1引言

迎角保护功能是当代先进民用飞机广泛采用的一种主动控制技术，例如空客的A320系列［1］，A340，A380系列和波音的B777、B787等，都具有良好的迎角保护功能，这就减轻了驾驶员的工作负担，实现了从起飞到降落全过程驾驶员的“无忧虑”操纵，大大提高了飞机的安全性。在我国大型客机研制过程中采用迎角保护功能技术，符合民航客机发展对安全性、经济性、舒适性和环保性等方面日益迫切的需求。早期的飞机由于飞行包线小，机动性较差，设计时常采用一种硬限制的设计方法，但该方法驾驶杆操纵位移存在空行程。随着现代先进飞机飞行包线的扩大和对飞机性能要求的进一步提高，硬限制的设计方法已不适用。采用软保护的设计思路，即迎角和杆力的关系是单级或多级折线，可以消除空行程的影响，提高操纵品质。在设计迎角保护控制器时，当控制结构确定后，其性能优劣取决于所设计的控制器中参数的取值。针对大量参数的整定，利用某种优化方法，按照合适的寻优策略，自动寻找最优的控制器参数，使系统处于最优状态。免疫粒子群优化算法是一种改进的粒子群算法，该算法不仅具有基本粒子群算法简单易实现，收敛速度快的优点，还克服了其易陷入局部最优点的缺点。因此本文提出了一种针对大迎角的软保护设计方法，并利用参考模型将免疫粒子群算法应用到所设计控制器的参数优化中。结果验证了该设计方案的可行性和有效性。

2问题描述

飞机藉助于迎角才能产生升力，当迎角较小时，全机的升力在一定范围内随着迎角的增加而增加;然而当迎角增加到一定值αmax以后，升力不仅不增加反而减小。图1为飞机在定常平飞时的受力图，可知，在垂直方向的受力平衡为当迎角增大时，升力也随之增大，因此在一定范围内式(1)依然满足，但是当迎角超过αmax后，随着升力的减小，必然出现G＞Lcosα+T'，此时垂直方向受力已不平衡，将使飞机发生抖振甚至失速、尾旋、失控，最终可能导致严重的灾难。针对这一问题，现代飞行控制系统均采用迎角保护控制器实现对迎角的边界保护，使飞机的飞行迎角自动地被限制在规定的包线范围内，实现飞行员所期望的“无忧虑操纵”，从而既可充分发挥飞机的机动性能，又可以保证飞行员与飞机的安全。迎角保护控制器的设计有硬限制和软保护等方法［2－6］，硬限制迎角保护的原理如图2所示，可以看出，硬限制中驾驶杆操纵位移存在空行程，其单一的指令迎角梯度KL使硬保护特性在驾驶杆操纵位移为dz1时，飞机迎角己经达到限制边界αlim，随着操纵位移增加到dzmax，迎角仍保持不变;而在反向操纵到dz1时，飞机迎角依然没有响应，迎角与操纵位移的关系如式(2)所示。飞行员在操纵飞机时不期望出现这种空行程操纵特性，并且随着现代飞机对飞行性能要求的进一步提高，硬限制的设计方法已不适用，需要一种新的设计方法，消除空行程的影响，提高操纵品质。因此，本文采用软保护原理设计迎角控制器，令迎角和杆力的关系是多梯度折线，如图3所示，软保护通过多梯度设计消除空行程，随着操纵位移逐渐增加到dzmax，迎角也逐渐增加到限制边界αlim，从而克服了硬限制的缺点。

3迎角保护控制器设计

本文基于软保护的控制原理，设计了一种迎角/C*指令前馈－无差的迎角保护控制器方案，其结构框图如图4所示，系统的内环控制通过反馈俯仰角速率q和法向过载Nz的混合信号实现增稳控制来获得满意的飞行品质，通过控制法向过载Nz提高短周期稳定性，改善操纵性;引入俯仰角速率q反馈改善动态特性，提高短周期阻尼比。C*指令通过俯仰角速率q和法向过载Nz的组合，不仅改善短周期的运动品质，而且可以有效地分离长、短周期的运动频率，获得较高控制精度，有利于驾驶员精确的控制航迹。迎角指令通过比较实际迎角和告警迎角的差值进行控制，当传感器检测到实际迎角超过告警迎角αwarning后，系统告警，控制器开始从C*控制向迎角控制过渡，当实际迎角超过αprot时，迎角控制指令通道完全实现系统的迎角保护。令δf、δi1分别表示杆指令环节的前馈控制输出信号和积分输出信号，δpi、δi2分别表示迎角保护环节PI控制输出信号和积分输出信号，Nz为法向过载反馈信号，q为俯仰角速度反馈信号。采用加权圆滑过渡方式，可得升降舵的偏转指令为这样，在αwarning＜α＜αprot范围内，控制系统是一个平滑切换的过程，此时的静态特性是在既考虑到法向过载信号，也考虑到迎角信号的基础上形成的。并且此时的静态操纵特性由式(4)决定。

4基于IM－PSO的迎角保护控制器优化设计

4．1免疫粒子群算法粒子群优化算法(ParticleSwarmOptimization，PSO)是在1995年由Kennedy博士和Eberhart博士等人提出的一种基于种群搜索策略的随机全局优化的进化计算方法，是从对群体智能和动物觅食行为的模拟中得到的启发，具有算法简单、寻优能力强，易于实现等特点［7］。PSO算法在寻优的初期有较快的收敛速度，但是在寻优的后期存在容易陷入局部最优点的缺点，达不到足够的精度。因此为了提高全局搜索能力，将免疫(Immune)算法［8］中的浓度概念引入粒子群算法中，对低浓度的粒子进行促进，对高浓度的粒子进行抑制，进而保持了粒子的多样性，克服了基本粒子群算法容易陷入局部最优的缺点。免疫粒子群算法(IM－PSO)首先初始化一群随机粒子，然后迭代来寻到最优解，包括粒子位置和速度。每一次迭代，粒子通过跟踪粒子本身的最优解和群体最优解来更新自己。粒子在找到上述的两个极值后，根据式(5)式(6)来更新粒子的位置和速度:

4．2基于IM－PSO的迎角保护控制器优化由于迎角保护控制器的参数和系统所期望的响应之间不存在明显的映射关系，所以选择合适的目标函数是使用IM－PSO算法优化控制器参数的一个难点。本文采用了一种图5中，R为控制器输入信号，|E|为参考模型输出ym与实际飞机输出响应y之差的绝对值，|E|的积分就作为目标函数，当飞机的实际信号输出y与参考模型输出ym存在偏差时，免疫粒子群算法程序根据偏差的大小自动调整控制器参数，直到两输出的偏差小于设定值时为止，此时控制器参数就是优化所得的结果。

5数字仿真及分析

以某大型民用飞机纵向运动为例，线性模型如式(10)所示，x?=Ax+Bu{y=Cx(10)式(10)中，状态向量x=[αq]，其中α是迎角，q为俯仰角速度。输入向量u=[δeδ]T，δe为升降舵偏转角，δT为油门杆操纵量，控制指令均取驾驶员向后拉满杆。本文设计的迎角保护控制器中待优化的参数为kNz、kq、kNzi、kqi、kα1、kα2、kα3，分别采用IM－PSO算法和PSO算法对上述7个参数进行优化，取状态1:巡航(H=12000m，Ma=0．85)和状态2:低速飞行(H=500m，Ma=0．25)为例进行仿真验证。其中，巡航时，最大迎角为9°，最大过载变量为1．5g;低速时，最大迎角为20°，最大过载增量为0．82g。采用IM－PSO算法优化后的参数为:巡航和低速飞行时迎角和过载的响应曲线分别如图6、图7、图8和图9所示。图中实线为基于IM－PSO算法的响应曲线，点虚线为基于PSO算法的响应曲线。从图中可以看出，本文所设计的迎角保护控制器采用两种优化算法都实现了对迎角的限制，实际迎角都未超出最大的保护迎角。但基于基本粒子群算法的控制器，迎角和过载的响应均不同程度出现了控制误差，响应曲线并不平滑，而且调节时间相对较长(巡航状态t1=5．6s，低速状态t2=12．9s)，使系统具有较差的动态特性，不满足模型飞机的性能要求。与此相比，基于免疫粒子群算法的控制器，迎角和过载的响应均很快地达到了稳定(巡航状态t＇1=4．3s，低速状态t2＇=7s)，响应曲线平滑，无超调，完全控制在设定的最大保护迎角和最大过载内，控制效果明显优于基本粒子群算法控制器，满足飞行品质规范GJB185－86中的要求。也充分说明基于免疫粒子群算法的迎角保护控制器具有良好的动态性能和指令跟踪能力，能有效地实现迎角保护功能。

6结论

本文设计了一种大型民用飞机迎角保护控制器，引入免疫粒子群算法对控制器参数进行了优化整合。仿真结果表明，基于免疫粒子群算法所设计的迎角保护控制器，克服了基本粒子群算法存在的局部寻优缺点，较大地提高了控制器参数的设计效率和对飞机的控制精度，达到了优良的控制效果，实现了飞机的“无忧虑”操纵。

编辑提示，此文是论文格式网为朋友们总结并提醒职称及职称考试的相关事项。希望对朋友们有所帮助。