基于扩张状态观测器的燃气舵舵机位置控制

为了实现对燃气舵舵片的高精度位置控制,设计了高阶非线性扩张状态观测器对舵机位置系统进行精确闭环控制。通过将参数摄动耦合项和外界扰动项合并为一个新的状态量,将原有三阶位置系统扩张为四阶控制系统。采用滑模变结构控制器对状态观测器观测结果进行控制,使舵机偏转角度达到预定值。分别采用传统PID控制和所设计的高阶非线性扩张状态观测器对舵机控制系统进行仿真,来验证所设计的控制器的响应性能和稳定性能。结果表明:相比于传统的PID控制器,所设计的高阶非线性扩张状态控制器具有更高的跟踪精度和更快的响应性能,其响应时间在0.1s以内,提升了约0.7s,且该控制系统无超调量的产生。该控制器在鲁棒性、抗干扰性上体现出更好的特点,因此可以更好地实现整体伺服系统的位置控制。     

新型推力矢量燃气舵抛离技术研究

本文针对燃气舵推力矢量存在的问题进行了抛离技术研究.在研究中采用新型技术实现燃气舵的抛离方案:即利用发动机尾流燃气的压力作为锁止力,利用弹性元件的动力作为驱动,实现燃气舵的抛离.通过调整弹性系数和预紧力,可以实现对抛离时机的自动控制.     

舵面电动加载系统的自适应CMAC复合控制

针对无人机舵面电动加载系统具有非线性及多余力矩的特点,提出了一种自适应CMAC(Cerebellar Model Articulation Controller)神经网络与自适应神经元控制器并联构成复合控制结构.该控制策略以系统的指令输入和实际输出作为CMAC的激励信号,以系统的当前控制误差作为CMAC的训练信号.提出了利用误差在线自适应调整学习率的方法,消除了常规前馈型CMAC的过学习和不稳定现象.建立了无人机舵面电动加载系统的数学模型,给出了具体的控制结构和算法.仿真结果表明:该方法有效抑制了加载系统的多余力矩,增强了系统的稳定性,明显改善了舵面电动加载系统的动态性能.     

连接面刚度对于升力面动力学特性影响研究

折叠空气舵折叠机构以及舵轴处连接的设计对于折叠空气舵动力学特性有很大影响,基于折叠空气舵模态试验测得模态参数,对折叠空气舵进行动力学有限元建模以及校准,以此为基础,调整折叠机构以及舵轴与舵机的连接等多处连接刚度对应有限元模型参数,研究舵系统模态频率随各连接面刚度对应有限元模型参数调整的变化趋势,并得出具有参考意义的结论,用以指导折叠机构以及舵轴处连接等的结构优化设计。     

一种新颖的直升机舵回路故障诊断方法

研究了基于案例推理的直升机舵回路在线故障诊断方法。针对传统的CBR方法一般采用离散数据和符号向量来建立案例的不足,提出了动态系统多源异类信息的案例表达方法,利用系统特性集、征兆集和特征集混合模型作为案例的条件属性。在此基础上,研究了案例检索的综合相似性度量方法。最后,将上述方法在某型直升机的俯仰舵回路进行了试验验证,结果表明,该方法可以诊断出舵回路的控制参数漂移故障,为复杂动态系统的故障诊断提供了一种有效的新途径。     

三维舵面绕流的N-S方程数值计算研究

通过自动生成复杂构型的非结构混合网格。采用格心格式的有限体积法以适应不同的网格单元，应用Spalart-Allmaras湍流模型进行绕三维舵面流动的N-S方程数值模拟，将部分计算铰链力矩结果与风洞试验结果进行了对比分析。说明了计算方法对粘性流动良好的适应性,分析了迎角、马赫数、雷诺数对舵面铰链力矩的影响以及计算方法的可靠性和计算结果的合理性。     

无尾布局嵌入式舵面的大迎角纵向操纵能力研究

 针对某前掠翼翼身融合无尾布局由鸭面与尾舵组成的纵向基本控制舵面在大迎角状态操纵效率降低的问题,采用数值模拟方法研究一种机身下表面嵌入式新概念纵向操纵舵面实施大迎角纵向操纵补充的可行性。提出了嵌入式舵面的设计思想,研究了嵌入式舵面高度、偏度及其与尾舵组合时的相对位置等参数影响,提出了嵌入式舵面的设计原则、流动机理以及提供低头力矩增量的作用原理。研究结果表明:嵌入式舵面是无尾布局飞机大迎角纵向操纵的高效补充措施,单独使用,最大可提供约平衡10°迎角的低头操纵力矩,并对升阻特性影响很小;与尾舵组合使用,在研究迎角范围内(迎角α≤32°),可提供约6°迎角的低头平衡力矩增量,且对升阻性能产生有利影响。本文工作可为其他翼身融合无尾布局的气动舵面设计提供借鉴。     

舵面展开机构模拟系统校准方法研究CSCD

通过对舵面展开机构模拟系统的原理分析,提出了原位校准方法,介绍了现场模拟系统的校准方法,解决了专用测试设备无法校准的问题,对于今后指导专用测试设备的校准起到了很好的指导意义。通过对扭矩的试验结果分析了测量不确定度的来源、评定方法和评定过程。     

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.