复杂结构飞行器的飞行载荷建模方法研究

复杂结构飞行器的传统飞行载荷建模方法存在误差大、效率低的问题。考虑电桥指标及载荷方程指标对载荷模型的综合影响,提出一种飞行载荷改进建模方法,以多梁多墙结构为例,基于某型机机翼地面载荷校准试验数据建立载荷模型,将改进方法与传统方法计算的弯矩及剪力进行对比,结合试飞数据对改进方法所得模型进行验证。结果表明：该飞行载荷改进建...     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

基于随机森林的飞行载荷代理模型分析方法

飞行载荷分析(FLC)通常需消耗大量的计算资源和时间，提升飞行载荷计算效率对于缩短研发周期、提高设计质量具有重要意义。本文研究了数据驱动的机器学习代理模型飞行载荷分析方法，由于随机森林(RF)代理模型具有学习效率较高、泛化能力较强、可避免过拟合、参数可解释、变量敏感度分析等优点，使其十分切合飞行载荷分析，具有重要的应用潜力和前景。文中基于传统的飞行载荷分析方法，采用NASTRAN的SQL144载荷分析框架获得训练随机森林代理模型的样本数据，然后以高度、马赫数、过载、俯仰角加速度等作为输入参数构建了飞机对称机动载荷预测代理模型。采用建立的模型预测了算例飞机其他工况机翼翼根、平尾翼根的剪力、弯矩、扭矩，通过对预测结果评估校验，证实了模型具有较高的精度，可以大幅提升飞行载荷分析效率，并能够分析飞行载荷对各状态参数的敏感度，为高效全面地分析飞行载荷提供了新的思路。     

一种机翼弯剪载荷包线近似计算方法

在机翼静强度初步设计中,为了快速准确地得到其载荷包线并用于确定翼盒结构基本参数,提出一种近似计算方法。通过比较多种重量估算方法,发现三角形分布能较好地拟合机翼重量。考虑到大型民用运输机飞行临界过载和集中载荷等特性,综合利用Schrenk升力分布和三角形重量分布,得到在飞行载荷下的一种近似计算机翼剪力和弯矩载荷包线方法。通过分析两机翼风洞试验数据得到的机翼剪力和弯矩包线,证明该近似方法是可行的。     

带后缘小翼的旋翼振动载荷计算

建立了考虑弹性桨叶、刚性小翼的旋翼气动弹性分析模型和旋翼载荷计算方法.以广义质量和广义力的形式描述小翼惯性力和气动力对系统的影响,以非定常/动态失速模型计算剖面气动力,结合基于实验数据修正的组合气动模型计算带小翼部分的剖面气动力,集成大变形桨叶模型考虑弹性变形的非线性,以力积分法计算桨叶剖面振动载荷.通过计算分析与实验结果相比较,验证了建立的气动弹性模型和载荷计算方法.结果表明:建立的桨叶结构模型精度很高,气弹模型能够准确预测旋翼的振动载荷,挥舞弯矩平均误差控制在9.1%,使用修正的小翼气动模型能有效提高小翼运动时桨叶振动载荷的计算精度.      

基于深度学习的飞行载荷测试与反演方法研究

飞行载荷测试技术对飞机的载荷设计、强度试飞以及寿命监控等有重要的意义。为了实现复杂翼结 构气动载荷的实时在线分布测试,提出基于精细化有限元仿真数据驱动的载荷反演方法;使用深度学习方法建 立神经网络代理模型,通过有限元方法构建典型载荷下的结构响应数据集,对模型进行训练;将基于深度学习 方法的翼面载荷反演结果与有限元计算结果进行对比验证。结果表明:总载荷的平均误差约为0.2%,压心位 置误差约为1%,该方法可以使用少量的应变测点数据对整个翼面结构的载荷分布实时反演与重构。     

飞机飞行载荷的简化计算方法研究

飞行载荷分析是一项复杂而繁重的工作,研究一种适用于方案设计阶段飞行载荷的快速分析方法,对于提高飞行载荷的计算效率具有重要意义。基于小扰动线性分析理论,归纳翼身气动载荷、平尾气动载荷、垂尾气动载荷、舵面铰链力矩的理论计算方法,以及升力面的气动载荷分布、惯性载荷分布、剪力和弯矩的工程计算方法。针对某型单座竞技飞机的飞行载荷,以外形尺寸、质量特性和气动导数作为输入,通过Matlab 仿真分析,得到各个部件的气动载荷、惯性载荷、舵面铰链力矩、剪力和弯矩等参数响应。结果表明：该简化方法能够根据较少的输入数据快速求解出各个动力学参数,计算结果可以作为方案设计阶段结构设计的载荷输入。     

某中央翼盒对飞行载荷实测的影响

使用应变法测量某具有中央翼盒平尾的飞行载荷时,在地面校准试验中发现：左翼面载荷可使右翼面根部应变计有较大的响应,反之亦然。该现象可使根部载荷测量精度下降。分析了中央翼盒对根部载荷测量影响的机理,给出了一种考虑异侧载荷影响的载荷方程建立方法,讨论了不同类型剪力载荷方程对异侧载荷影响的敏感性,并将修正前后的方程应用于飞行载荷实测。结果发现：本文方法一定程度上可提高根部载荷方程的精度;对上述平尾结构,由两个剪力一个弯矩组建的载荷方程对异侧载荷影响不敏感,修正前后实测的飞行载荷差异在5.7%之内,由两个剪力和两个弯矩组建的载荷方程对异侧载荷影响敏感,修正前后实测的飞行载荷差异达到78.6%。     

基于遗传神经网络的飞行载荷参数识别

针对飞行载荷参数识别问题,结合典型机动动作,提出一种优化改进的BP神经网络模型。模型采用留出方法和遗传算法对BP神经网络的设置参数进行优化,利用最优设置参数训练得到飞行载荷与飞行参数的BP神经网络模型。在半滚机动下,通过利用飞行参数识别某一部位弯矩并与未优化BP神经网络对比,表明优化改进的BP神经网络模型对飞行载荷参数识别是一种可行且精度高的方法。     

飞机全动式鸭翼载荷飞行测量技术

根据现代鸭式飞机结构特点及载荷飞行实测要求,提出了在鸭翼大轴外缘选择一个剖面进行测载应变计改装的方法,并采用不同侧应变计以特定方式组成惠斯通电桥,以达到某种应变电桥只对与其对应的载荷敏感,而对其他载荷响应较小的目的,从应变响应上对鸭翼的弯矩、扭矩和剪力载荷进行机械解耦。在载荷校准试验中,左右鸭翼同时对称向上施加校准载荷,利用飞机重量和后机身托架即可平衡加载载荷引起的飞机移动和转动,不需要对飞机进行复杂的约束和固定。通过对校准试验数据的分析,采用多元线性回归方法,建立了鸭翼载荷模型,并对载荷模型进行了验证。选取典型试飞状态,对各种机动情况下鸭翼实测飞行载荷进行了分析研究,给出了鸭翼主要的严重受载状态。     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用...     

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行"精调",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

基于模型拼接技术的四旋翼无人机全飞行包线建模

四旋翼无人机在军事和民用领域都有广泛的应用前景。然而，四旋翼无人机具有机载传感器准确性低与可靠性差、不同飞行条件下动力学模型差异大等特点。本文以四旋翼无人机为研究对象，系统地开展了飞行路径重构、频率域系统辨识、全飞行包线建模的相关研究工作。针对机载低成本传感器存在显著常值偏差与量测噪声统计学特性未知的缺点，采用基于EKF的飞行路径重构技术对在飞行试验中无人机的机体空速进行重构；针对不同飞行速度下四旋翼无人机动力学模型差异大的特点，采用频域法辨识得到不同飞行条件下的本体动力学模型；针对四旋翼无人机大跨域的高精度控制需求，利用模型拼接技术，系统性地提出了全飞行包线建模方案，经过验证，所提出模型拼接技术是准确可靠的。     

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。