基于广义动态尾迹倾转旋翼飞行器数学建模

为了进一步提高倾转旋翼飞行器的建模精度,采用广义动态尾迹理论建立旋翼的诱导速度模型,进而建立了旋翼气动力计算模型;考虑旋翼尾流对机翼的影响,建立了机翼气动力模型;考虑旋翼和机翼对其他升力面的气动干扰,建立相应的气动力计算模型;最后以XV 15倾转旋翼飞行器为例,对建立的模型进行验证。仿真结果表明：建立的飞行动力学模型可以很好地反映飞行器的物理特性,适用于倾转飞行器的飞行动力学研究。     

小型舰载无人机侧向自主着舰引导技术

针对无人机着舰性能要求,以国外现役某小型舰载无人机为例,研究其侧向自主着舰引导技术。构建该型舰载无人机侧向自主着舰引导系统,给出侧向自主着舰引导算法,建立无人机动力学和运动学模型,设计侧向飞行控制系统,优化轨迹控制器参数。最后搭建综合仿真平台,完成各模块的分析与测试,实现着舰性能的验证与评估。仿真中,加入舰尾流扰动模型,且舰载无人机初始位置及初始速度方向任意。仿真结果表明,该系统能很好地引导无人机自主着舰,着舰性能符合要求。     

现代直升机座舱系统及其展望

由于直升机能垂直起落,空中悬停,飞行机动灵活,无需地面跑道,具有其他飞行器不可替代的特点,因而自20世纪30年代诞生以来,经过朝鲜战争、越南战争、海湾战争等的考验,特别是近年来,随着科学技术的日益进步,直升机的使用性能日臻完善,人们对它的认识和了解也在不断深入.     

基于BACKSTEPPING的无人机飞控系统设计研究

基于状态反馈，利用BACKSTEPPING思想设计了无人机非线性自适应控制器。本文首先从非线性反馈线性化的理论缺陷出发，指出了新近兴起的BACKSTEPPNG思想的优越性，并对输入输出可反馈线性化系统的自适应控制问题进行了理论描述。本文BACKSTEEPING自适应设计过程的贡献在于提出了一种混合式的李雅普诺夫函数，它同一般的基于二次型的李雅普诺夫函数的不同在于最终导出的自适应律只含有广义误差状态的符号信息，这在一定程度上提高了系统的容错性。自适应控制算法的收敛性得到了严格的数学证明。最后对某型无人机的仿真分析表明自适应飞控系统设计是有效的。     

一种新的PWM DC—DC变换器建模方法

介绍一种带变压隔离器，含多个功率开关器件的PWM变换器工作在连续状态的建模方法。该方法考虑了变换器的寄生元件，由理想功率开关管、理想二极管和理想变压器组成的理想开关部分用受控电流源和电压源替代。基于能量守恒原理，给出了确定寄生电阻、二极管正向压降的等效值的方法。为了简化模型，建立了将平均寄生元件转移到电感支路中的映射规则。文中阐述了以PWM推挽变换器为例的建模过程，得到了PWM推挽变换器工作在连续状态的动态大信号、DC及小信号模型，并进行了计算机仿真分析，结果令人满意。该建模方法的优点是模型由标准电路元件组成，因而可以直接用于通用电路仿真程序，对于更复杂的变换器拓扑尤为方便。     

正激变换器脉冲变压器的优化设计

以正激变换器为例讨论了电路拓扑（磁复位绕组电路和有源箝位电路）和铁心材料（铁氧体，超微晶）两个因素对变压器体积，重量和损耗的影响。研究结果表明，有源箍位正激变换器对正激变压器体积的减小，重量的减轻和效率的提高有着明显的作用。超微晶材料在一定的工作频率范围内可以减小变压器的体积，重量和损耗，是一种优良的新型磁性材料。     

基于基线延长的高精度北斗双星系统快速定向算法研究

由于北斗定位系统的两颗卫星位于赤道的同步轨道，对地静止且可观测的载波相位信息少，因此传统多星系统求解整周模糊度进行定向的方法难以直接利用。针对此情况，利用延长基线可改变卫星-天线几何关系的方法，求解载波相位的整周模糊度，化不利为有利，实现双星的快速定向。针对基线在不同区域不同姿态下的仿真表明：当测试条件为基线原长1．5m，延长倍数为4时，载波相位测量精度为1％周，可实现优于0．1。的方位精度和0．05。的俯仰精度，如果延长基线或增加延长倍数，还可取得更高精度，证实了该方法的可行性和高精度性。同时由于该方法的基线安装机构简单可靠，使用时便于展开，因此可应用于环境复杂的快速定向场合。     

基于模糊卡尔曼滤波的内阻尼姿态算法研究

在系统机动性不强的情况下，传统的平台内阻尼算法将系统本身的速度信息通过阻尼网络加到系统中，达到提高姿态角精度的目的。将这种平台内阻尼的思想引入到捷联惯性航姿系统中，在系统加速度较小的情况下，利用加速度计的输出估计系统姿态角，通过卡尔曼滤波的形式补偿系统姿态误差。由于加速度的大小直接影响滤波器精度，本文设计了模糊自适应卡尔曼滤波算法，根据三轴加速度计的输出调整内阻尼量测误差方差阵，从而避免了滤波器的发散。仿真和实验验证，内阻尼算法可明显抑制舒勒周期振荡和傅科周期振荡，避免了系统姿态漂移，有效提高了捷联惯性航姿系统的精度。     

不确定强耦合下四旋翼姿态鲁棒自适应控制

针对多源不确定强耦合下的四旋翼无人机姿态控制问题，首次设计了一种多层逼近自适应神经网络动态面控制算法。区别于以往的加性耦合不确定研究，考虑无人机飞行控制中的乘性耦合多源不确定估计与补偿问题。首先，构建不确定四旋翼无人机姿态动力学模型，并基于神经网络与傅里叶展开实现乘性耦合不确定的巧妙转换；其次，将自适应技术与反步法相结合，设计多层逼近自适应控制律；同时将动态面技术用于解决反步法中虚拟控制律求导问题。完整理论分析与仿真实验表明了所述控制策略的有效性。     

基于D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。