Control system, in particular a flight controller

Abstract

Abstract Translated from German Ein Regler, insbesondere Flugregler enthält ein neuronales Netz (16), welches durch Trainieren als ein dynamisches Modell einer Regelstrecke (10) ausgebildet ist. Auf das Netz (16) sind in jedem aktuellen Zeittakt Vektoren ( x ) von Zustandsgrößen aufgeschaltet, die dem aktuellen Zeittakt (k) und vorhergehenden Zeittakten (k-1,k-2..) zugeordnet sind, sowie Vektoren ( u ) von Stellgrößen, die dem aktuellen Zeittakt (k) und vorhergehenden Zeittakten zugeordnet sind, und Vektoren von Stellgrößen, die für zukünftige Zeittakte vorgesehen sind. Das Netz (16) liefert Schätzwerte ( x ) der Zustandsvektoren liefert, die nach dem dynamischen Modell für zukünftige Zeittakte (k+1,k+2...) zu erwarten sind. Es sind Mittel (30) zur Bildung der Differenz der besagten Zustandsvektoren für die zukünftigen Zeittakte und der Sollwerte dieser zukünftigen Zustandsvektoren vorgesehen. Auf einen als neuronales Netz ausgebildeten Optimierer (32), der durch Trainieren als inverses Modell der Regelstrecke (10) ausgebildet ist, sind die besagten Differenzen aufschaltbar. Der Optimierer (32) liefert Vektoren von Stellgrößen für zukünftige Zeittakte. Einer der für zukünftige Zeittakte vorgesehenen Vektoren ( u (k+1)) von Stellgrößen ist als aktuellen Vektor von Stellgrößen auf die Regelstrecke (10) aufschaltbar. A controller, in particular a flight controller, contains a neural network (16) which, by training, is designed as a dynamic model of a controlled system (10). In each current time cycle, vectors ( x ) of state variables, which are assigned to the current time cycle (k) and previous time cycles (k-1, k-2 ..), as well as vectors ( u ) of manipulated variables are connected to the network (16) , which are assigned to the current time cycle (k) and previous time cycles, and vectors of manipulated variables which are provided for future time cycles. The network (16) provides estimates ( x ) of the state vectors which are to be expected according to the dynamic model for future time cycles (k + 1, k + 2 ...). Means (30) are provided for forming the difference between said state vectors for the future time cycles and the setpoints of these future state vectors. Said differences can be applied to an optimizer (32) designed as a neural network, which is formed by training as an inverse model of the controlled system (10). The optimizer (32) supplies vectors of manipulated variables for future time cycles. One of the vectors ( u (k + 1)) of manipulated variables intended for future time cycles can be connected to the controlled system (10) as the current vector of manipulated variables.

Inventors

• 👤 Uwe Krogmann

Bibliographic Details