Gleitzustandstraining Höherer Ordnung für die Adaptive Flugregelung eines Unbemannten Flugsystems

Im Rahmen des Forschungsprojekts Burgernahes Flugzeug am Campus Forschungsflughafen in Braunschweig forscht das Institut fur Luft- und Raumfahrtsysteme an adaptiven Flugregelungsverfahren. Ein wohl untersuchter Ansatz ist dabei die Erweiterung eines Reglers auf Basis der modellbasierten dynamischer Inversion um kunstliche neuronale Netzwerke. Sollte es auf Grund vorliegender Modellunsicherheiten zu Inversionsfehlern gegenuber der tatsachlichen Regelungsstrecke kommen, wird die universelle Approximationseigenschaft eines neuronalen Netzwerks genutzt, um diesen Fehler zu adaptieren und ihn so zu kompensieren. Zur Sicherstellung eines transparenten Lernprozesses wird ein von der strukturvariablen Regelung abgeleitetes Lernverfahren verwendet. Dieses sogenannte Gleitzustandslernverfahren als Erweiterung des klassischen Gradientenabstiegs betrachtet das neuronale Netz als abstraktes Regelungssystem. Diese Betrachtung ermoglicht mit Hilfe von Schaltfunktionen eine transparente Gewichtsanderung und birgt zusatzlich den Vorteil einer dynamischen Bestimmung der optimalen Lernrate innerhalb stabiler Grenzen. In dieser Arbeit soll der Gleitzustand hoherer Ordnung vorgestellt werden, welcher die Konvergenzgeschwindigkeit der trainierten Netzwerke weiter beschleunigt und auf diese Weise die Robustheit gegenuber Inversionsfehlern und nicht zuletzt auch Systemschaden weiter erhoht. Zur Analyse der Netzwerkeigenschaften wird die automatische Bahnfolge eines unbemannten Flugsystems unter dem Einfluss atmospharischer Storungen und Modellunsicherheiten simuliert. Die Ergebnisse zeigen, dass die Erweiterung durch den Ansatz der Gleitzustandsregelung hoherer Ordnung einen stabilen und robusten Flug trotz erheblicher Modellunsicherheiten gewahrleistet.