基于飞行数据的无人机平飞动作质量评价模型

针对无人机（UAV）操纵质量高低多依赖专家主观评判、不同飞行动作缺乏针对性评判标准的问题,建立了根据飞行数据客观评价无人机平飞动作质量的模型。首先通过建立平飞判别规则识别无人机飞行数据中的平飞动作数据段,然后根据布林通道理论计算各平飞数据段内多个飞行参数的得分值,最后通过"熵权法"确定各参数的权重,进而得到反映不同无人机操控手平飞动作质量的指标数据。将一次四边平飞训练任务中4组不同无人机操控手操纵和1组无人机自主控制的飞行数据输入该模型,计算结果表明,模型可以较好地识别平飞动作并区分不同操控手平飞动作质量的高低,可以为无人机操控手的训练提供参考。      

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

基于混合算法的涡轴发动机稳态性能仿真模型

以自由涡轮式涡轴发动机为研究对象,建立了涡轴发动机的稳态性能仿真模型,提出了基于天牛须算法和N+1点残量法的求解发动机模型的混合算法(BAS-N+1混合算法),利用发动机台架试车数据对仿真计算结果进行了验证。结果表明,该稳态性能仿真模型各参数的求解误差在3%以内。与PSO-N+1混合算法相比,BASN+1混合算法求解精度更高,收敛更快。BAS-N+1混合算法既保留了智能算法对初猜值误差的包容性,也拥有接近经典迭代算法的收敛速度和精度,能够实现涡轴发动机稳态仿真模型的高精度大范围快速收敛。