NO303600B1 - Styresystem, sµrlig for fly - Google Patents

Description

Denne oppfinnelse angår et styre- eller reguleringssystem, særlig for fly, dvs. det som gjerne går under benevnelsene flyregulator, autopilot eller "controller".

I kjente reguleringssystemer bestemmes tilstandsstørrelser som man kan sammenfatte til en vektor. Det foreligger forskjellige innstillings- eller pådragsstørrelser som likeledes kan sammen-fattes til en vektor. Hver av disse tilstandsstørrelser er sammen-koplet med eller tilordnet de forskjellige pådragsstørrelser via passende faktorer.

Disse kjente reguleringssystemer eller fremgangsmåter for regulering går gjerne ut fra en lineær modell av den aktuelle "reguleringsstrekning" (tysk: Regelstrecke) eller objektområde som representerer det objekt som reguleringen skal utføres på. Obj ektområder er imidlertid vanligvis høyst ulineære, og eksempler på slike er nettopp fly eller luftfartøyer generelt. Reguleringssystemer eller regulatorer for fly kan derfor oftest ikke optimalt tilpasses et luftfartøys behov for dynamisk regulering.

Fra tidsskriftet IEEE Trans. Neural Networks, bind 1, nr. 1, 3/1990, s. 4 - 27 kjenner man en reguleringskrets fra artikkelen av K.S. Narenda, med tittel: "Identification and control of dynamical systems using neural networks", hvor et nevralsimulerende elektronisk nettverk settes inn som en styremekanisme i et reguleringssystem.

Videre kjennes fra tidsskriftet Proe. 1999 IEEE International Conference Systems, MAN, Cybernetics, Los Angeles, USA, 11. april 1990, s. 29 - 31, med en artikkel "Learning tracking controller for unknown dynamical systems using neural networks" av M.S. Lan, en reguleringskrets som er bygget opp på tilsvarende måte som i artikkelen av Narenda ovenfor, og hvor reguleringen skjer ved hjelp av en styreenhet som er bygget opp analogt med et biologisk nevralt nett.

Endelig fremgår av tidsskriftet VDI Berichte Nr. 897, VDI Verlag, 1991, s. 27 - 54, i en artikkel av H. Tolle: "Lernende Reglung flir die Automatisierungstechnik" hvordan en reguleringskrets benevnt "Lernas" utnytter en såkalt predikativ prosessmodell for læring under regulering og tilpasning til også ulineære reguleringsobj ekter.

Reguleringskretser og -systemer av denne kjente type er imidlertid ikke altid så velegnet for regulering innenfor flyteknikk, siden bl.a. de såkalte predikative prosessmodeller er trinnvis oppbygget, slik at prosessen utføres ved at "læringen" utføres under selve reguleringen. Under aktiv flyging ville en slik regulator ikke være rask nok, og et luftfartøy som var utstyrt med en slik reguleringskrets ville forlengst kunne være havarert hvis en læreprosess måtte gjennomgås for å unngå en viss kritisk situasjon. Reguleringssystemer av denne type egner seg imidlertid for dynamiske prosesser som bare er tilstrekkelig langsomme, f .eks. innenfor kjemiindustrien.

På denne bakgrunn er det et mål med den foreliggende oppfinnelse å komme frem til et reguleringssystem som optimalt kan tilpasses objektområder som også representerer meget ulineære dynamiske forhold.

Dette mål anses oppnådd med oppfinnelsens styre- eller reguleringssystem, særlig en flyregulator i form av en autopilot slik det fremgår av patentkrav 1 på side 9, nemlig med: (a) et nettverk hvis struktur er bygget opp analogt med et nervevev med nevroner og som i likhet med dette også kan endres ved hjelp av læreprosesser, hvilket nettverk er utformet som en dynamisk prosessmodell av et objektområde og ved et vilkårlig aktuelt takttrinn er koplet til: vektorer for tilstandsstørrelser for objektområdet og tilordnet det aktuelle takttrinn og tidligere takttrinn, såvel som

vektorer for pådragsstørrelser som virker på obj ektområdet og som likeledes er tilordnet det aktuelle

takttrinn og tidligere takttrinn, og

(b) et optimaliseringsnettverk.

Systemet er særlig kjennetegnet ved at

(c) nettverket har gitte vektfaktorer som ved de foregående endringer som følge av læreprosesser tilsvarer den dynamiske prosessmodell av objektområdet, og frembringer vektorielle estimatverdier for vektorene for obj ektområdet s tilstands-størrelser, tilordnet en rekke forventede fremtidige takttrinn, idet det er anordnet (d) kretser for å danne forskjellen mellom tilstandsvektorene for de fremtidige takttrinn og referanseverdier for de samme trinn, og at (e) optimaliseringsnettverket også er bygget opp tilsvarende et nervevev med nevroner, har gitte vektfaktorer som ved de foregående endringer som følge av læreprosesser tilsvarer det inverse av den dynamiske prosessmodell av objektområdet, er underlagt forskjellen mellom tilstandsvektorene for de fremtidige takttrinn og referanseverdier for de samme trinn, og frembringer vektorer for pådragsstørrelser for de fremtidige takttrinn, idet det er anordnet (f) kretser for tilpasset og forsinket tilordning av en av vektorene for pådragsstørrelsene som gjelder et fremtidig takttrinn, som den aktuelle vektor for pådragsstørrelsen for objektområdet .

Ifølge oppfinnelsen etableres altså et nervevevliknende nettverk som i fagspråket for enkelhets skyld ofte direkte er kalt nevralnettverk, for fremstilling av en modell av den aktuelle "reguleringsstrekning" eller det som i denne forbindelse like gjerne kan kalles objektområde. Det som kjennetegner et slikt nettverk er for det første dets oppbygging med en struktur som likner levende organismers nervevev, og i tillegg kan bestemte logiske følger etableres i en form for "læreprosess". I dette tilfelle utføres en slik læreprosess slik at nettverket på riktig måte gjengir overføringsresponsen gjennom objektområdet og som for eksempel kan representere et fly. Ved dette forutsettes at nettverket som inngangsstørrelser ikke bare får den aktuelle vektor for tilstandsstørrelsene, men også de tilstandsstørrelsesvektorer som blir fastlagt i de L foregående aktuelle takttrinn i et takttilordnet tidsforløp. Dessuten foreligger på inngangene av nettverket de vektorer som representerer pådragsstørrelsene for objektområdet ved de samme L foregående takttrinn. Endelig er det fordelaktig hvis også de pådragsstørrelser som blir tilordnet de deretter følgende N takttrinn i forhold til det aktuelle takttrinn, dvs. de størrelser som vil opptre i fremtiden, også inngår som inngangs- eller pådragsstørrelser til obj ektområdet. Ut fra disse størrelser frembringer nettverket ved hjelp av en slags ekstrapola-sjon estimatverdier for de N vektorer for tilstandsstørrelsene som vil fremkomme i de N følgende takttrinn i forhold til det aktuelle takttrinn. Disse estimatverdier sammenliknes deretter med de nominelle eller kommanderte tilstandsstørrelsesvektorer for de samme takttrinn, og en eventuell forskjell fremkommer som

en styreparameter.

Forskjellen føres til et særskilt optimaliseringsnettverk som også er bygget opp som et lærbart nevralsimulerende nettverk og frembringer den inverse modell av obj ektområdet, ved at nettverkets innganger får tilstandsstørrelser, mens dets utganger får de tilhørende pådragsstørrelser. Det er særdeles vanskelig å beregne den inverse av et objektområdes overføringsfunksjon, spesielt når denne og dens modell fremviser ulineære dynamiske karakteristika. Det har imidlertid vist seg at man ved å benytte nettverk som gjennomgår en passende læreprosess også kan fremstille et objektområde innenfor et reguleringssystem selv om dette område har ulineære dynamiske egenskaper, og det er likeledes på denne måte mulig å frembringe en invers modell i praksis.

Ut fra de pådragsstørrelsesvektorer som foreligger på utgangene av optimaliseringsnettverket leverer én av vektorene, for eksempel den som er tilordnet det etterfølgende takttrinn etter det aktuelle, den pådragsstørrelsesvektor som tilkoples obj ektområdet. Siden det er optimaliseringsnettverket som frembringer de forventede referanseverdier for de fremtidige takttrinn blir vektoren før tilkoplingen forsinket for eksempel én takttids-periode.

Nærmere enkeltheter ved oppfinnelsen vil fremgå av de etterfølgende uselvstendige patentkrav.

Et utførelseseksempel for oppfinnelsen skal nå beskrives med henvisning til de tilhørende tegninger, hvor fig. 1 viser et skjematisk blokkdiagram av et flyreguleringssystem bygget opp som et nevralnettverk, fig. 2 viser et detaljblokkskjerna av reguleringssystemet, fig. 3 illustrerer læreprosessen for å bringe reguleringssystemets nettverk til å tilsvare den dynamiske modell for det objektområde som flyet under regulering skal representere, og fig. 4 illustrerer læreprosessen for et underordnet nettverk i form av et optimaliseringsnettverk innenfor reguleringssystemet.

På fig. 1 er det objektområde 10 som gjelder regulerings-objektet vist som den øverste blokk, og fig. 1 indikerer at et fly er selve objektet hvis bevegelser skal underlegges regulering. Objektområdet 10 genererer tilstandsstørrelser som opptas og videreføres av sensorer 12 vist til høyre i objektområdeblokken. Slike tilstandsstørrelser kan for eksempel være vinkelhastigheter, akselerasjoner, asimutvinkel, hellingsvinkel, flyhastighet, drivkraft etc. Tilstandsstørrelsene er i fig. 1 sammenfattet til en vektor x(k). Signalene i reguleringssystemet avtastes eller samples med en bestemt gitt takt som kjennetegnes med "k", idet det med denne bokstav forstås det løpende nummer for den aktuelle taktfølge. "k" kan også forstås som et takttrinn. Objektområdet 10 mottar innstillings- eller pådragsstørrelser eller -signaler til en inngang 14. Pådragssignalene er på figuren sammenfattet til en vektor u(k). Disse signaler kan representere høyde-, tverr-og siderorvinkler, drivkraft, flappvinkler etc. Også pådragssignalene u arbeider synkront med reguleringssystemets basistakt.

Systemet omfatter et nettverk 16 som fremstiller en dynamisk modell av objektområdet 10 og kan programmeres eller "læres" slik at det gjengir de dynamiske forhold av obj ektområdet 10 nøyaktig, også når dette er kraftig ulineært. I praksis kan vises at dette er mulig.

Til det dynamiske reguleringsnettverks 16 innganger 18 føres ikke bare den aktuelle vektor x(k) som ved takttrinnet k kopler om tilstandsstørrelsene fra sensorene 12, men også vektorene for tilstandsstørrelser som er tilordnet de foregående takttrinn k-1, k-2,...k-L. Dette er altså vektorer for tilstandsstørrelser som i disse tidligere takttrinn har blitt overført fra sensorene 12 og videreført ved avtasting. For dette formål blir de avtastede eller samplede tilstandsstørrelser forsinket 1, 2,...L takttrinn i et forsinkelsesledd 20 og deretter ved et bestemt takttrinn lagret i et lager 22.

På ytterligere innganger 24 på det dynamiske reguleringsnettverk 16 er også den aktuelle vektor u(k) for pådragsstørrelsene tilført, idet denne ved takttrinnet k foreligger på inngangen 14, samt de pådragsstørrelser som var tilordnet de tidligere takttrinn k-1, k-2,...k-N når disse trinn forelå på inngangen 14. For dette formål forsinkes disse størrelser parallelt i forsinkelsesledd 26 ett eller flere takttrinn og blir deretter ved et bestemt trinn lagret i et lager 28.

Nettverket 16 frembringer estimatverdier eller antatte verdier for de tilstandsstørrelser som kan forventes i det etter-følgende takttrinn (k+1), dvs. i den nære fremtid, samtidig som egenskapene for objektområdet 10 blir tatt hensyn til. Dette er på en måte en form for ekstrapolering. De fremkomne estimatverdier sammenliknes deretter med referanse- eller nominellverdier for tilstandsstørrelsene, og i kretser 30 som danner et "summasjons-punkt" eller differanseledd fremkommer forskjellen mellom estimatverdiene x(k+l) og referanseverdiene.

Forskjellen, i form av et differansesignal videreføres til et optimaliseringsnettverk 32 som også er utført som et nevralnettverk og er programmert eller "opplært" slik at dets overføringsfunksjon er den inverse av objektområdet 10, idet differansesignalet som føres inn til nettverkets inngang 34 og inneholder vektorer for tilstandsstørrelser og referansestørrelser gir på nettverkets utgang 36 den tilhørende vektor for pådragsstør-relsen u(k+l) som nettopp kompenserer for avviket i obj ektområdet 10 mellom tilstands- og referansestørrelsene.

Vektoren u(k+l) inneholder i hvert fortløpende takttrinn k de pådragsstørrelser som skal tilkoples obj ektområdet under det neste takttrinn k+1. Vektoren for pådragsstørrelsen blir derfor forsinket i et forsinkelsesledd 38 før tilkoplingen til objektområdets 10 inngang 14, slik at istedet vektoren u(k) presenteres på inngangen 14.

På fig. 2 er reguleringssystemet i henhold til fig. 1 vist i nærmere detalj, og tilsvarende elementer har samme henvis-ningstall som på fig. 1.

Vektoren for tilstandsstørrelsen x(k) og som overføres fra sensorene 12 på utgangen av objektområdet 10 forsinkes i et første forsinkelsesledd 20.1 ett takttrinn. Når x(k) er den aktuelle vektor for tilstandsstørrelsen fremkommer etter forsink-elsesleddet vektoren x(k-l) for den tilstandsstørrelse som ble bestemt og samplet i det foregående takttrinn. En følge av ytterligere (ikke viste) forsinkelsesledd, koplet i kaskade og slik at hvert ledd gir en forsinkelse på ett ytterligere takttrinn, gir de tilhørende vektorer for tilstandsstørrelsene x(k-2), x(k-3), x(k-4),..., helt til et siste (og vist) forsinkelsesledd 20. L som frembringer vektoren for tilstandsstørrelsen x(k-L). De således etablerte vektorer for tilstandsstørrelsen x(k), x(k-l), ...x(k-L) tilkoples inngangene 18 på det dynamiske reguleringsnettverk 16.

Til inngangen 14 på objektområdet 10 er i det aktuelle takttrinn vektoren for pådragsstørrelsen u(k) tilkoplet, og denne vektor blir således en "inngangsvektor" for obj ektområdet. På samme måte som for tilstandsstørrelsene blir også pådragsstørrelses-vektorene u forsinket i forsinkelsesledd 26.1-26.L i forhold til

f

takttrinnet k, med unntak av den aktuelle vektor u(k), slik at vektorene u(k-l), u(k-2),...u(k-L) for de pådragsstørrelser som forelå i de foregående takttrinn blir ført til inngangene 24 på nettverket 16.

Utover dette mottar nettverket 16 på innganger 40 vektorer for pådragsstørrelsene u(k+l), u(k+2), ...u(k+N) som for de deretter følgende N takttrinn ankommer til inngangen 14 av objektområdet 10, og disse størrelser kommer fra optimaliseringsnettverket 32.

Fra de inngående vektorer for tilstands- og pådragsstør-relser frembringer nettverket 16 estimatverdier for de tilstands-størrelser som kan forventes i de N påfølgende takttrinn k+1, k+2,...k+N. Disse estimatverdier: x(k+l), x(k+2 ),...x(k+N) blir deretter sammenliknet i differanseledd 30.1, 30,2,...30.N med referanseverdiene xD(k+l), xD(k+2), ...xD(k+N) for de fremtidige takttrinn. Forskjellen mellom estimatverdiene og referanseverdiene dannes på denne måte og føres til innganger 34 på optimaliseringsnettverket 32.

Nettverkets 32 utganger fører de fremtidige vektorer for pådragsstørrelsene u(k+l),...u(k+N) og forsinker den første av disse vektorstørrelser i et forsinkelsesledd 38 ett takttrinn slik at denne vektor fremkommer som en pådragsstørrelsesvektor u(k) på inngangen 14 av objektområdet 10. Dessuten foreligger som omtalt ovenfor vektoren u(k+l) og vektorene u(k+2), ...u(k+N) på inngangene av nettverket 16.

Fig. 2 viser videre et støysignal d som virker på obj ektområdet 10 og er i form av en vektor som angir forskjellig støy-pådrag for de forskjellige tilstandsstørrelser. Reguleringssystemet slik det er illustrert på fig. 2 sørger for at det dannes en estimatverdi d(k) for støyvektoren d for det aktuelle takttrinn k og blir tilført som en korreksjon til differanseleddet 30.1. Dette skjer ved at det i et dif feranseledd 42 frembringes en forskjell mellom den vektor x(k) for tilstandsstørrelsen som i takttrinnet k ble ført ut fra sensorene 12 og samplet, og den aktuelie vektor som representerer dette takttrinn. Denne vektor fremkommer ved at den utgående vektor x(k+l) fra nettverket 16 blir forsinket i et forsinkelsesledd 44 ett takttrinn, idet det derved antas at avviket mellom en målt og en estimert vektor nettopp skyldes støyvektoren d, og at denne støyvektor også er aktuell under det deretter følgende takttrinn k+1. På denne måte blir den forskjell som fremkommer etter differanseleddet 30.1 korrigert med den estimatverdi d(k) som fremkommer i leddet 42 som egentlig er et summeringsledd.

Fig. 3 viser den "dynamiske programmering" eller "læring" som nettverket 16 gjennomgår for å etablere den dynamiske modell for objektområdet 10, idet fig. 3 er en skjematisk avbildning.

Det stiplede rektangel 46 indikerer en innretning som ut fra vektoren u(k) av pådragsstørrelsen i takttrinnet k frembringer vektoren x(k+l) for tilstandsstørrelsen i takttrinn k+1. Man kan tenke seg at vektoren x(k+l) fremkommer som følge av en overføringsfunksjon F[u(k),x(k)] ut fra vektoren u(k) for pådragsstørrelsen og vektoren x(k) for tilstandsstørrelsen i takttrinnet k. Denne overføringsfunksjon er indikert i blokken 48. På utgangen av denne blokk fremkommer vektoren x(k+l) og føres tilbake til inngangen med ett trinns forsinkelse i et forsinkelsesledd 50. Innretningen 46 kan i praksis være det aktuelle objektområde 10 og representere en omfattende, ulineær modell av denne, simulert på en regnemaskin. Innretningen 46 kan imidlertid også være fremstilt ved måledatasett for vektorene u(k), x(k) og x(k+l).

Nettverket 16 får fra innretningen 46 på inngangen bare vektorene u(k), x(k) og skal fra disse frembringe vektoren x(k+l). Først og fremst kan den aktuelt fremkomne vektor x(k+l) avvike temmelig mye fra vektoren x(k+l) fra innretningen 46, og i et summeringsledd 52 frembringes derfor differansen mellom disse to vektorer. I et "læretrinn" som er symbolisert med sløyfen 54 blir vektfaktorene for nettverket 16 variert ifølge en egnet algoritme og i avhengighet av den differanse som fremkommer fra summeringsleddet 52. Dette gjentas deretter med ytterligere vektorer for pådrags- og tilstandsstørrelser i et bestemt takttrinn og vektoren for tilstandsstørrelsen i det derpå følgende takttrinn. I en følge av slike "læretrinn" programmeres nettverket dynamisk eller "læres" den riktige dannelse av vektoren x(k+l) ut fra vektorene u(k) og x(k). Nettverket frembringer således i "opplært" tilstands til hver vektor u(k) og x(k) en estimatverdi for vektoren x(k+l) for de forventede tilstandsstørrelser som hører hjemme i det deretter følgende takttrinn.

Fig. 4 viser hvordan læreprosessen utføres i optimaliseringsnettverket 32. Dette nettverk skal ha en overføringsfunksjon F"<1>, nemlig den inverse av overførings funksjonen F for objektom rådet. Innretningen 46 i henhold til fig. 4 tilsvarer helt innretningen 46 vist på fig. 3 og gjelder på ny samme objektområde 10. Innretningen har i takttrinnet k vektoren u(k) for pådragsstør-relsene og frembringer på utgangen vektoren x(k) for tilstandsstør-relsene for samme takttrinn. Tilstandsstørrelsesvektorene føres til inngangen 34 på nettverket 32, og utgangen fra dette nettverk skulle gi ut en estimatverdi for pådragsstørrelsesvektoren u(k) i takttrinnet k. Dette er imidlertid ikke tilfelle, og derfor frembringes i et summeringsledd 56 forskjellen mellom vektoren u(k) på inngangen av innretningen 46 og estimatverdien i form av vektoren u(k) på utgangen av nettverket 32, indikert som en utgang i en sløyfe 58. Denne utgang føres i påfølgende "læretrinn" tilbake til nettverket 32 på tilsvarende måte som gjennomgått i forbindelse med fig. 4, hvorved dette nettverk til slutt for hver vektor x(k) med tilstrekkelig nøyaktighet frembringer den tilhørende estimatverdi for vektoren u(k) for pådragsstørrelsene.

På denne måte oppnås et optimaliseringsnettverk 32 som får invers dynamikk i forhold til obj ektområdet 10, og nettverket vil derfor kunne inngå i systemet vist på fig. 1 og 2.

Claims (3)

1. Styre- eller reguleringssystem, særlig en flyregulator i form av en autopilot og med: (a) et nettverk (16) hvis struktur er bygget opp analogt med et nervevev med nevroner og som i likhet med dette også kan endres ved hjelp av læreprosesser, hvilket nettverk (16) er utformet som en dynamisk prosessmodell av et objektområde (10) og ved et vilkårlig aktuelt takttrinn er koplet til: vektorer (x) for tilstandsstørrelser for obj ektområdet (10) og tilordnet det aktuelle takttrinn (k) og tidligere takttrinn (k-1, k-2,...), såvel som vektorer (u) for pådragsstørrelser som virker på objektområdet (10) og som likeledes er tilordnet det aktuelle takttrinn (k) og tidligere takttrinn (k-1, k-2, ), og (b) et optimaliseringsnettverk (32), KARAKTERISERT VED at (c) nettverket (16) har gitte vektfaktorer som ved de foregående endringer som følge av læreprosesser tilsvarer den dynamiske prosessmodell av objektområdet (10), og frembringer vektorielle estimatverdier (x) for vektorene (x) for objektområdets (10) tilstands-størrelser, tilordnet en rekke forventede fremtidige takttrinn (k+1, k+2,...), idet det er anordnet (d) kretser (30) for å danne forskjellen mellom tilstands vektorene for de fremtidige takttrinn (k+1, k+2,... ) og referanseverdier for de samme trinn, og at (e) optimaliseringsnettverket (32) også er bygget opp tilsvarende et nervevev med nevroner, har gitte vektfaktorer som ved de foregående endringer som følge av læreprosesser tilsvarer det inverse av den dynamiske prosessmodell av objektområdet (10), er underlagt forskjellen mellom tilstandsvektorene for de fremtidige takttrinn (k+1, k+2,...) og referanseverdier for de samme trinn, og frembringer vektorer [u(k+l)] for pådragsstørrelser for de fremtidige takttrinn (k+1, k+2,... ), idet det er anordnet (f) kretser (38) for tilpasset og forsinket tilordning av en av vektorene [u(k+l)] for pådragsstørrelsene som gjelder et fremtidig takttrinn (k+1), som den aktuelle vektor for pådragsstørrelsen for objektområdet (10).

2. System ifølge krav 1, KARAKTERISERT VED at vektorer [u(k+l),u(k+2),...u(k+N)] for pådragsstørrelser for fremtidige takttrinn (k+l,...k+N) tilføres nettverkets (16) innganger (40).

3. System ifølge krav 1 eller 2, KARAKTERISERT VED: (a) etablering i et summeringsledd (42) av forskjellen mellom vektoren [x(k)] for de aktuelle tilstandsstørrelser som frembringes av sensorene (12 ), og den tilsvarende vektor [x(k+l)] for tilstandsstørrelsene for det deretter følgende takttrinn (k+1), hvilken vektor er frembrakt av nettverket (16) ved ett takttrinns forsinkelse i et forsinkelsesledd (44), av samme vektors [x(k+l)] estimatverdi [x(k+l)], og at (b) denne forskjell føres til et summeringsledd (30.1) som en estimatverdi [d(k)] for en virksom forstyrrelsesvektor (d) for objektområdet (10), idet også forskjellen mellom estimatverdien [x(k+l)] for tilstandsvektoren [x(k+l)] for det neste takttrinn (k+1), og den nominelle referanseverdi [xD(k+l)] for denne fremtidige til-standsvektor [x(k+l)] tilføres summeringsleddet (30.1) hvis utgang derved blir: CxD(k+l)]-[x(k+l)]-[a(k)] .