فناوری در مهندسی هوافضا

فناوری در مهندسی هوافضا

طراحی کنترل کننده تطبیقی مدل چندگانه برای اتوپایلوت کانال فراز یک جسم پرنده تحت نامعینی پارامتری

نوع مقاله : علمی پژوهشی

نویسندگان
سعید نیازی 1
علیرضا طلوعی 2
1 دانشجوی دکتری، دانشکده فناوری‌های نوین و مهندسی هوافضا، دانشگاه شهید بهشتی، تهران، ایران
2 دانشیار، دانشکده فناوری‌های نوین و مهندسی هوافضا، دانشگاه شهید بهشتی، تهران، ایران
10.22034/jtae.2026.10.3.4
چکیده
تغییرات پارامترهای پروازی و نامعینی‌های ذاتی سامانه‌های آیرودینامیکی تأثیر چشمگیری بر عملکرد و پایداری خلبان خودکار موشک دارند. هدف این پژوهش، بهبود عملکرد سامانه اتوپایلوت در حضور نامعینی‌های پارامتری و شرایط متغیر پروازی است. در این راستا، روشی مبتنی بر کنترل تطبیقی مدل چندگانه (MMAC) ارائه شده که نوآوری اصلی آن، ترکیب هم‌زمان سازوکار سوئیچینگ و تنظیم تطبیقی در قالب یک بانک مدل است. روش کنترل تظبیقی مدل چندگانه ضمن حفظ پایداری سیستم، امکان انتخاب سریع مدل نزدیک به رفتار واقعی سامانه را فراهم می‌سازد و با به‌روزرسانی لحظه‌ای پارامترهای کنترل، پاسخ سریع‌تر، خطای کمتر و پایداری بالاتری نسبت به روش‌های تطبیقی کلاسیک ایجاد می‌کند. این ساختار به کنترل‌کننده امکان می‌دهد تا با مقایسه لحظه‌ای پاسخ مدل‌ها با رفتار واقعی سیستم، نزدیک‌ترین مدل را به‌صورت خودکار انتخاب و پارامترهای کنترلی را بازتنظیم کند. بدین ترتیب، پایداری سیستم در برابر تغییرات سریع پارامترها و شرایط غیرخطی پرواز به‌طور قابل توجهی افزایش می‌یابد و قابلیت انطباق آن در گستره وسیعی از شرایط عملیاتی حفظ می‌شود. برای ارزیابی عملکرد، روش پیشنهادی در محیط MATLAB/Simulink با کنترل تطبیقی مدل مرجع (MRAC) مقایسه شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با MRAC، زمان نشست را تا حدود ۷۰ درصد کاهش داده، خطای ماندگار را تقریباً به صفر رسانده و مقدار RMSE را بیش از ۵۰ درصد بهبود داده است. این نتایج بیانگر برتری روش طراحی‌شده از نظر سرعت همگرایی، پایداری و دقت ردیابی در شرایط متغیر و مانورهای شدید پروازی است.
کلیدواژه‌ها
سیستم کنترل پرواز
اتوپایلوت موشک
کنترل تطبیقی مدل چندگانه
نامعینی پارامتری
سویچینگ و تنظیم
موضوعات

عنوان مقاله English

Design of a Multiple Model Adaptive Controller for the Pitch Channel Autopilot of an Aerial Vehicle under Parametric Uncertainty

نویسندگان English

Saeid Niazi 1
Alireza Toloei 2
1 Faculty of New Technologies and Aerospace Engineering, Shahid Beheshti University, Tehran, Iran
2 Faculty of New Technologies and Aerospace Engineering, Shahid Beheshti University, Tehran, Iran
چکیده English

Variations in flight parameters and inherent uncertainties in aerodynamic systems have a profound effect on the performance and stability of missile autopilot systems. The main objective of this research is to improve the performance of the autopilot under parametric uncertainties and varying flight conditions. To achieve this, a Multiple-Model Adaptive Control (MMAC) approach is proposed, whose main innovation lies in the simultaneous integration of switching and adaptive adjustment mechanisms within an model bank. This method, while maintaining system stability, allows for rapid selection of a model close to the actual behavior of the system, and by updating control parameters in real time, it provides faster response, less error, and higher stability than classical adaptive methods. This structure enables the controller to automatically select the most appropriate model by continuously comparing the model responses with the actual system behavior and retuning the control parameters accordingly. As a result, system stability against rapid parameter variations and nonlinear flight dynamics is significantly enhanced, while maintaining adaptability over a wide range of operational conditions. For validation, the proposed control method is compared with the Model Reference Adaptive Control (MRAC) strategy in a MATLAB/Simulink environment. Simulation results indicate that the proposed MMAC reduces settling time by approximately 70%, minimizes the steady-state error to nearly zero, and decreases the RMSE value by over 50% compared to MRAC. These improvements clearly demonstrate the superiority of the proposed design in terms of convergence speed, robustness, and tracking accuracy, particularly under rapidly changing or highly maneuvering flight conditions.

کلیدواژه‌ها English

Flight Control System
Missile Autopilot
Multiple Model Adaptive Control
Parametric Uncertainty
Switching And Tuning
[1]   M. Athans, D. Castanon, K. Dunn, C. Greene, W. Lee, and N. Sandell, "The stochastic control of the F-8C aircraft using a multiple model adaptive control (MMAC) method--Part I: Equilibrium flight," IEEE Transactions on Automatic Control, vol. 22, no. 5, pp. 768–780, 1977, https://doi.org/10.1109/TAC.1977.1101599.
[2]   D. W. Lane and P. S. Maybeck, "Multiple model adaptive estimation applied to the LAMBDA URV for failure detection and identification," in 33rd IEEE Conference on Decision and Control, Lake Buena Vista, FL, USA, 1994, Paper 678-683, https://doi.org/10.1109/CDC.1994.410878.
[3]   B. Martensson, "Switching function adaptive stabilization with stability margin alpha," in 28th IEEE Conference on Decision and Control, Tampa, FL, USA, 1989, Paper 1561-1562, https://doi.org/10.1109/CDC.1989.70410.
[4]   M. Fu and B. Barmish, "Adaptive stabilization of linear systems via switching control," IEEE Transactions on Automatic Control, vol. 31, no. 12, pp. 1097–1103, 1986, https://doi.org/10.1109/TAC.1986.1104187.
[5]   R. H. Middleton, G. C. Goodwin, D. J. Hill, and D. Q. Mayne, "Design issues in adaptive control," IEEE Transactions on Automatic Control, vol. 33, no. 1, pp. 50–58, 1988, https://doi.org/10.1109/9.360.
[6]   A. S. Morse, D. Q. Mayne, and G. C. Goodwin, "Applications of hysteresis switching in parameter adaptive control," IEEE Transactions on Automatic Control, vol. 37, no. 9, pp. 1343–1354, 1992, https://doi.org/10.1109/9.159571.
[7]   S. R. Weller and G. C. Goodwin, "Hysteresis switching adaptive control of linear multivariable systems," IEEE Transactions on Automatic Control, vol. 39, no. 7, pp. 1360–1375, 2002, https://doi.org/10.1109/9.299622.
[8]   K. S. Narendra and K. Esfandiari, "Adaptive control of linear periodic systems using multiple models," in Conference on Decision and Control (CDC), Miami, FL, USA, 2018, Paper 589–594, https://doi.org/10.1109/CDC.2018.8619514.
[9]   K. S. Narendra and J. Balakrishnan, "Improving transient response of adaptive control systems using multiple models and switching," IEEE Transactions on Automatic Control, vol. 39, no. 9, pp. 1861–1866, 2002, https://doi.org/10.1109/9.317113.
[10] K. S. Narendra and J. Balakrishnan, "Adaptive control using multiple models," IEEE Transactions on Automatic Control, vol. 42, no. 2, pp. 171–187, 1997, https://doi.org/10.1109/9.554398.
[11] A. S. Morse, "Supervisory control of families of linear set-point controllers-part i. exact matching," IEEE Transactions on Automatic Control, vol. 41, no. 10, pp. 1413–143, 1996. https://doi.org/10.1109/9.539424.
[12] J. D. Boskovic and R. K. Mehra, "Stable multiple model adaptive flight control for accommodation of a large class of control effector failures," in American Control Conference (Cat. No. 99CH36251), San Diego, CA, USA, 1999, Paper 1920–1924, https://doi.org/10.1109/ACC.1999.786187.
[13] K. S. Narendra, Y. Wang, and W. Chen, "Extension of second level adaptation using multiple models to SISO systems," in American Control Conference (ACC), Chicago, IL, 2015, Paper 171–176, https://doi.org/10.1109/ACC.2015.7170730.
[14] S. Mousavi and A. Toloei, "Controller design in roll, pitch and yaw channels for flying robot using firefly and grey wolf optimization algorithms," Journal of Technology in Aerospace Engineering, vol. 9, no. 2, pp. 17-30, 2025, (in Persian), https://doi.org/10.22034/jtae.2025.9.2.2.
[15] M. Navabi and N. Safaei, "Optimal adaptive control of satellite attitude in presence of uncertainty in moment of inertia using Markov parameters," Journal of Space Science and Technology, vol. 13, no. 4, pp. 25–35, 2020, (in Persian), https://doi.org/10.30699/jsst.2021.1199.
[16] K. S. Narendra and Z. Han, "The changing face of adaptive control: the use of multiple models," Annual Reviews in Control, vol. 35, no. 1, pp. 1–12, 2011, https://doi.org/10.1016/j.arcontrol.2011.03.010.
[17] H. Hu, K. Ou, and W. W. Yuan, "Fused multi-model predictive control with adaptive compensation for proton exchange membrane fuel cell air supply system," Energy, vol. 284, 2023, Art, no. 128459, https://doi.org/10.1016/j.energy.2023.128459.
[18] R. Makam and K. George, "Multiple models for decentralised adaptive control of discrete‐time systems," International Journal of Adaptive Control and Signal Processing, vol. 38, no. 4, pp. 134-137, 2024, https://doi.org/10.1002/acs.3752.
[19] M. Lin, R. Chi, and N. Sheng, "Data driven latent variable adaptive control for nonlinear multivariable processes," International Journal of Systems Science, vol. 56, no. 1, pp. 108–125, 2025, https://doi.org/10.1080/00207721.2024.2388807.
[20] S. Niazi, A. Toloei, and R. Ghasemi, "Neuro-predictive controller for stabilization of gimbal mechanism with cross-coupling," Journal of Mechatronic Systems and Control, vol. 49, 2021, Art. no. 10.2316, https://dx.doi.org/10.2316/J.2021.201-0198.
[21] A. Toloei and S. Niazi, "Estimation of LOS rates for target tracking problems using EKF and UKF algorithms-a comparative study," International Journal of Engineering, vol. 28, no. 2, pp. 172–179, 2015, http://dx.doi.org/10.5829/idosi.ije.2015.28.02b.02.
[22] M. M. Abdo, A. R. Vali, A. R. Toloei, and M. R. Arvan, "Stabilization loop of a two axes gimbal system using self-tuning PID type fuzzy controller," ISA Transactions, vol. 53, no. 2, pp. 591–602, 2014, https://doi.org/10.1016/j.isatra.2013.12.008.
[23] S. Niazi, A. Toloei, and R. Ghasemi, "Improving performance of flight control system in presence of uncertainties and extreme changes in parameters using multiple model adaptive control," International Journal of Engineering, Transactions A: Basics. vol. 37, no. 10, pp. 2030-41, 2024, https://doi.org/10.5829/ije.2024.37.10a.14.
[24] R. Udoshi, "Janes Weapons: Air-Launched" 68th ed. Jane's Information Group, 2022.
[25] B. E. a. L. Reid, Dynamics of Flight: Stability and Control, 3rd ed. Wiley, 1996.
 
فناوری در مهندسی هوافضا
دوره 10، شماره 3
پاییز 1405
صفحه 43-56

  • تاریخ دریافت 21 اردیبهشت 1404
  • تاریخ بازنگری 22 آذر 1404
  • تاریخ پذیرش 26 آذر 1404
  • تاریخ اولین انتشار 08 بهمن 1404