基于EKF的实时循环神经网络在非定常气动力建模中的应用

结合EKF算法(扩展卡尔曼滤波)和RTRL算法(实时递归学习算法)的特点,提出一种基于EKF的实时递归学习算法(EKF-RTRL),运用到循环神经网络中(RNN)。应用该神经网络对某飞机大迎角大振幅单自由度偏航、滚转以及偏航滚转耦合运动的非定常气动力进行建模。结果表明,基于EKF的实时循环神经网络计算精度高,收敛快,辨识结果与实验结果符合较好,验证了本算法的有效性。     

飞翼布局飞行器航向射流控制方案优化

由于飞翼布局飞行器取消了垂尾,其航向控制困难。为辅助和优化航向控制,基于射流控制技术设计了多种激励方案。设计并制作了航向射流控制激励器,通过风洞测力实验和二维数值模拟,对各方案的控制效果和作用机理进行分析,并选取出最优控制方案。研究结果表明:相同射流动量系数下,产生阻力比施加推力更容易获得偏航力矩。当激励开启后,射流包含与来流相逆的分量越多,与来流作用越明显,形成的分离区越大,控制效果越好。其中前对称吹气为最优控制方案,可以产生约70°阻力舵偏转效果,且力矩耦合程度较小。      

基于试验分岔分析的翼身融合飞行器纵向稳定性

针对翼身融合布局飞行器的纵向稳定性问题，基于分支和突变理论，求解迎角随升降舵变化的平衡分岔图，并对平衡分支的稳定性和突变点进行了分析。结合风洞虚拟飞行试验技术，发展了试验分岔分析方法，并设计了基于非线性动态逆的伪线性控制器，由此获得并分析了开环试验和闭环试验平衡分岔图。对比分析表明，理论分岔分析与开环试验分岔分析在小迎角范围结果基本一致，验证了试验分岔分析方法的可行性和准确性；翼身融合飞行器产生纵向失稳的主要原因是机翼表面流动分离，从而导致C_mα发生突变引起的；闭环试验分岔分析实现了翼身融合飞行器非线性全局稳定性控制，通过纵向非线性控制器，可以将不稳定平衡分支改造成稳定的平衡分支。