飞机刹车系统是飞机上具有相对独立功能的子系统，承受飞机的动、静态载荷及着陆时的动能，实现飞机的制动控制。

　　从20世纪40年代至今，飞机刹车系统已发展到第四代。第一代飞机刹车系统由离合开关调节压力来实现刹车控制;第二代用固定参考减速度为误差门限进行控制;1967年Hydro-Aire公司的第三代飞机刹车系统，以一定的滑移率为误差门限进行控制;20世纪70年代后，第四代系统用指令传感器代替液压阀，采用微处理器，将控制算法通过编程来实现。近年来，国外已着手运用最新控制理论——模糊控制和神经网络理论研究新一代防滑刹车系统，并成功地利用DC-9飞机的参数进行了仿真。结果表明:新系统具有更高的刹车效率、更好的控制鲁棒性。我们也已开始了相应的研究，并成功地进行了软件仿真，本系统在文献[5]的基础上，在硬件上实现了神经网络和模糊控制，较大程度地提高了飞机刹车效率。

1 工作原理

1.1 飞机刹车系统原理

　　飞机刹车制动主要靠刹车时轮胎和地面间产生的结合力来使飞机减速。影响结合力大小的主要因素是结合系数μ。该系数与滑移量σ之间存在一个复杂的非线性关系，在整个刹车过程中，存在一个最大值μmax，它对应的滑移量为最佳滑移量σp，如图1所示。

在整个刹车过程中，飞机速度不断下降，因此σ也不断变化，必然引起μ变化。为了达到最佳刹车，应不断调节刹车力矩，使刹车机轮在结合系数为最大值或者在其附近区域II、III的情况下产生运动。

　　目前在刹车系统对μ-σ的处理中，μ取为定值，这与实际情况存在较大差异。有文献采用多级σ值的计算方法来实现μ随σ变化而变化，但控制效果并不理想。本文采用神经网络来处理μ-σ的非线性关系，因为根据Kolmogorov神经网络映射存在以下理论:任何一个给定的连续函数或映射，都能够用一个三层神经网络来精确实现。

　　现有刹车系统根据不同的跑道状况，由速度反馈单元不断地对参考速度进行修正，具有一定自适应能力。但当飞机由干路面进入积水路面时，会引起刹车减速率的突变，引起系统和起落架的震动。在本文研制的系统中，按模糊规则来控制系统，系统受路面影响较小，具有较好的鲁棒性。

1.2 神经网络原理

　　神经网络中应用最广的是多层前向网络。多层前向网络应用于具体实时控制问题时，必须有一个训练网络权值的算法，应用最广的是BP算法。这种算法思路简洁明了，具有自适应、自学习、自组织功能，根据实际训练样本不断实时调节自己的参数，以达到理想输出的目的。在本系统中即采用BP算法。图2即为一个典型的三层前向网络。

1.3 模糊控制原理

　　模糊控制是利用人的智能和经验，制定一些模糊规则，进行推理，得出控制查询库，按查询库来控制系统。采用模糊控制，可以有效地克服参数变化对系统造成的不利影响，极大地增强系统的鲁棒性。同时避免不精确建模造成的误差，使系统有效地工作，故近年来获得越来越广泛的应用。神经网络和模糊控制两者是互补的。简单地说，神经网络是模拟人的大脑结构，而模糊控制模拟人的大脑功能，两者的有机结合可组成性能更好的系统。