基于NESO的高超声速拦截弹解耦控制研究

针对高超声速拦截弹姿态控制问题,提出了基于非线性扩张状态观测器(NESO)的解耦控制方法.根据Tornambe的分散鲁棒控制理论,把耦合项和不确定性视为广义不确定项,构造基于NESO的估计和补偿信号并加入到闭环控制律中.理论推导证明了该方法可以保证闭环系统跟踪误差一致有界.在高超声速拦截弹模型上进行了仿真验证,并与传统的分通道反馈控制方法进行对比,结果表明所设计解耦控制方法得到了更好的控制效果,在较大程度上消除了通道耦合和不确定性的影响.     

惯组中光纤陀螺温度漂移的二维插值建模研究

光纤陀螺对温度较为敏感,输出受温度及温度变化率影响严重,在实际工作中需要对温度漂移误差进行建模补偿。传统多项式拟合方法如最小二乘法,无法很好地满足精度要求。因此,首先对光纤陀螺工作原理与温度漂移误差产生原理进行分析,得出光纤陀螺温度漂移误差特性。利用传统多项式模型对不同温度下启动的光纤陀螺进行建模补偿,得到补偿后的精度并不理想。利用新的二维插值模型对上述试验重新进行建模补偿,结果表明二维插值模型明显优于多项式模型,光纤陀螺的零偏稳定性由补偿前的0.0153(°)/h提高到0.0051(°)/h,有利于工程上应用。     

低空无人机交通管理概览与建议综述

大量无序飞行的低空无人机运行会对地面设施、公共安全、空中载人飞行器等带来危害。然而,目前民航空中交通管理不能适应未来数以百万架的无人机。为了应对该挑战,世界各国针对低空无人机空中交通管理开发了新框架。低空无人机空中交通管理属于近几年出来的新事物。藉此聚焦于低空无人机交通管理,从4个方面进行概览：低空无人机相关的空中交通基本概念及现状、低空无人机交通管理介绍、低空无人机交通管理的关键技术和低空无人机交通管理相关科学问题,以期望对无人机产业健康发展有一定的建议意义。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

基于边界层相似性解的放大因子输运模型

为了使二维线性稳定性理论能够适应现代CFD求解技术,通过求解Falkner-Skan边界层相似性方程获得各个形状因子下的相似速度型。基于线性稳定性理论,对各个速度型进行稳定性分析从而获得对应不同速度型的扰动放大因子包络线。最后使用标量输运方程的形式实现包络近似方法中放大因子的当地化求解,并结合原始γ-Re_θt转捩模型中的间歇因子输运方程,实现了自然转捩和分离泡转捩的建模。使用该输运模型对S&K平板、S809翼型、NLR7301翼型和DLR-F5机翼进行转捩预测,结果均与试验结果吻合较好,验证了该模型构建的合理性和可行性。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

大型水陆两栖飞机侧风起降的滑流影响分析

大型水陆两栖飞机AG600的动力装置为安装在机翼上的4台同向旋转涡轮螺旋桨发动机,针对1：15缩比模型带动力风洞试验显示的螺旋桨滑流对侧风起降状态的偏航力矩不稳定影响,对全机带动力风洞试验模型进行了大规模并行非定常数值计算,再现了风洞试验现象,通过流动机理分析明确其产生原因主要是左侧滑时右外翼分离和垂尾背鳍涡破裂,这些原因和数值模拟的准确性也为后期的风洞试验所证实。考虑到模型风洞试验中尺度限制造成的低雷诺数和高螺旋桨转速,为保证飞行安全,继续采用该非定常方法对全尺寸飞机真实侧风起降状态进行了详细数值分析和偏航稳定性评估。研究结果显示,在飞行雷诺数和螺旋桨转速下,相同侧风范围内风洞试验显示的流动不稳定因素基本消失,偏航稳定性允许的侧风范围明显增加。本研究实现了四发螺旋桨飞机起降状态横向气动特性的滑流影响非定常数值分析,建立了基于计算流体力学的风洞与飞行雷诺数效应的相互关系,进行了偏航稳定性的虚拟试飞评估,研究成果也为AG600飞机的首飞和飞行试验所验证。     

翼型低雷诺数层流分离现象随雷诺数的演化特征

层流分离现象是翼型低雷诺数条件下出现的典型流场特征。层流分离流动中包含流动分离、转捩、再附等非定常流动结构,层流分离流动的形成与演化会对翼型气动特性产生恶化作用。采用大涡模拟（LES）方法对低雷诺数范围内不同雷诺数下的翼型层流分离流动开展精细数值模拟,研究了雷诺数对翼型气动特性的影响规律及作用机理。LES方法采用隐式亚格子模型,基于结构化拼接网格,对流项离散和时间推进方法分别采用AUSM⁺格式以及双时间步方法。验证算例计算结果表明数值模拟方法的正确性及可靠性,雷诺数对翼型气动特性具有显著影响。随雷诺数降低,时均分离泡外形增大、位置后移,平均阻力系数增大,特别是在较低雷诺数下,翼型升阻力系数随时间出现振荡现象。进一步研究表明,造成不同时均分离泡形态和气动特性的原因在于翼型上表面分离剪切层的失稳与转捩特征。随雷诺数降低,流动黏性增大,导致分离剪切层速度梯度减小,流动发生转捩及再附位置后移,直至翼型表面不再发生转捩和再附。     

无刷直流电机神经网络PI控制系统设计

针对传统PI控制存在的动、静态控制性能较差的缺点,提出一种基于神经网络的PI控制方法。将神经网络与传统PI控制结合,构建神经网络PI控制系统,建立三层BP神经网络,并通过梯度下降法对各项参数进行修正,从而实现kp、ki参数的在线调节。仿真及试验证明,与传统PI控制方法相比,使用神经网络的PI控制系统在不同外部条件下都具有更快的响应速度和更小的超调量,可明显提高系统的动、静态性能。     

基于最优误差动力学的时间角度控制制导律

针对带有攻击时间和终端攻击角度约束的导弹制导问题,设计了一种基于最优误差动力学的时间角度控制制导律,并给出了明确的性能指标。推导广义最优角度控制制导律作用下的剩余飞行时间估算表达式,在广义最优角度控制制导律的基础上增加攻击时间误差反馈项,将攻击时间误差看做跟踪误差,设计的制导律使跟踪误差以最优模式在有限时间内收敛到零,最终实现攻击时间和终端攻击角度的共同控制。对不同参数下的情况进行仿真,验证了所提制导律的有效性。