tǒng)狀態(tài)量，并對(duì)振蕩較為劇烈的、適度放大(10倍)。表征外界風(fēng)擾動(dòng)輸入，由標(biāo)準(zhǔn)差為的白噪聲模擬；習(xí)慣上，我們選擇標(biāo)準(zhǔn)差為1的白噪聲，則有，表征中等程度風(fēng)擾動(dòng)。 求解式(18)-(20)還需已知及。對(duì)比式(14)及式(1)-(4)，可知、僅由系統(tǒng)初始狀態(tài)點(diǎn)及系統(tǒng)飛行控制參數(shù)決定。初始狀態(tài)點(diǎn)選擇為；而對(duì)于，通過前文提到的參數(shù)識(shí)別及神經(jīng)網(wǎng)絡(luò)檢測(cè)，可以在線較為準(zhǔn)確地檢測(cè)分析飛機(jī)結(jié)冰嚴(yán)重程度，進(jìn)而可由式(5)確定值。另外，注意到無論飛機(jī)結(jié)冰與否，通過前文介紹的方法，均可較為準(zhǔn)確地確定飛行控制參數(shù)，因而不論是對(duì)無冰或是結(jié)冰飛機(jī)，均可利用本節(jié)介紹的方法計(jì)算系統(tǒng)H2重構(gòu)控制率，設(shè)計(jì)增穩(wěn)控制器。4.3容冰增穩(wěn)控制器仿真結(jié)果圖7無冰飛機(jī)增穩(wěn)控制前后仿真對(duì)比圖8結(jié)冰飛機(jī)增穩(wěn)控制前后仿真對(duì)比 圖7及圖8分別為無冰、結(jié)冰飛機(jī)在H2重構(gòu)前(nominalcontrol)及重構(gòu)增穩(wěn)后(reconfiguredcontrol)仿真結(jié)果對(duì)比。顯然使用增穩(wěn)控制技術(shù)后，系統(tǒng)狀態(tài)振蕩被很好地抑制在0值附近，系統(tǒng)偏離初始狀態(tài)點(diǎn)很小。300秒時(shí)間內(nèi)，系統(tǒng)穩(wěn)定性能良好，增穩(wěn)控制器可以在較長(zhǎng)的時(shí)間尺度上較好地實(shí)現(xiàn)狀態(tài)的穩(wěn)定由于篇幅所限，本文中僅討論了由于篇幅所限，本文中僅討論了及兩種情形增穩(wěn)控制仿真結(jié)果；事實(shí)上，增穩(wěn)控制器對(duì)這兩種極端情形均有效，我們有理由相信，對(duì)于處在二者之間的結(jié)冰其他等級(jí)，控制器也可有效工作。

分析總結(jié) 本文主要介紹了飛機(jī)平尾結(jié)冰定量檢測(cè)方法及飛機(jī)容冰縱向增穩(wěn)控制器的設(shè)計(jì)。通過參數(shù)識(shí)別算法及神經(jīng)網(wǎng)絡(luò)檢測(cè)，可以比較準(zhǔn)確地定量分析飛機(jī)平尾結(jié)冰嚴(yán)重程度，對(duì)無冰、結(jié)冰飛機(jī)均可確定飛機(jī)飛行控制參數(shù)；在此基礎(chǔ)上，通過H2狀態(tài)反饋控制技術(shù)設(shè)計(jì)飛機(jī)的縱向增穩(wěn)控制器，仿真結(jié)果顯示對(duì)于無冰飛機(jī)和結(jié)冰飛機(jī)兩種情形，控制器在較長(zhǎng)時(shí)間尺度上均可有效抑制狀態(tài)振蕩，有效保持飛行穩(wěn)定性。在仿真層面上，本文介紹的容冰增穩(wěn)控制器的設(shè)計(jì)思路是可行的。 進(jìn)一步的研究工作可在如下兩方面進(jìn)行：進(jìn)一步細(xì)化飛機(jī)飛行動(dòng)力學(xué)模型，包括外界擾動(dòng)的模擬及飛機(jī)結(jié)冰嚴(yán)重程度模型；對(duì)飛機(jī)其他位置如機(jī)翼、機(jī)頭等處的結(jié)冰進(jìn)行進(jìn)一步的分析。

參考文獻(xiàn)論文：[1]JudithFossVanZante,ThomasP.Ratvasky,InvestigationofDynamicFlightManeuversWithanIcedTailplane[R].Proceedingsofthe37thAerospaceSciencesMeetingandExhibit,numberNASA/TM-1999-208849orAIAA-99-0371,Reno,Nevada,Jan[2]RichardJ.Ranaudo,ThomasP.Ratvasky,JudithFossVanZante,FlyingQualitiesEvaluationofaCommuterAircraftWithanIceContaminatedTailplane[R].ProceedingsoftheGeneralAviationTechnologyConferenceandExposition(GATC),numberNASA/TM-2000-210356,SAE2000-01-1676,Wichita,[3]鐘長(zhǎng)生，杜亮，洪冠新，飛機(jī)結(jié)冰引起的飛行動(dòng)力學(xué)問題探討[J]，飛行力學(xué)，2004，22(3)：64-68[4]ProfM.Bragg,ProfT.Basar,ProfW.R.PerkinsandProfT.Basareth,SmartIcingSystemsNASARe