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。      

一种翼身融合飞行器的失速特性研究

翼身融合（BWB）布局飞行器作为下一代商用飞机的主要构型之一，越来越受到重视。对于翼身融合飞行器的研究主要针对其巡航状态的特性，而对其失速特性的研究较少。对一种翼身融合客机构型进行风洞试验研究，采用测力试验方法对其无增升装置的构型，以及具有翼梢小翼、前缘缝翼和机身上部双吊舱的组合部件构型下的纵向特性进行研究，特别是对其失速特性的分析，并通过二维粒子图像测试技术以及油流试验对其失速过程的流动机理进行研究。结果表明，无增升装置的基本构型下，翼身融合飞行器可以保持低速飞行，而各组合构型都具有提高最大升力系数的作用。对失速过程的分析表明，随着迎角的增大，飞机表面流场分离区域从翼梢开始逐渐向翼根以及机身发展，当外翼段完全处于分离区域时，飞机并不会马上失速，因为中心体同样具有提供升力的作用，且中心体的流动分离较外翼的流动分离更晚，所以当外翼在失速迎角出现升力损失时可以通过中心体的升力进行补偿，维持其低速飞行状态，真正的失速发生在中心体出现流动分离之后。     

一种翼身融合布局飞行器的偏离特性分析

为研究某翼身融合布局飞行器的偏离特性，在南京航空航天大学回流式低湍流度开口风洞中进行了飞机模型的大迎角静态测力试验。通过对试验结果的充分挖掘，利用横航向静稳定性判据、侧滑偏离判据、横向控制偏离参数以及Weissman组合判据进行分析，获得了飞机的大致初始偏离迎角和偏离区域，并对飞机的尾旋敏感区进行了预测。同时，利用风洞虚拟飞行试验技术进行三自由度释放验证。结果表明:该翼身融合布局飞行器的横向静稳定性较差，在很小的迎角下就可能出现非指令滚转运动，这也是造成偏离发散的主要原因；而虚拟飞行试验对偏离现象有较好的复现，与通过稳定性判据得到的偏离特性具有较好的对应关系，验证了虚拟飞行试验在偏离特性研究上的可靠性。     

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。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。