基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

大展弦比无人机抗侧风着陆控制研究

大展弦比无人机进场着陆过程中速度较低,对侧风十分敏感,是飞行过程中控制最复杂的阶段之一.通过分析侧风条件对样例无人机着陆过程的影响,提出了通过优化设计着陆轨迹线、控制空速以及完善纵横向控制策略的方法来改善侧风条件下大展弦比无人机自动着陆的控制品质.仿真结果表明,所设计的自动着陆轨迹线合理,控制策略完备,控制律品质良好,满足样例无人机在侧风条件下自动着陆控制的设计要求.     

基于光学导引的无人机自动着陆控制系统设计

针对目前无人机采用的某些着陆导引方式存在的覆盖面积小、易受干扰等缺点,设计了基于光学导引系统的无人机自动着陆控制系统.建立了某型无人机的纵向和横侧向的线性方程,结合光学导引系统的性能指标提出了光学导引自动着陆系统的总体结构,设计了理想下滑轨迹和自动着陆控制律方案,将光学导引系统和自动着陆控制系统结合在一起,运用经典PI...     

飞机自动着陆纵向块对角控制器设计

简介了块对角控制思想,在分析飞机运动特性的基础上,把飞机纵向运动方程处理为块对角非线性系统,并设计了具有纵向控制能力的自动着陆块对角控制器,仿真结果表明该控制器能够控制飞机自动着陆。     

某高速着陆无人机方向舵纠偏控制设计及性能分析

无人机高速着陆过程中,由于侧风或初始干扰导致的滑跑侧偏极其危险。基于高速状态下方向舵纠偏效率高的特点,建立某无人机高速着陆动力学模型,设计方向舵纠偏控制策略,并基于Matlab/Simulink平台建立无人机滑跑非线性动力学模型及方向舵纠偏控制模型;对具有初始1°偏航角和1m/s持续垂直侧风情况下的无人机着陆工况进行仿真分析,并通过控制着陆速度、着陆初始姿态角和侧风强度,分析纠偏控制系统的性能。结果表明:所设计的纠偏控制系统具有一定的航向纠偏和抗持续侧风能力,最大侧偏距小于3 m,偏航角小于5°,较好地实现了高速滑跑阶段的侧向纠偏性能。     

飞机自动着陆纵向块对角控制器设计

在阐述了块对角控制理论和分析飞机运动特性的基础上,把飞机纵向运动方程转化为块对角非线性系统,并设计了飞机自动着陆纵向块对角控制器。仿真结果表明,该控制器能够控制飞机自动着陆,跟踪性能良好。     

无人机下滑着陆DGPS/INS导航及引导系统的仿真与试验研究

介绍了一种采用输出校正方式DGPS/INS组合导航系统引导无人机下滑着陆的方案。给出了该方案的数学模型,对组合导航系统进行了数字仿真,并在数字仿真的基础上进行了动态跑车试验,验证了所设计的输出校正方式DGPS/INS组合导航系统能够满足引导无人机自动下滑着陆的精度要求。     

高速无人机着陆滑跑纠偏联合仿真研究

针对高空高速无人机着陆地面滑跑过程中的侧向偏移问题,建立了差动刹车和方向舵联合纠偏控制系统。使用动力学软件LMS Virtual. Lab Motion建立了包含阻力伞、气动舵面和起落架等设计因素的全机动力学模型,并与Matlab/Simulink控制模型进行全无人机着陆滑跑联合仿真分析,验证了在侧风情况下无人机着陆滑跑纠偏性能。仿真结果表明,所设计控制系统满足性能指标要求,在无人机的整个滑跑阶段均有良好的抗风纠偏效果。     

总能量控制在RLV自动着陆中的应用

为了解除重复使用运载器(RLV)自动着陆段飞行速度和航迹之间的非线性耦合,设计了基于总能量原理的纵向飞行控制律。该原理的核心思想是通过RLV的阻力板改变阻力来控制总能量,用升降舵调节总能量的分配,通过协调阻力板和升降舵指令,达到合理调节和分配能量的目的,确保控制系统具有良好的非线性解耦控制能力和较强的鲁棒性。仿真结果表明,基于总能量的飞行控制系统,实现了RLV自动着陆段高度和速度的解耦控制,满足不确定条件下RLV自动着陆的要求。     

无人机着陆控制的特征结构配置方法实现

针对无人机纵向着陆系统的控制需求,采用特征结构配置方法的设计方案。阐述了全状态反馈理论基础上的特征结构配置的原理以及根据设计指标确定特征结构配置的方法,并对某型无人机纵向飞控系统动态响应进行分析,给出仿真实例。仿真结果表明,应用特征结构配置方法设计出的控制器,能够使飞机准确地跟踪期望轨迹,满足系统动态性能要求。在工程中具有一定的实用价值     

起落架四点布局无人机地面运动研究

以国内某四轮无人机为研究对象,在考虑摩擦力、侧向力和角速率等各种因素的情况下,全面分析研究了四轮无人机地面滑跑时的运动特点和受力情况,建立了六自由度刚体飞行器地面运动的动力学方程和运动学方程。在此基础上,对全量非线性模型进行了起飞、着陆时地面运动的仿真,该仿真结果表明了系统模型的正确性。     

四火箭助推无人机起飞与降落控制算法

固定翼无人机起降过程对场地要求高,这限制了其应用。为此,提出四火箭助推无人机实现短距离起降的方案,并对火箭助推无人机起降控制算法进行研究。设计火箭助推无人机起降过程的控制策略;建立无人机气动力、助推火箭作用力、发动机推力及控制律数学模型,构建无人机起降过程的动力学方程;设计一种基于PID 控制的控制算法,控制目标无人机在各种干扰环境下安全稳定地完成起降过程;利用MATLAB 软件编程进行仿真计算,并通过对比仿真结果与试飞结果,来验证该控制算法的有效性。结果表明：所设计的控制算法及控制律满足目标无人机起降过程的控制要求。     

无人机自动回收控制系统设计

采用PD控制设计了无人机自动回收侧向稳定控制系统、纵向角控制系统和纵向回收轨迹控制系统。采用此控制系统,对无人机自动回收过程进行了6自由度仿真计算与分析。仿真结果表明,采用该控制系统可实现无人机精确回收。     

非线性反馈线性化方法在飞控系统中的应用

应用非线性反馈精确线性化方法进行了飞机自动着陆系统设计。首先,用非线性微分方程组表示的飞机纵向控制系统,在经过输入输出反馈线性化以后,可等效为线性系数;然后,用线性的ＰＩＤ控制方法对变换后的线性系统进行了设计;最后,考虑风的干扰,对所设计的飞机自动着陆控制系统进行了数字仿真。仿真结果表明,用反馈线性化方法设计的飞控系统具有良好的性能。     

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法，能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程，提出了一种基于模仿深度强化学习的控制策略设计方法。首先，建立了固定翼无人机栖落机动的纵向非线性动力学模型，并设计了无人机栖落机动的强化学习环境。其次，针对栖落机动状态动作空间大的特点，为了提高探索效率，通过模仿专家经验的方法对系统进行预训练。然后，以模仿学习得到的权重为基础，采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后，通过仿真验证了上述控制策略设计方法的有效性。