飞翼布局飞行器大迎角非定常气动建模

为进一步研究复杂流场气动力模型和辨识方法,通过常规飞翼布局飞行器动态单独俯仰和单独滚转试验数据获得"同相"和"反相"导数。在采用状态空间法建立非定常数学模型的基础上,利用两步线性回归辨识出模型参数,给出带有误差限的特征时间常数分布。数学模型辨识结果与大迎角大振幅运动的试验数据对比表明,该模型建模结果基本上与试验气动数据变化一致,能够反映模型大迎角时的非线性和非定常特性,具有可用性。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

数据挖掘技术在飞行试验数据分析和气动参数辨识中的应用研究

为了检验飞行试验辨识结果的可信度,首次将数据挖掘技术用于飞行试验数据的分析和气动参数辨识,初步解决了试验数据有限、数据信息含量差别较大给聚类、分类、回归等分析处理带来的问题;提出了利用不同时间段、不同飞行批次的飞行数据在划分区间的气动特性分布来检验辨识结果可信度的方法;以某飞行器为对象,利用数据挖掘技术,建立了基于飞行试验数据的气动力数学模型,检验了辨识结果的一致性和可信度,并与地面试验结果进行了比较分析,给出了地面试验预测误差。多批次飞行试验数据的整体辨识结果表明,所发展的方法是可行和有效的。该项研究为验证辨识结果的可信度、建立基于飞行试验数据的气动模型提供了新的途径,并可应用于CFD 和风洞试验的验证与确认。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

一种扑翼飞行器气动参数的辨识方法

针对实际飞行中无法直接测量的扑翼飞行器气动参数辨识问题,结合刚体六自由度模型,提出一种基于迭代学习和人工鱼群法的扑翼飞行器隐式气动参数辨识方法。鉴于扑翼飞行器飞行试验中待辨识气动参数值难以直接测量、导致一般辨识算法中梯度难以求解的问题,提出基于摄动法的梯度方向寻优方法。考虑到待辨识参数数量及辨识结果对参数初始值的敏感性,该方法采用人工鱼群算法优化计算待辨识参数初始值。且针对迭代过程中损失函数易陷入局部最优和优化速度受限问题,采用变学习因子迭代学习策略。试验结果表明,所提出的算法能有效估算出扑翼飞行器气动参数。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

基于ODE参数辨识的液压伺服系统灰箱建模

 针对液压伺服系统常规"白箱"建模由于参数无法精确获得导致所得模型精度不高及"黑箱"建模所得模型内部结构未知的问题,本文提出基于ODE参数辨识的液压伺服系统"灰箱"建模。首先,建立了工程上实用的系统状态空间模型, 根据系统特征确定了待辨识参数,将模型辨识问题转化为常微分方程(ODE)参数辨识问题;然后,采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识;为了和ODE参数辨识结果进行对比,本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的"黑箱"传递函数模型;最后,通过大量实验验证了辨识模型的精确度。实验结果表明,本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题,使辨识模型既具有实际的物理意义,又与实际系统高度符合。     

基于试飞数据的直升机气动模型参数频域辨识

针对直升机气动强耦合、强非线性、不稳定的特点,采用扫频方式获取飞行试验数据及频域辨识技术进行其气动模型辨识。首先分析了气动辨识模型、飞行试验数据需求,并对飞行试验动作进行设计,然后形成气动模型频域辨识流程。在纵向气动模型辨识过程中,发现扫频飞行试验数据低频、高频段数据质量差,纵向和横向通道舵偏相关性强等问题。     

Unsteady aerodynamic modeling at high angles of attack using support vector machines

Accurate aerodynamic models are the basis of flight simulation and control law design.Mathematically modeling unsteady aerodynamics at high angles of attack bears great difficulties in model structure determination and parameter estimation due to little understanding of the flow mechanism.Support vector machines(SVMs)based on statistical learning theory provide a novel tool for nonlinear system modeling.The work presented here examines the feasibility of applying SVMs to high angle-of-attack unsteady aerodynamic modeling field.Mainly,after a review of SVMs,several issues associated with unsteady aerodynamic modeling by use of SVMs are discussed in detail,such as selection of input variables,selection of output variables and determination of SVM parameters.The least squares SVM(LS-SVM)models are set up from certain dynamic wind tunnel test data of a delta wing and an aircraft configuration,and then used to predict the aerodynamic responses in other tests.The predictions are in good agreement with the test data,which indicates the satisfying learning and generalization performance of LS-SVMs.     

民机极限飞行状态的动态气动力试验与建模

飞行失控是造成民机灾难性航空事故的重要因素,飞行失控中飞机难以避免超出正常飞行包线范围,进入具有复杂非线性和非定常动态气动特性的极限飞行状态。本文开展典型民机布局飞机极限飞行状态的动导数、大振幅试验,对大迎角动态气动力的参数影响规律以及非线性、非定常特性进行分析和建模。结果表明,在飞机失速到过失速区域,飞行姿态快速变化过程中动态气动力的非线性和非定常特征显著;在动导数试验和建模中,考虑运动角速率的影响,可以预示气动力非线性的迎角范围,并捕捉到关于飞机动稳定性演化的关键特征;利用Goman-Khrabrov状态空间模型结合大振幅试验,可以确定模型中表征非定常特征的关键时间常数,获得特定极限飞行状态运动中的非定常动态气动力特性。研究方法和结果为开展民机极限飞行状态的动态气动力风洞试验设计与建模提供了一个可行途径,能改进飞机飞行失控预防、极限状态改出、飞行模拟训练和飞行事故分析等。     

大振幅非定常实验数学模型与动导数仿真实验

本文通过对大振幅非定常实验数据进行处理,采用Ｄｕｈａｍｅｌ积分方法,可获取模型迎角按任意 规律变化时的非定常空气动力,并在此基础上,发展了一种从大振幅实验获得小振幅导数的新方法。     

飞机大振幅非定常滚转运动的非线性稳定性分析

本文根据某飞机大振幅非定常滚转力矩的风洞试验结果,采用两种方法,计算了飞机绕体轴作自由滚转运动时的滚转角时间历程,分析研究了飞机非线性滚转运动的稳定性,并对非定常空气动力对飞机稳定性的影响作了较深入的研究。本文通过两种滚转运动时间历程结果的比较,表明了给出的从大振幅实验提取常规动导数方法是可行的;而且也表明了通过测量飞机绕体轴滚转时大振幅非定常滚转运动时的滚转力矩值,可以研究飞机的摇滚（Ｗｉｎｇ     

Unstable unsteady aerodynamic modeling based on least squares support vector machines with general excitation

Common, unsteady aerodynamic modeling methods usually use wind tunnel test data from forced vibration tests to predict stable hysteresis loop. However, these methods ignore the initial unstable process of entering the hysteresis loop that exists in the actual maneuvering process of the aircraft. Here, an excitation input suitable for nonlinear system identification is introduced to model unsteady aerodynamic forces with any motion in the amplitude and frequency ranges based on the Least Squares Support Vector Machines (LS-SVMs). In the selection of the input form, avoiding the use of reduced frequency as a parameter makes the model more universal. After model training is completed, the method is applied to predict the lift coefficient, drag coefficient and pitching moment coefficient of the RAE2822 airfoil, in sine and sweep motions under the conditions of plunging and pitching at Mach number 0.8. The predicted results of the initial unstable process and the final stable process are in close agreement with the Computational Fluid Dynamics (CFD) data, demonstrating the feasibility of the model for nonlinear unsteady aerodynamics modeling and the effectiveness of the input design approach.     

战斗机大迎角/过失速机动下的进气道气动特性

为掌握战斗机在大迎角和过失速机动飞行时进气道的稳、动态气动特性,采用基于动态嵌套网格的非定常雷诺平均Navier-Stokes （URANS）方程和大迎角风洞试验方法对某战斗机进行了研究,并通过大迎角和过失速机动飞行试验进行了验证。结果表明：大迎角稳态下进气道气动性能随迎角增大逐渐降低,天地相关性吻合良好,而计算仿真和飞行试验均捕捉了眼镜蛇机动下进气道的非定常迟滞效应。通过研究获得了战斗机在大迎角和过失速机动下的进气道气动特性,建立了过失速机动下进气道非定常非线性特性问题的研究方法。     

面向复杂构型飞机的非定常气动力建模与辨识

不论是现代高机动隐身战斗机的设计需求还是常规布局飞机的飞行动力学分析,深入研究大迎角飞行时的非线性非定常气动力模型都极其重要。基于纵向运动小振幅及大振幅强迫振荡试验数据,分析了常规稳定导数模型的准确性,并从导数模型出发发展了简化涡流和分离流时间迟滞效应的非定常气动力线性模型和非线性模型,最后应用风洞典型机动历程模拟试验验证了模型的有效性。结果表明：对于复杂构型高机动飞机模型,发展并改进的非线性微分方程模型可以准确预测飞机不同机动下的非定常气动力特性,具有较强的工程可行性。     

一种提高风洞动态试验数据质量的模型姿态控制和测量技术

低速风洞动态试验装置通常采用“电机+减速器+偏心机构+线性传动机构”的方式,存在传递环节多、机械间隙大等问题,给模型运动的精确控制和模型姿态的精确测量带来较大困难。为满足大型客机等大飞机对低速风洞动态试验的要求,基于现有的静态试验通用支撑平台,采用“电子凸轮”技术,建立了一套迎角/侧滑角解耦、可进行飞机小振幅动导数和大振幅非定常气动特性研究的动态试验装置。利用该动态试验装置进行了某飞机大尺度动态试验模型动导数试验和大振幅振荡试验,获得了试验数据的重复性,并研究了动态试验数据和静态试验数据之间的相关性。试验结果表明：利用该装置获得的某飞机动态试验数据重复性较好、规律合理,能满足大型飞机动态试验要求。     

模型振动对风洞实验数据分散性的数值模拟研究

研究模型振动对风洞实验结果的影响对于修正风洞实验数据和加深空气动力学的理解具有重要的现实意义。基于κ－ω的SST两方程湍流模型,在时间域求解雷诺平均N—S方程,研究了模型振动在不同迎角下流场和气动力的变化规律。结果表明：模型振动在小迎角条件下对气动力测量结果几乎没有影响,但在大迎角存在一定分离的条件下,可以引起分离涡的非线性演化,导致气动力平均值的改变,从而引起风洞气动力测量值的分散性。结论从物理机理上解释了大迎角风洞实验的重复性和数据分散性。