基于神经网络自适应滤波的直升机悬停高度稳定研究
基于神经网络自适应滤波的直升机悬停高
度稳定研究
2011年8月
第29卷第4期
西北工业大学学报
JournalofNorthwesternPolytechnicalUniversity
Aug.2011
V01.29No.4
基于神经网络自适应滤波的
直升机悬停高度稳定研究
邢小军,闫建国,袁冬莉
(西北工业大学自动化学院,陕西西安710072)
摘要:针对直升机执行海上搜救任务时定点悬停高度容易受到海浪干扰的问
,提出了一种应用遗
传BP神经网络对直升机无线电高度信号进行自适应滤波的方法.首先在建立海浪有理谱简化模型
的基础上,应用遗传算法对BP神经网络的初始权值和阈值进行全局粗精度预学习,再应用遗传优化
后的BP神经网络对实际海浪干扰信号进行建模,并通过噪声对消原理滤除无线电高度计中混杂的海
浪干扰噪声.仿真结果表明,所设计的自适应滤波器能够较好地抑制海浪噪声对直升机高度控制的
影响,而且对海浪干扰统计特性的变化具有较强的鲁棒性和适应性.
关键词:神经网络,自适应滤波,算法,直升机,海浪噪声
中图分类号:TP273文献标识码:A文章编号:1000-2758(2011)04-0627-05
高度控制在直升机执行各种海上搜救任务时起
着非常重要的作用.然而由于海浪的起伏运动是一
个具有干扰特性的随机过程,无线电高度表测得的
直升机高度信号中不可避免地混有海浪干扰信号,
从而导致系统操纵直升机随海浪的起伏而起伏,给
直升机执行相关任务带来很大不便.为此,需要在
高度通道中设置海浪滤波器对无线电高度表信号进
行滤波处理,以获得不受海浪影响的,平稳的高度信
号,实现悬停高度的稳定.
针对上述问题,文献[1]应用Kalman滤波实现
了对直升机无线电高度表和垂直陀螺中海浪噪声的
滤波.文献[2,3]应用Wiener滤波分别实现了直升
机悬停和掠海飞行中的海浪噪声滤波.值得指出的
是,这两种滤波方法都是建立在信号特征先验知识
基础上的,然而在实际应用中,由于海浪模型的不确
定性和噪声统计特性的信息不完备,Wiener滤波和
Kalman滤波这两种基于最小均方估计的滤波方法
常常导致不能对信号进行最优估计.为了克服这一
缺陷,本文在充分利用所建立的海浪近似模型的先
验知识基础上,提出了一种基于遗传BP神经网络
的直升机高度信号海浪噪声自适应滤波方法并通过
仿真验证了其有效性.
1海浪的近似模型
为了充分利用现有海浪描述的先验知识,本文
首先建立海浪的近似模型.
海浪是一种复杂的有色噪声,无法得到准确无
误的功率谱,只能用近似表达式来描述,目前常用的
海浪谱有Newman谱,PM谱以及我国学者于1966
年提出的海浪预报谱等.因为后者比较接近我国近
海海域的海浪特点,所以本文采用这种海浪预报谱,
其数学描述为
.s晰(?)=Cexp『_f互n(1)叫,叫,
式中c=1.48m/s4,=27r/一T,一T为海浪的平均周
期.
(1)式描述的海浪功率谱并非有理谱,为将其
近似为有理谱,首先引入如下几个定理[3]:
引理1设(?)是实平稳随机过程X(t)的
有理谱,则它可以写成
收稿日期:2010-10-18基金项目:国家自然科学基金(60974l46),陕西省自然科学基础研究计
划(20l1GQ80o5)及
西北工业大学基础研究基金(NPu-FFR-JC20100216)资助
作者简介:刑小军(1976一),西北工业大学讲师,主要从事飞行控制计算智能理论及应用的研
究.
?
628?西北工业大学学报第29卷
s(?)=?等(2)进一步分解为
H(60一Ai)(60+A)(60一Xi)(60+i)H(60一a)(60+)
sx(60),亩
式中,A为S(60)的复数零点,为A的共轭复数,
O/为.s(?)的纯虚数零点.为S(60)的复数极
点,面为叼的共轭复数,卢为S(60)的纯虚数极点.
引理2设(60)是实平稳随机过程X(f)的
有理谱,则(60)必可表示为
Js(?)=I(j60)I:(j)(一j?)(4)
并且
(j60)=(一j?)(5)
式中,()的零点均在的上半平面或实轴上,
极点均在上半平面内,(j60)为cp(j60)的共轭.
引理3设S(?)是实平稳随机过程X(t)的
有理谱,则它可以表示成零均值白噪声(t)作用于
稳定的成形滤波器后输出的功率谱.其中成形滤波
器的传递函数为式(4)中的(j?).
根据引理1,设由(1)式描述的海浪有理逼近谱
为
/,
口0+aj+…+ammPcH66()
L?,—Q
CH66
—
(tO)
(6)
且>m.令
QcH66(60)Sc()=PcH66()+e(7)
e为误差,Sc(?)为(1)式所表示的海浪预报谱,
将(6)式代入(7)式可以得到
ScH66(,0)60h=一Sc(o~)60’?b…?一
ScH66(60)60b1一Sc()b0+
fit)ma
m+…+60a1+a0+e(8)
将s(?)按95%能量区间【0,?%】取等间距
的?个频率?,k=1,2,…,?带人(8)式,再应用最
小二乘法即可获得待估计参数0=
[b…blboa…a1a0r.
针对(1)式中不同的海浪平均周期,并根据
(6)式中所选取的/’t,m(>m,通常分别取为4和
2),由最小二乘法可得海浪谱在不同平均周期下的
近似有理化形式.再由引理2,引理3可得成形滤波
器的模型(s).若将零均值白噪声n作用于成形
(3)
滤波器,则输出n即为海浪过程:
=
(S)?nd(9)
不难看出,在不同的海浪周期下,海浪的近似模
型均可用不同统计特性的白噪声信号经过相应的成
形滤波器来近似描述.
2基于遗传BP神经网络的直升机高
度信号自适应滤波
当海浪噪声的统计特性未知或者统计特性变化
时,Wiener滤波,Kalman滤波无法得到信号的最优
估计.相比之下,自适应滤波器能够自动地迭代调
节自身的滤波器参数以满足某种准则要求,从而实
现最优滤波.但传统的自适应滤波器是以最小均方
误差为标准的最优过滤器,在求解权值时存在运算
量大收敛速度慢等缺点’6J.而以BP神经网络为代
表的非线性自适应滤波器具有更强的信号处理能
力,更强的非线性映射能力和自学习能力等优点,已
广泛应用于系统辨识,自适应滤波,干扰对消等
领域.
图1BP神经网络自适应海浪噪声滤波结构
基于上述因素并结合直升机海上悬停时海浪噪
声的特点,本文根据噪声对消原理,应用BP神经网
络对直升机高度信号中的海浪噪声进行自适应滤
波,结构如图1所示.其中高度信号h为直升机的
真实高度,h混合海浪噪声D之后得到直升机无线
电高度表的模拟信号h;自适应BP神经网络滤波器
第4期邢小军等:基于神经网络自适应滤波的直升机悬停高度稳定研究
用于逼近海浪噪声D,其输出为模拟的海浪噪声D;
从h中对消掉D后得到高度信号的最优估计值.
值得指出的是,传统BP神经网络算法对初始
权值和阈值非常敏感,如果初始权值和阈值选取不
合理则极易导致算法陷入局部最优,网络训练时间
过长等问题.考虑到遗传算法作为一种随机启发式
优化搜索算法具有智能性,并行性,稳健性以及全局
搜索能力等优点,本文充分利用其全局搜索能力强
的特点,首先用遗传算法对BP网络的初始权值及
阀值进行全局粗精度预学习以定位最优解区域,再
用BP神经网络在这些小范围的区域中进行梯度精
细搜索,最终求得最优权值和阀值.其具体步骤
如下:
步骤1:编码.将BP神经网络的初始权值和阈
值表示为实数编码串;
步骤2:确定遗传算法的运行参数,如群体规
模,进化代数,选择,交叉及变异操作等;
步骤3:随机产生初始群体;
步骤4:对群体进行解码得到初始权值和阈值,
再根据BP神经网络计算目标函数并变换为适应度
函数.目标函数定义为
.,=??(—)(1o)
式中y及_y分别为BP网络训练
的第k个输
出节点的实际输出与期望输出.
适应度函数定义为
F=1/(J+1)(11)
步骤5:对群体中的个体根据适应值的高低进
行均匀排序J,并以此为基础执行选择,交叉和变
异操作产生下一代群体.其中选择操作采用适应度
比例法,即通过各个权值及阈值,对适应度为的
个体赋予选择概率
P=/?(12),=1
交叉操作采用浮点算术交叉算子J.即
“
=
:+(1一),.
I戈’=+(1一卢)
式中,,k为参与算术交叉的两个个体,k”,k+l
为经交叉操作后新生成的两个个体,为一常数,范
围在t0,1]之间.
变异操作采用非均匀变异算子J.即对个体
:,k分别进行非均匀变异后产生两个新个体
,假定个体进行非均匀变异,产生个体.假设
=,…,,….
非均匀变异后产生的个体为
k
=:,…,,….若变异点处的基因取值范
围为[2,”],则新的基因值由下式决定
,,
b
,
+()【1一tJif砌d.m(0,)=0
一
(一z)r(1一专).ifrandom(0,1)=l
(14)
式中r为[0,1]的随机数,为最大遗传代数,t为当
前遗传代数,b为非均匀度参数,random(0,1)表示
随机产生0或1这两个数.
步骤6:返回步骤3,直到满足停止准则为止.
最后获得最优的初始权值和阈值.
在获得最优初始权值和阈值后,即可应用BP
神经网络实现对海浪噪声的自适应滤波,其具体步
骤如下:
步骤1:根据引理3,分别计算海浪噪声在多个
样本频率下的成形滤波器模型(s),再根据(10)
式得到所选样本频率下的海浪模拟模型(有色噪
声),其幅值由白噪声幅值决定.由此得到BP神经
网络的训练样本.
步骤2:选取BP神经网络滤波器的结构和参
数,如节点数,隐层数,传输函数等.
步骤3:随机在[0.01,0.8]之间选取学习因子.
再根据前面应用遗传算法得到的最优初始权值和阈
值以及步骤1得到的训练样本对BP神经网络进行
训练,进一步精细调整网络权值和阈值.
步骤4:判断BP神经网络的输出是否满足给定
精度要求.如果满足精度要求则保存网络转步骤
5,否则转步骤3.
步骤5:根据图1所示结构,实现对不同统计特
性海浪噪声最优估计和自适应滤波.
3仿真结果和
为了验证本文方法的有效性,取图1中BP神
经网络为1-3-1的结构,其中第1层的传输函数取
Sigmoid函数,第二层传输函数取线性函数.即
f(n)=1/(1+e一”)和厂(,1)=n.
结构和参数确定后,遗传算法中需要对BP神
经网络中的初始权值和阈值编码的个数为l2,且取
值范围均为[一1,1];再取遗传算法的种群规模为
40,进化代数为100,交叉概率为0.8,变异概率为
?
630?西北工业大学学报第29卷
0.001;取(14)式和(15)式中的JB,b分别为0.3和
0.8.取BP神经网络的训练样本100,学习率
为0.05.
现以直升机在海面上10m的悬停高度作为真
实高度,在此基础上加入不同幅值和频率的海浪噪
声来模拟无线电高度测量信号,将经过遗传算法优
化的BP神经网络带人图1所示系统进行自适应滤
波和仿真.图2到图4分别给出了不同海浪噪声条
件下的高度信号自适应滤波结果,其中蓝色幅值剧
烈变化的曲线为加人海浪噪声的直升机高度模拟信
号,绿色幅值变化平稳的曲线为应用本文自适应滤
波算法后得到直升机高度的估计信号.
1
l
警-
l
l
藿?
O2040
时间/s
a)海浪周期2S
02O4O5
时间/s
b)海浪周期4S
图2海浪幅值1m,周期分别为2S和4s
可以看出,本文所设计的自适应滤波器在海浪
幅值和频率发生较大变化时仍具有很强的噪声消除
能力,使直升机悬停高度在较大的海浪下仍能保持
在定高值上下?0.15米范围内,这
本文方法能
够较好的抑制海浪噪声对直升机高度控制的影响,
而且对海浪干扰统计特性的变化具有较强的鲁棒性
和适应性.
lO
惶
时间/s
0204O
时间/s
b)海浪周期4S
图3海浪幅值5m,周期分别为2s和4S
O2040
时问/s
a)海浪周期6S
O2040
时间/s
b)海浪周期8S
图4海浪幅值7m,周期分别为6S和88
6284
E\惺
6284
g\惺
第4期邢小军等:基于神经网络自适应滤波的直升机悬停高度稳定研究?631?
4总结
针对海浪噪声的特点,本文提出了一种应用遗
传BP神经网络对直升机海面悬停时的无线电高度
参考文献:
计信号进行自适应滤波的方法.该方法基于噪声对
消原理,首先应用遗传算法对BP神经网络的初始
权值和阈值进行寻优,再应用遗传BP神经网络对
海浪干扰信号进行滤波.仿真结果表明了本文方法
在直升机高度信号海浪滤波中的有效性.
赵鹏轩.直升机过渡悬停及缆位缆高控制律设计与仿真:[硕士学位论文].西安:西北工业大学,2011,3
ZhaoPengxuan.TransitionandHovering.Cable-OrientationandCable—HeightControlLawDesigna
ndSimulationforHelicop—
ter.MasterDegreeDissertation.Xian:NorthwesternPolytechnicalUniversity,20l1,3(inChinese)
秦永元,俞济祥.直升机海面悬停时精确高度的维纳滤波提取法.航空学报,1994,15(11):1341—1347
QinYongyuan,YuJixiang.ExtractingtheAccurateHeightofaHelicopterHoveringoverSeaviaWiener
Filter.ActaAeronanti-
caetAstronanticaSinica,1994,15(11):1341—1347(inChinese)
李广文,唐永哲,王冬.直升机掠海飞行海浪滤波器研究.空军
大学学报,2004,5(5):18—2O
LiGuangwen,TangYongzhe,WangDong.StudyoftheSea—WaveFilterfortheHelicopterSkimming-
Over—TheSeaFlight.
JournalofAirForceEngineeringUniversity(NaturalScienceEdition),2004,5(5):18—20(inChinese)
王白果,田铮.随机过程.西安:西北工业大学出版社,1990
WangZiguo,TianZheng.StochasticProcess.Xian:NorthwesternPolytechnicalUniversityPress,1990
雷英杰,张善文,李续武.MATLAB遗传算法工具箱及应用.西安:西安电子科技大学出版
社,2005
LeiYingjie,ZhangShanwen,LiXuwu.MATLABGeneticAlgorithmsToolboxandItsApplication.Xian:XidianUniversity
Press,2005(inChinese)
罗俊海,叶丹霞,李录明.在噪声抵消应用中自适应滤波算法性能的仿真比较.电子测量与仪
器学报,2008,22(4):57
,
62
LuoJunhai,YeDanxia,LiLuming.SimulationComparisonofAdaptiveFilteringAlgorithmsinNoiseCancellationApplication.
JournalofElectronicMeasurementandInstrument,2008,22(4):57—62(inChinese)
EffectiveAdaptiveFilteringforaHelicopterSHovering
AltitudeUsingNeuralNetworks
XingXiaojun,YanJianguo,YuanDongli
(DepartmentofAutomaticControl,NorthwesternPolytechniealUniversity,Xian710072,China)
Abstract:Withthepurposeofovercomingtheproblemthatahelicopter’Shoveringaltitudecontroliseasilyaffect-
edbyseawavedisturbanceswhencarryingoutmaritimesearchandrescuemission.weproposeanadaptivefiltering
approachforthehelicopter’SaltitudesignalusingGA—basedBPneuralnetworks(GAstandsforgeneti
calgorithms
andBPstandsforbackwardpropagation).Section1ofthefullpaperbriefsthemodelofseawavedisturbances.
Thecoreofsection2consistsof:(1)Fig.1istheschematicshowinghowseawavedisturbancesexistinginthehel—
icopter’Sradioaltimeteralefilteredaccordingtothenoisecancellationprinciple;(2)wegiveasix—step
procedure
forperformingadaptivefiltering,Thesimulationresults,presentedinFigs.2through4,andtheiranalysisshow
preliminarilythattheadaptivefiltercanindeedsuppresstheseawavedisturbanceseffectivelywithgoodrobustness
andadaptability.
Keywords:neuralnetworks,adaptivefiltering,algorithms,
helicopters,seawavedisturbance
1?,]J1J1j1.]Jl二I