基于调平回路的LESO抗干扰方法研究

针对平台台体转位过程中方位角速度对水平通道调平回路的干扰问题,提出了惯导平台调平回路抗干扰方法.将线性扩张状态观测器(LESO)应用于调平回路中,对干扰进行估计并实时补偿.基于调平回路模型,对LESO进行设计及仿真分析.仿真结果表明,LESO能准确估计干扰且动态补偿效果好,较原系统具有更强的抑制干扰能力.     

船载天线伺服系统稳定回路分析与设计

为提高方位俯仰型船载天线伺服系统的船摇隔离度,稳定环是常采用的策略,但是选择传统的PID(Proportional Integral Derivative,比例积分微分)调节器往往不能获得满意的控制效果,针对该问题,提出了PID+积分+滞后校正环节作为稳定环调节器的具体实现形式。另外,通过对伺服系统内各环路带宽及响应速度的分析,将稳定环阶跃响应的上升时间作为参数调节依据。上述设计完成后,在实际系统中添加周期10s,幅值8°的正弦波信号模拟船摇扰动,此时添加稳定环后,方位轴的船摇隔离度提高了6dB,俯仰轴的船摇隔离度提高了13dB。这表明,采用PID+积分+滞后校正环节作为稳定环调节器的设计形式是正确且简单有效的。     

航空发动机静叶联调机构运动分析及优化

针对航空发动机可调静子叶片联调机构运动关系复杂、优化难度大的问题,研究了一种采用图解法和齐次坐标法结合MATLAB软件推导两级联调机构运动方程,并运用遗传算法对两级机构中的关键构件进行联合优化的方法。运用该方法对指定联调机构的两级曲柄可调端长度、可调端与固定端夹角进行了优化求解。得到了最优解,使得第一级摇臂转动角度是第零级摇臂转动角度的2倍，且第一级摇臂转动角速度也是第零级摇臂转动角速度的2倍。      

超声速状态下航空发动机部件蜕化参数估计与性能恢复控制

为解决超声速状态下航空发动机部件蜕化参数估计与性能恢复控制的难题，基于改进卡尔曼滤波器，通过一种三维插值方法实现超声速状态包线范围内的发动机部件蜕化参数估计。而航空发动机性能恢复控制是在常规内环控制转速的基础上增加了外环控制回路，该回路主要包括推力估计模型与外环控制器两部分。基于最小二乘支持向量回归机设计了一种推力估计模型，其输入采用特征选择算法筛选推力估计模型的最优输入，相比于传统的不经选择的推力估计模型，精度有较大提高。设计了外环模糊PI（Proportional integral）控制器自适应调节内环转速指令来实现蜕化发动机性能恢复的目的。最后通过超声速状态下的数字仿真，验证了上述发动机部件蜕化参数估计与性能恢复控制方案的有效性。      

飞行员疲劳监测中的人眼定位及状态判别研究

飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测，其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼，根据模糊综合评价思想，判定人眼睁开闭合状态，根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明，改进的人眼定位方法具有更高的精确度和鲁棒性，提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。     

民用飞机试飞阶段人为因素适航审定技术研究

随着飞机各系统可靠性的不断提高,人为失误逐渐成为系统失效或造成飞行事故的主要因素,已成为设计及适航审定部门关注的重难点问题.当前国内外对于如何验证人为因素是否满足相关适航条款的要求仍处于理论探索阶段.针对上述问题,基于CCAR-25部条款分析试飞阶段民用飞机人为因素适航审定过程,包括基于SHELL模型及T.E.S.T矩阵的人为因素审定条款筛选,基于MOC5&MOC6的试验机符合性验证方法,并基于模糊评判方法给出数据分析实例.本文提出的人为因素适航审定思路及验证方法具有一定创新性,已在试飞阶段ARJ21-700飞机上初步应用,可为后续C919等民用飞机人为因素设计和适航审定提供技术支持和方法保证.     

具有全向推力矢量的六旋翼无人机设计与建模

针对常规旋翼飞行器飞行速度小和加速飞行时不能保持机体水平姿态等问题,提出了一种具有全向推力矢量的六旋翼无人机设计方案;分析了推力矢量六旋翼在可倾转旋翼结构倾转不同角度时的飞行模式;建立了推力矢量六旋翼的动力学模型,并针对动力学模型设计了PID控制器;最后对动力学模型进行数值仿真验证.结果表明,所设计的推力矢量六旋翼能够悬停,且可以在定速飞行中保持飞行器的水平姿态.     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。