三维多段机翼复杂流场的计算和分析

采用中心差分的有限体积方法和分区技术求解了N-S(Navier-Stokes)方程,在分区求解技术中采用了满足通量守恒的内边界耦合条件.分析讨论了三维襟翼的绕流流场,对"剪刀差"处的三维分离进行了探讨,初步揭示了绕流的主要特征及对附近物面压强的影响.同时,分析了三维襟翼前缘的分离流动.      

基于离散稀疏A*的无人机航路规划

在无人机飞行过程中,由于其自身的物理限制和战术使用要求,在进行航路规划时,需要考虑航路的机动约束条件.基于图搜索的航路规划算法通常是在离散地图上全方向搜索,没有考虑实时的航向角信息.针对该问题,分析了地理信息存储方式,采用正方形栅格模型构建无人机的规划空间,通过控制栅格间距来满足无人机的最小航路段长度约束,通过控制当前...     

民用飞机ADHF构型升阻特性研究

采用计算流体力学方法,针对伴随扰流板下偏铰链襟翼典型二维多段翼进行数值模拟,研究了扰流板下偏对小襟翼起飞构型多段翼气动升阻特性的影响。结果表明：在所研究范围内,1)固定扰流板偏度及缝道,增大襟翼偏度,可明显提升多段翼升力,并增加1.13V_SR-1.25V_SR升力范围内的阻力;2)固定襟翼位置,增加扰流板偏度,可产生机翼弯度增大与缝隙量减小两个效果;3)机翼弯度增大,可提升多段翼小迎角下的升力,但最大升力影响有限,弯度增加效应可明显降低1.13V_SR～1.25V_SR升力范围内的阻力;4)在0.3%c～1.3%c范围内,减小缝隙量,各迎角下升力均随之下降,但减小缝隙量也可明显降低1.13V_SR～1.25V_SR升力范围内的阻力;5)固定襟翼,随着扰流板下偏,升力在小迎角下有所提升,进失速段呈现下降现象,而阻力在1.13V_SR～1.25V_SR升力范围内可明显降低。     

直升机飞行品质等级数值认定方法研究

针对直升机机动飞行品质评估,ADS-33E-PRF飞行品质规范设立了不同机动性要求的任务—科目—单元,这些任务—科目—单元为驾驶员试飞进行品质评定提供了相应的依据.同时,这种主观评定方法存在成本高、风险大、周期长且无法指导直升机前期设计等问题,采用数值分析的方法是解决这一问题的有效方式.本文在总结直升机机动飞行驾驶员主...     

基于试探机动算法的专家系统优化方法

在进行无人机自主决策系统的设计中,专家系统方法是一种工程可行性高的常用设计方案.专家系统方法能够充分利用空战理论和专家经验,提供合理的建议.但是传统的专家系统在实际应用中,存在规则前件无法匹配规则而导致决策失败的问题,一定程度上限制了专家系统的应用范围.针对这一问题,提出了一种试探机动选择算法,该算法可以根据当前飞行状...     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

飞行中襟翼卡阻故障对着陆性能的影响分析

本文通过分析飞行中襟翼卡阻的三种情况,给出不同运行条件下襟翼卡阻着陆距离和着陆速度的计算方法,着重研究了不同跑道环境对高原机场着陆距离的影响程度,总结了减小襟翼卡阻着陆距离和着陆速度的方法和风险控制措施,为飞行机组和运行控制人员正确处理空中襟翼卡阻故障提供理论和决策支撑。     

基于强化学习的在轨目标逼近

从强化学习的角度,对在轨目标逼近问题进行研究,设计了一种整合制导与控制的端到端的算法.首先对在轨目标逼近问题进行数学建模;然后对强化学习算法原理进行简介,根据问题特点分析不同强化学习框架的优劣,确定以DDPG作为算法框架,并设计了基于强化学习的在轨目标逼近算法;最后通过仿真验证,分析了基于强化学习逼近算法的优劣性.     

飞行器机动规避空空导弹生存力仿真研究

飞行器规避空空导弹的逃逸机动策略对于提高其本身的生存力至关重要。为了得到飞行器规避敌方空空导弹的机动方式和过载的最优解,对空空导弹和飞行器等进行数学建模,并通过数字仿真对机动规避生存概率进行计算分析。当飞行器在低、中、高空以不同的速度,进入角与来袭的空空导弹遭遇时,通过飞行器以不同机动方式、机动过载进行对抗,统计了飞行器有效逃离攻击的生存概率,得到了机动方式和过载的最优解。飞行器的机动方法正确,机动过载增大到一定数值其生存概率达到 100%。此时的机动过载为飞行器重量设计、主传力结构布置等提供依据。     

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。