基于多体系统动力学的旋翼桨叶响应计算方法

在中等变形梁的基础上引入增广转换矩阵,为解决桨叶动能项推导编程计算较为复杂的问题,建立了一种新的递推计算方法。该方法在原有的转换矩阵基础上进行了增广,建立了相邻运动坐标系间动能项引起的质量、阻尼、刚度和广义力递推计算方法。以法国SA349/2小羚羊直升机的试飞测试数据为依据,验证了方法的有效性。     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

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。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

基于微分载荷模型的飞行载荷参数辨识方法

介绍了一种基于微分载荷模型的飞行载荷辨识方法.根据实测载荷与飞行参数之间存在的相关性,利用输出误差法对平尾微分载荷模型进行了辨识,得到了飞行状态下平尾载荷的计算模型.同时得到了适合于飞行载荷辨识的一种方法,该方法可以研究飞机的不同操纵规律对结构载荷的影响,具有较高的精度,可行有效.     

无人飞行器集群仅测距初始相对位姿确定方法研究CSCD

针对全球导航卫星系统(GNSS)拒止环境下无人飞行器集群成员间的相对定位问题,研究了一种基于机载惯性测量单元(IMU)、气压高度计与数据链测距组合的初始相对位姿求解算法。首先,在高度计稳定输出较为精确的高度信息的前提下,将飞行器的三维运动解耦成二维水平运动,给出了三维加速度和角速度、测距信息的水平坐标系投影等效模型。在此基础上,以待求量相对位置和航向角的非线性形式构造了新的待求状态量,并将相对位置和航向角的非线性求解问题转化成了新状态量的线性模型最小二乘求解问题。然后,通过引入递推最小二乘算法(RLS),建立了该相对位姿求解算法的实时输出递推形式,有效降低了机载在线计算的负载。接着,对所提算法进行了可观测性分析,并给出了使系统状态量不可观测的几种相对运动形式。最后,对所提算法进行了数值仿真实验,仿真结果表明,该算法能够有效、快速求解初始相对位姿,位置误差在初始相对距离的10%以内,航向角误差在初始相对角度的1%以内。     

先复制后移位桥函数的性质

进一步研究了先复制后移位桥函数的性质,例如递推关系式、数学表达式、乘积特性及正交条件。同时,还给出了几组完备的正交函数系。     

涂层材料瞬态传热实验与导热系数辨识

针对涂层-基体一体化的双层结构,为测试评估其中涂层材料的导热性能,提出基于瞬态平面热源法（transient plane source, TPS）的涂层材料导热系数反演辨识方法。根据Hot-Disk实验测试原理,建立基体-涂层-探头整体的二维非稳态传热模型;结合测量过程中的瞬时温升数据信息,采用粒子群优化算法反演辨识获得涂层材料的导热系数;并通过实验和数值模拟论证了上述方法的可靠性。结果表明：该测量方法能够有效获得涂层导热系数,测试反演的数值偏差小于4.0%。最后,实际测量和反演辨识获得了一种涂层材料常温至773 K的导热系数,随温度提高呈现增大趋势,数值范围为0.18～0.29 W/(m·K)。     

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.