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。     

一种飞行器投放分离气动力辨识修正方法

空中投放发射的大翼面飞行器的分离轨迹与姿态受载机干扰流场影响更加明显,对分离时干扰气动数据库的准确性提出了更高要求。针对投放分离干扰气动力特点,提出了一种简化的差量气动力模型,并给出了一套飞行数据处理与参数预估计的方法。分离段飞行数据的辨识结果与六自由度飞行动力学仿真结果说明了提出的差量气动模型与相关数据处理方法的有效性。用辨识结果对气动数据库进行修正提高了数据库的准确度,可提高分离安全飞行仿真分析的精度。     

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。     

用极大似然法辨识轴对称飞行器的气动参数

采用极大似然法完成了轴对称飞行器的非线性气动参数辨识。根据飞行弹道的特性,采用考虑了横侧向运动耦合的纵向三自由度飞行动力学模型;为了反映气动参数随马赫数的变化,给出了一种考虑马赫数变化的气动参数数学模型,并采用了分段辨识的技巧;通过采用建模前估计法的辨识结果作为极大似然法的初值,保证了极大似然法的收敛,计算结果表明：这种算法对大攻角下的非线性气动参数能获得满意的辨识结果。     

极大似然法及在有控飞行器气动参数辨识中的应用

 <正> 一、引言 飞行器气动参数辨识作为系统辨识理论在航空、宇航领域的应用分支,在一些发达国 家受到了相当的重视,并且从70年代以来已形成了气动参数辨识软件包,不仅缩短了飞行器的设计、改型及性能分析的周期,并且还具有靠风洞实验或理论分析所不具备的优点。目前飞行器的气动参数辨识虽已有很大发展,但是对有控飞行器的闭环辨识问题仍未解决,分析传感器非线性因素对气动参数辨识结果的影响也不够深入。本文使用极大似然法,结合某有控飞行器的全弹道仿真数据,研究了在闭环飞行状态下进行气动参数辨识所存在的问题,分析了传感器的非线性因素对气动参数辨识的影响。     

考虑力/热/结构多场耦合效应的飞行弹道预测

高超声速飞行器气动力/热/结构多场耦合的一个典型效应是热弹性变形,从而引起气动力变化及配平变化,并进一步改变飞行弹道与控制方案。将FL-CAPTER高超声速多场耦合分析软件拓展至飞行力学领域,建立了考虑气动力/热/结构多场耦合效应影响的弹道模拟新方法,并针对给定舵偏角下自主配平控制的助推-压缩楔组合体外形,开展不同耦合时间尺度下的飞行弹道特性研究,初步探讨分析了多场耦合效应对飞行弹道的影响。研究结果表明：对于助推-压缩楔组合体外形,考虑多场耦合效应后,变形将带来配平迎角增大,飞行器升力、阻力同时增大,升阻比降低,弹道飞行高度增加,飞行马赫数降低,航程变短等一系列影响;同时,气动/弹道耦合计算时间步长的选取对弹道仿真结果存在较大影响,当步长选取过大时,会带来非物理振荡,导致计算结果失真;所提出的基于变形量回溯插值技术的双时间步修正方法能够有效提高弹道仿真精度,削弱因时间步长选取过大造成的非物理振荡。相关研究对认识多场耦合效应与飞行弹道的耦合机理及弹道设计等可提供重要参考。     

飞行器跨声速区俯仰力矩系数建模方法研究

飞行器气动力建模的准确性对其飞控系统设计、仿真和飞行性能分析有显著影响.在跨声速区马赫数变化对飞行器气动力影响显著,并且呈严重非线性,而在通常的气动力建模方法中却很少考虑马赫数的影响.本文对此问题进行了研究,根据某空空导弹和某返回舱俯仰力矩系数在跨声速区体现出来的特点,提出并建立了俯仰力矩系数随马赫数变化的概率函数模型.采用遗传算法辨识得到了某空空导弹和某返回舱的俯仰力矩系数建模结果,与风洞试验数据的比较表明,本文提出的概率函数模型确实比较好地描述了这些飞行器俯仰力矩系数在跨声速区随马赫数的变化规律.     

基于RBF神经网络的大迎角机动空空导弹控制系统设计

以某型空空导弹为对象．基于双时标的假设．将导弹动力学模态分离为快变状态动力学模态和慢变状态动力学模态，并对其分别进行了动态逆设计。考虑到空空导弹在高速、大迎角飞行时．空气动力系数具有强非线性．直接采用了真实的多维非线性气动力模型(未进行小迎角线性化处理)．用RBF神经网络逼近了气动力矩系数，在非仿射条件下用反解设计方法求得舵偏角控制命令。最后．给出了控制系统六自由度数学仿真结果。     

三轴式无人旋翼飞行器及自适应飞行控制系统设计

设计了一种操控简便的三轴式无人旋翼飞行器,由三组共轴双旋翼组成,各旋翼由直流电机直接驱动,只需调节各电机转速就能控制旋翼飞行器运动姿态和轨迹。为使三轴式无人旋翼飞行器飞行控制系统设计得到有效验证,研究了旋翼飞行器的飞行动力学非线性建模,运用叶素动量理论建立了共轴双旋翼变转速旋翼载荷计算方法,分析了旋翼入流分布对共轴双旋翼气动载荷模型的影响,通过试验验证了共轴双旋翼气动载荷计算模型的正确性。由于旋翼飞行器飞行动力学模型的非线性及未建模动力学的影响,难于建立非常精确的数学模型,给飞行控制系统设计带来了挑战。本文根据旋翼飞行器飞行动力学非线性模型推导出了旋转动力学模型逆和平移动力学模型逆控制器,利用神经网络在线自适应修正模型逆误差,采用线性PD或PI控制器调节指令跟踪误差,应用由向心回转和垂直上升组合的机动科目进行了仿真验证,给出了具有外界阵风干扰模拟的仿真结果,表明所设计的飞行控制系统具有自适应性和鲁棒性,能实现精确的轨迹跟踪控制。     

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。