面向控制的仿鸽扑翼机纵向动力学建模与分析

鸽子飞行时常采用变频率和变振幅模式来操控翅膀扑动与扭转以达到高效飞行的目的。为了给研究扑翼机控制和分配算法提供通用的设计验证平台,建立包含3个控制输入自由度的仿鸽扑翼机动力学模型,并开展开闭环模型有效性验证。考虑机翼运动惯性力和力矩,基于Kane方程建立仿鸽扑翼机的纵向多刚体非线性模型。选择升降舵偏转角、机翼扑动角振幅和机翼扭转角振幅作为控制输入,定义机翼定周期扑动的操纵机制,估算面向控制模型所需的气动导数和操纵导数,建立面向控制的仿鸽扑翼机线性时变周期系统模型。基于Floquet理论对线性时变周期系统模型进行动稳定性分析,结果与开环时域仿真一致。从闭环角度对模型有效性和适应性进行验证,仿真表明,所建模型能有效反映仿鸽扑翼机时变周期动力学特性,并能支撑控制分配方法的设计研究。     

驾驶员神经网络模型与频域拟线性模型的比较研究

 针对在双通道人—机控制系统中,由于驾驶员在各通道间的注意力分配,造成操纵行为具有明显的非线性这一特性,提出了用神经网络模型进行驾驶员行为描述的新方法。通过在飞行模拟器上进行双通道控制的人—机闭环仿真实验,分别对驾驶员的神经网络模型和频域拟线性模型进行识别,并对两种模型的识别结果进行了精度分析和仿真验证。结果表明神经网络模型在更宽的频带范围内具有良好的精度,而频域拟线性模型只在低频范围内精度好,其频带范围相对较窄。这说明神经网络模型在描述驾驶员非线性行为特征方面优于传统的频域拟线性模型。     

俯仰跟踪任务中的驾驶员神经网络模型辨识

 在飞机设计中,应用驾驶员数学模型预测飞机飞行品质是避免人机系统出现不良耦合的重要途径之一。为了提高飞行品质的预测精度,采用人工神经网络(NN)方法进行驾驶员模型辨识,着重研究该模型对不同飞机被控对象的适应能力。首先,详细分析了驾驶员完成俯仰跟踪任务的操纵行为特点,提出适用于该驾驶员行为描述的神经网络模型结构形式。然后,根据对不同被控对象进行俯仰跟踪实时仿真实验的结果,对神经网络模型参数进行识别。最后,对模型辨识结果进行了精度评价。研究结果表明,该辨识方法适用于研究具有不同增益、不同短周期振荡频率飞机被控对象的驾驶员操纵行为特性。