基于黏性涡粒子和非定常面元法耦合的倾转四旋翼飞行器气动干扰研究

为研究倾转四旋翼飞行器复杂的气动干扰问题，首先基于黏性涡粒子和非定常面元法建立了倾转四旋翼飞行器干扰流场的数值计算方法，并验证了该方法的有效性；其次，根据建立的方法对悬停和前飞状态下的气动特性和干扰情况进行了计算和分析；最后，针对干扰情况对倾转四旋翼的气动布局进行了部分优化设计。结果表明：悬停时的干扰主要来自旋翼下洗流对机翼作用产生的向下载荷，占旋翼拉力的25.3%;前飞时的干扰主要表现为旋翼尾流对机翼“增阻”作用，致使全机升阻比降低13.2%,增加前后旋翼的横向间距能使前飞时后旋翼的拉力和效率分别提升13.5%和4.2%,全机的升阻比提高3.1%;旋翼下方机翼后缘向下偏转的布局能使悬停时机翼受到的向下载荷减小40.7%。     

四倾转旋翼飞行器直升机模式操纵策略设计与验证

为解决四倾转旋翼飞行器直升机模式旋翼操纵冗余问题，建立了120 kg级四倾转旋翼无人飞行器飞行动力学模型，并依据不同操纵方式的功效变化进行操纵策略优选设计。应用串级PID控制理论设计了四倾转旋翼无人飞行器飞行控制系统，仿真分析操纵策略对姿态控制和轨迹控制响应的影响；用给定姿态指令和轨迹指令跟踪控制效果验证所设计操纵策略的合理性。研究结果表明：直升机模式下，纵向、横向通道用旋翼总距差动进行控制，航向通道用左右旋翼纵向周期变距差动进行控制时操控效率最高，控制响应快，且控制输出变化幅度小；面对外界风扰，使用该优选操纵策略，控制误差最小，抗扰性好。     

水空两栖太阳能四旋翼气动特性研究

太阳能四旋翼无人机结合了太阳能飞行器和四旋翼飞行器的优点,已受到广泛关注,但由于太阳能板的存在,旋翼的安装高度和轴距会对整机的气动效能产生影响。通过基于粒子法格子玻尔兹曼技术的XFlowCFD软件,对太阳能四旋翼无人机的整机流场进行非定常数值模拟,并分析该飞行器的气动特性。结果表明:旋翼高度对整机升力的影响较小,旋翼的安装轴距越大整机的升力越大,其主要原因是轴距较小时,旋翼产生的下洗流冲击在太阳能板上,对整机产生气动干扰。     

航空发动机叶片高精度自动测量系统

为了解决叶片完整型面自动测量存在的问题,提出了一种叶片高精度自动测量融合系统.系统结合双目三维扫描装置和电控转台,利用高精度校准平面旋转,通过平面拟合、虚拟转轴及角度计算,获取高精度四元数及中心位置坐标后完成自身定位.多次测量数据以中心坐标为中心,进行四元数运算,即可实现叶片实时测量融合.对融合后数据采用阈值迭代就近点(ICP)算法收敛处理消除机械转动误差.结果表明:系统装置综合精度为0.03~0.04mm,可自动、高效、稳定地实现发动机叶片的高精度测量.      

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

基于二维紧凑型四阶格子模型的激波管流动模拟

为了提高格子的稳定性，使用Hermite展开方法，构建了新的二维四阶紧凑型格子模型，即D2Q37A。比较了D2Q37A和与Philippi给出的紧凑型格子模型(D2Q37B)的稳定性。在相同的碰撞频率下，与D2Q37B相比，D2Q37A可以模拟初始密度比更高的一维激波管流动。这表明D2Q37A与现有格子模型相比，具有更好的稳定性。详细给出了适用于高阶格子模型的边界条件实现方式。此边界条件实现方式保留了体现LBM（lattice Boltmann method）粒子特性的迁移 碰撞机制。用以上给出的格子模型和边界条件处理方式模拟激波管流动，得到的模拟结果和解析解吻合得很好。这表明所给出的边界处理方式是可行的。此边界格式同样可以用于其他类型的流动和边界。      

基于改进EKF的IMU动态误差抑制

惯性测量单元（Inertial measurement unit,IMU）三轴欧拉角的解算数据精度和抗干扰性能常受到系统高频噪音以及震动干扰的影响。基于此问题，本文提出一种适合嵌入式系统的低计算量、实时性好、低成本的动态误差抑制方法。该方法通过在扩展卡尔曼滤波器（Extended Kalman filter, EKF）算法前端引入一种无限脉冲响应滤波器（Infiniteimpulseresponse-extendedKalmanfilter,IIR-EKF），借助于二阶巴特沃斯低通滤波器（Butterworth filter, BF）对数据进行预处理来帮助EKF抑制高频或强干扰。IIR-EKF算法在STM32H743微控制器中实现，经过几种实验对比验证，结果表明：在EKF单独作用时，其数据方差较大，遇到震动干扰时，瞬时值误差较大；在无迹卡尔曼滤波（Unscented Kalman filter, UKF）单独作用时，虽然其并不依赖初始噪音参数，其数据方差比EKF小，但还不足以满足要求；在加入BF后，数据方差明显减小，瞬时误差被大幅抑制，增强了系统的稳定性、抗干扰能力。     

基于卡尔曼滤波法的船载惯性测量单元设计

随着信息时代的到来,人类文明空前繁荣,尤其是互联网普及的近几十年,社会进步更是突飞猛进.与此同时,人类的生产、生活越发的依赖于全球信息以及获得信息的通信设备,作为全球通信的重要组成部分,海洋通信依赖于船载动中通设备,而为了保障船载动中通的通信能力与通信质量,姿态信息不可或缺,因此姿态测量单元是船载动中通的核心器件.但常规姿态测量单元价格昂贵,简易姿态测量单元精度不足,需要通过合理的算法弥补彼此的不足.介绍了我所在民用船载动中通领域如何运用常规的微电子(MEMS)传感器测量数据构建惯性测量单元(IMU)并通过卡尔曼滤波法与四元数获得稳定、可靠的欧拉角姿态信息.此方法简单易行,通过数据融合提升了常规的微电子传感器对欧拉角姿态信息测量的精度,可广泛的应用于各个行业.