文章导读

仿生智能算法作为目前应用极为广泛的优化方法，在众多的工程技术领域得到了应用。来自南京航空航天大学高亚东副教授团队在 Applied Sciences 期刊发表了文章，对直升机独立桨叶控制技术 (Individual Blade Control, IBC) 进行了研究。作为被控制对象的直升机气弹动力学模型具有非常复杂的非线性特征。作者采用了两种控制策略，其一是将传统的 PID 控制器与模糊神经网络相结合进行优化，其二是利用粒子群优化算法直接进行优化。结果表明，两种方法均具有较高的效率和准确性；与不加高次谐波的情况相比，该算法的振动等级降低了 80%。这表明仿生智能算法在解决复杂非线性系统问题方面具有广阔的应用前景。

问题描述

图1. 直升机独立桨叶控制示意图 (IBC)。

直升机独立桨叶控制 (IBC) 旨在降低旋翼振动，提高飞行性能 (图1)。由于实验成本巨大，研究人员一直采用理论模型来计算旋翼上载荷。在此过程中采用的旋翼气动弹性动力学模型是一个复杂的非线性多变量系统，没有明确的传递函数。传统的控制方法 (如经典的 PID 控制) 已不再适用于这种情况。直升机气弹动力学模型由两部分组成，分别是动态入流模型和 Leishman-Beddoes 非定常气动模型。本文基于 Hodges 中等变形梁理论和哈密尔顿能量变分原理，推导出弹性桨叶挥舞、摆振、扭转和拉伸的旋翼动力学模型。对于旋翼气动载荷计算，本文建立基于动态入流模型和 Leishman-Beddoes 非定常气动模型的旋翼气动响应模型。算例验证表明，本文所建立的旋翼动力学模型和气动响应模型具有一定的准确性。

模型建立

本文提出了两种基于仿生智能算法的控制策略 (图2、图3)。

方法1：将模糊神经网络和传统 PID 控制结合在一起，作为控制器来对气弹动力学模型进行控制。

图2. 模糊神经网络与传统 PID 控制相结合的优化方法。

方法2：直接将粒子群优化算法作为控制器来对气弹动力学模型进行控制。

图3. 粒子群优化算法。

模拟仿真

通过验证桨尖挥舞系数和升力系数是否稳定来验证模型的有效性。

图4. 桨尖挥舞系数。

图5. 升力系数。

结论

二阶谐波的正弦分量设为 0，系统的输入为二阶谐波余弦分量的增量，输出为旋翼垂向力 3/rev 分量，预期输出设为初始振动值的 20% (图6)。

旋翼轮毂上 3/rev 的垂向力呈减小趋势，整个过程中没有明显的激励。当第 40 次控制计算完成时，垂向力达到预定值。研究表明，模糊神经网络 PID 方法对非线性复杂系统的优化有很好的效果。

图6. 采用模糊神经网络结合 PID 控制的优化过程。

图7. 采用粒子群算法的优化过程。

在以往的研究中，采用传统的控制方法来处理复杂的动力学问题，总是面临着控制参数难以确定、收敛速度慢等困难。本文采用一些新的算法对该问题进行了求解，得到了较为理想的结果。计算结果表明，与不加高次谐波处理相比，振动等级降低了 80%。

本文研究的直升机隔离旋翼在飞行过程中往往处于稳定的前飞状态，但在飞行过程中经常遇到机动飞行和侧风等不稳定状态。如何在这种情况下研究这个问题仍然值得探讨。同时，二阶以上谐波也可应用于实际控制过程中。当控制参数数量增加时，该方法是否仍然有效值得研究。本文的研究结果为直升机 IBC 技术在工程上的应用提供了理论依据。

原文出自 Applied Sciences 期刊

Gao, Y.; Huang, D.; Yu, X.; Zhang, H. Bionic Intelligent Algorithms Used in Helicopter Individual Blade Control Optimization. Appl. Sci. 2022, 12, 4392. 

Applied Sciences 期刊介绍

主编：Takayoshi Kobayashi, The University of Electro-Communications, Japan

期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。

2021 Impact Factor：2.838

2021 CiteScore：3.7

Time to First Decision：16 Days

Time to Publication：37 Days