摘? 要: 對現有飛機剎車防滑系統的控制算法進行了改進，采用了神經網絡的BP算法和模糊實時控制，并用數字信號處理器(DSP)在嵌入式系統中實現了神經網絡算法。結果表明，飛機防滑剎車效率有了明顯改進，魯棒性增強。?

　　關鍵詞: 數字信號處理? 飛機剎車系統? 神經網絡? 模糊控制?

?

　　飛機剎車系統是飛機上具有相對獨立功能的子系統，承受飛機的動、靜態載荷及著陸時的動能，實現飛機的制動控制。?

　　從20世紀40年代至今，飛機剎車系統已發展到第四代。第一代飛機剎車系統由離合開關調節壓力來實現剎車控制;第二代用固定參考減速度為誤差門限進行控制;1967年Hydro-Aire公司的第三代飛機剎車系統，以一定的滑移率為誤差門限進行控制;20世紀70年代后，第四代系統用指令傳感器代替液壓閥，采用微處理器，將控制算法通過編程來實現。近年來，國外已著手運用最新控制理論——模糊控制和神經網絡理論研究新一代防滑剎車系統，并成功地利用DC-9飛機的參數進行了仿真。結果表明:新系統具有更高的剎車效率、更好的控制魯棒性。我們也已開始了相應的研究，并成功地進行了軟件仿真，本系統在文獻[5]的基礎上，在硬件上實現了神經網絡和模糊控制，較大程度地提高了飛機剎車效率。?

1 工作原理?

1.1 飛機剎車系統原理?

　　飛機剎車制動主要靠剎車時輪胎和地面間產生的結合力來使飛機減速。影響結合力大小的主要因素是結合系數μ。該系數與滑移量σ之間存在一個復雜的非線性關系，在整個剎車過程中，存在一個最大值μmax，它對應的滑移量為最佳滑移量σp，如圖1所示。?

?

?

　　在整個剎車過程中，飛機速度不斷下降，因此σ也不斷變化，必然引起μ變化。為了達到最佳剎車，應不斷調節剎車力矩，使剎車機輪在結合系數為最大值或者在其附近區域II、III的情況下產生運動。?

　　目前在剎車系統對μ-σ的處理中，μ取為定值，這與實際情況存在較大差異。有文獻采用多級σ值的計算方法來實現μ隨σ變化而變化，但控制效果并不理想。本文采用神經網絡來處理μ-σ的非線性關系，因為根據Kolmogorov神經網絡映射存在以下理論:任何一個給定的連續函數或映射，都能夠用一個三層神經網絡來精確實現。?

　　現有剎車系統根據不同的跑道狀況，由速度反饋單元不斷地對參考速度進行修正，具有一定自適應能力。但當飛機由干路面進入積水路面時，會引起剎車減速率的突變，引起系統和起落架的震動。在本文研制的系統中，按模糊規則來控制系統，系統受路面影響較小，具有較好的魯棒性。?

1.2 神經網絡原理?

　　神經網絡中應用最廣的是多層前向網絡。多層前向網絡應用于具體實時控制問題時，必須有一個訓練網絡權值的算法，應用最廣的是BP算法。這種算法思路簡潔明了，具有自適應、自學習、自組織功能，根據實際訓練樣本不斷實時調節自己的參數，以達到理想輸出的目的。在本系統中即采用BP算法。圖2即為一個典型的三層前向網絡。?

?

?

1.3 模糊控制原理?

　　模糊控制是利用人的智能和經驗，制定一些模糊規則，進行推理，得出控制查詢庫，按查詢庫來控制系統。采用模糊控制，可以有效地克服參數變化對系統造成的不利影響，極大地增強系統的魯棒性。同時避免不精確建模造成的誤差，使系統有效地工作，故近年來獲得越來越廣泛的應用。神經網絡和模糊控制兩者是互補的。簡單地說，神經網絡是模擬人的大腦結構，而模糊控制模擬人的大腦功能，兩者的有機結合可組成性能更好的系統。?

2 系統總體結構?

　　系統根據μ-σ曲線上的μ_max計算出期望的飛機速度及機輪轉速ω_d，與速度傳感器測得的機輪速度ω進行比較，將差值e放大后輸入FC(FUZZY CONTROLLER)控制器中;同時計算出ω_d與ω差值的變化率ec，輸入到FC控制器中，由規則庫給出的知識進行查詢，輸出調節電流，由伺服閥控制剎車壓力，實現模糊剎車。?

　　根據系統的性能要求及實際情況，本系統采用DSP(數字信號處理器)實現神經網絡，用單片機89C52實現模糊控制方案。系統硬件原理圖如圖3所示。伺服控制系統框圖如圖4所示。?

?

?

?

3 系統的實現?

3.1 系統硬件實現方案?

3.1.1 神經網絡部分?

　　核心處理器為DSP，外擴8253來計外部脈沖。 DSP芯片外部接口電壓為3.3V，內部核心電壓為1.8V，采用TI公司的專用電源芯片為DSP提供兩種低壓的電源。神經網絡的權值訓練程序作為DSP的中斷子程序調用(開關觸發)。?

3.1.1.1 存儲器?

　　神經網絡部分需要保存權值與閾值參數，實現在線擦寫，因此采用高速FLASH。本系統采用5V工作的INTEL28F010A，其與DSP間電平轉換通過74LVC16245來進行。?

3.1.1.2 復位電路?

　　在實際應用系統中，可靠性是個不容忽視的問題。自動復位電路除具有上電復位功能外，還具有監視系統運行并在系統發生故障時進行復位的能力，因此采用MAX706實現自動復位電路。?

3.1.2 模糊控制部分?

　　核心處理器為ATMEL公司的89C52芯片，處理完的數字控制信號由AD7528芯片轉換為模擬電流信號輸出。?

3.1.3 雙機通信?

　　系統設計重點之一在于主機和從機間的數據通信。神經網絡與模糊控制之間要求快速高效地通信，采用DSP的HPI主機接口方式。HPI為一個8位并行接口。通過DSP和微處理器都可以訪問到DSP片內為HPI所設的專用存儲器，可在DSP和微處理器之間進行信息交換。DSP處理完信號后，向89C52發出中斷信號，觸發單片機讀取DSP的處理結果以進行模糊控制的處理，形成一條信號處理流水線系統，從而大大提高了信號的處理效率，保證了系統的實時性要求。?

3.2 系統軟件實現方案?

3.2.1 神經網絡部分?

　　網絡訓練程序作為DSP的中斷子程序調用。神經網絡部分處理完數據，將結果傳到HPI接口RAM緩存區，通過HINT管腳向89C52發出中斷信號。主程序流程圖見圖5。?

?

?

　　如前所述，神經網絡部分采用常用的BP算法，其具體的學習步驟如下:?

　　(1)初始化，將各連接權值及閾值賦隨機值;?

　　(2)隨機選取模式，計算各層的輸入和輸出;?

　　(3)計算各層的一般化誤差;?

　　(4)更新各層的閾值及層之間的連接權值;?

　　(5)下一個模式對輸入網絡進行訓練，返回步驟(3)，至全部模式訓練完;?

　　(6)判斷是否需要循環學習。?

　　當整個網絡訓練完后，學習結果記憶在權值和閾值中。?

　　針對BP算法中存在的問題及剎車系統自身的特點，我們進行了改進。?

3.2.1.1 活化函數的選取?

　　在μ-σ曲線中，μ的取值存在著接近0的點，如果選取單極連續的S型函數則接近0或1時收斂速度極慢，所以系統選取雙極連續的S型函數該函數在接近0處斜率最大，收斂最快，解決了網絡的訓練在0點處的收斂速度問題。?

3.2.1.2 初始值的選擇?

　　由于曲線是非線性的，初始值對于學習是否達到局部最小和是否收斂影響很大。初始權值在輸入累加時，每個節點的狀態值接近0，保證開始時不落到活化函數的平坦區上。權值和閾值一般隨機取值，該系統中兩者初始值均取在(-1，+1)之間，對輸入樣本初始值進行歸一化處理，使較大的輸入仍落在活化函數梯度大的區域。?

3.2.1.3 退火系數Q的選擇?

　　系統中加入了動量項，針對學習過程中易引起振蕩的現象，加入退火系數來改變活化函數曲線形狀，以改變接近0處的斜率，即活化函數為從而可通過調節Q值消除振蕩和發散現象。?

3.2.1.4 BOOT設計?

　　TMS320C54X DSP芯片一般都在片內設置有BOOT程序，其作用是開機時將程序從外部裝入內部程序存儲器。DSP芯片有多種BOOT方式，本系統采用8位并口BOOT方式。?

3.2.2 模糊控制部分?

　　89C52收到DSP發的中斷信號時，向DSP的HPI口發出讀信號，讀取DSP的處理結果。由89C52進行查表及反模糊化控制，最終將所得數字結果通過D/A轉換器轉換為所需的模擬電流控制信號。?

　　模糊控制需進行三部分的工作:輸入精確量的模糊化、模糊控制規則的推理合成運算和模糊量的精確化(反模糊化)。在實際應用中，考慮到單片機的特點，力求使其存儲、變換和處理過程簡單、快捷、節省內存，本文采用直接查表法。?

　　查表法可歸納為以下四步的工作:?

　　(1)確定輸入量及輸出量的論域;?

　　(2)根據各論域所分級數n，將e、u變化范圍分為n檔，使每檔與論域的某個元素相對應;?

　　(3)查模糊控制表，得出控制量u，反模糊化;?

　　(4)將控制量u乘以比例因子，施于被控對象。?

　　模糊控制表格的生成是脫機進行的。表格生成后，存入單片機的ROM中，這樣輸入模糊化、模糊推理以及模糊量的精確化過程就可簡化為查模糊控制表來實現。這種控制器結構簡單、響應速度快、資源開支少，適于在單片機上實現。?

4 試驗結果及分析?

　　通過實驗和研究表明:采用新系統后，飛機防滑制動性能明顯提高，制動距離、制動時間均減少。新系統的實驗結果見圖6。表1示出了新系統與原系統的比較結果，可以看出: ?

?

?

?

　　(1)新系統有效縮短滑跑距離，提高剎車效率，在濕跑道、積水跑道上更為明顯;?

　　(2)新系統在各種跑道上的減速率從高速到低速變化均在5%以內，明顯小于原系統(最大達15%)。說明剎車力矩變化平穩;?

　　(3)新系統的減速率在濕跑道和積水跑道均比原系統要大20%左右，干跑道也大6%;?

　　(4)新系統的滑移率σ控制在0.15左右，剎車效能始終保持在最佳狀態;?

　　(5)新系統在各跑道上均未出現抱死現象，也消除了原系統的打滑逐漸加深的現象。?

　　本系統通過應用智能控制領域的神經網絡和模糊控制兩個分支，改進了飛機剎車系統的控制算法，并通過DSP和單片機組成雙機系統，不僅快速實時地實現了新一代飛機剎車系統的性能改進，而且將神經網絡在硬件上實現，使神經網絡等復雜算法不再只是停留在計算機仿真的階段，而是有了切實可行的實現途徑，為其在嵌入式系統中得到廣泛的應用提供了新的方法。該系統的算法已經在微機上實現仿真，并且在硬件上得以實現，提高了原有飛機防滑剎車的效率和控制的魯棒性。?

參考文獻?

1 張雄偉，曹鐵勇.DSP芯片的原理及開發應用.北京:電子工業出版社，2000.9?

2 李 剛.數字信號微處理器的原理及其開發應用.天津:天津大學出版社，2000.4?

3 Amberg R L.Baseline Analog Simulation for Evaluation of Brake Antiskid Systems. AD681955， 1969?

4 Tanner J A，Stubbs S M.Dynamics of Aircraft Antiskid Braking Systems.N818204，1982 ?

5 黃偉明，吳瑞祥，張燮年. 神經網絡及模糊控制在飛機防滑剎車系統中的應用.航空學報，2001;22(4):317～320?