1、氣動彈性研究的是彈性物體的結(jié)構(gòu)動力學(xué)問題，氣動彈性現(xiàn)象是氣動力、慣性力與彈性體相互作用下產(chǎn)生的。由于結(jié)構(gòu)不是絕對剛度的，具有一定的彈性，當(dāng)來流風(fēng)速到某個(gè)臨界值時(shí)，結(jié)構(gòu)會產(chǎn)生較大的變形，給飛行器帶來致命的破壞。本文研究的氣動彈性系統(tǒng)以二元翼段作為系統(tǒng)模型，具有強(qiáng)結(jié)構(gòu)非線性、多變量、不確定性和操縱面的約束性，采用基于神經(jīng)網(wǎng)絡(luò)的預(yù)測控制方法對非線性氣動彈性系統(tǒng)進(jìn)行控制，使系統(tǒng)的狀態(tài)快速地到達(dá)穩(wěn)態(tài)值。
　　在預(yù)測控制中，預(yù)測模型的精度對控

2、制效果起著至關(guān)重要的作用，針對非線性氣動彈性系統(tǒng)提出了一種新穎的模糊小波神經(jīng)網(wǎng)絡(luò)辨識方法。首先，采用區(qū)間2型模糊邏輯系統(tǒng)和小波神經(jīng)網(wǎng)絡(luò)結(jié)合構(gòu)建模糊小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，能夠較好的逼近具有不確定性的氣動彈性系統(tǒng)參數(shù)；然后，考慮到辨識的快速性和準(zhǔn)確性，系統(tǒng)采用一組模糊 IF-THEN規(guī)則，對模糊后件采用單隱層小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；參數(shù)學(xué)習(xí)采用基于Lyapunov穩(wěn)定性的滑模學(xué)習(xí)算法，保證系統(tǒng)存在參數(shù)不確定的情況下，辨識誤差能更快地收斂，隨后對二元翼

3、段進(jìn)行仿真分析研究，檢驗(yàn)了此辨識方法的有效性。
　　在滾動優(yōu)化步驟中，通過啟發(fā)式高斯粒子群優(yōu)化算法進(jìn)行有約束優(yōu)化。在粒子群的位置初始化時(shí)，引入高斯算子來增強(qiáng)粒子在尋優(yōu)過程中的局部搜索能力。在隨后的粒子位置更新中，將高斯函數(shù)引入到優(yōu)化算法中，使得隨著優(yōu)化的進(jìn)行，逐漸減少粒子位置調(diào)整的幅度，從而保證仿真初期的全局尋優(yōu)能力和后期的逼近效果。
　　最后針對具有結(jié)構(gòu)非線性的二元翼段進(jìn)行數(shù)值仿真，分別研究了系統(tǒng)具有參數(shù)攝動和不同的控制舵