飞行器末制导中的几个热点问题与挑战

随着国防科学技术的进步,新的作战需求以及各种新技术的应用给飞行器的末制导控制带来了新的问题和挑战。分析了当前的末制导作战需求和挑战,着重讨论了飞行器末制导控制研究中几个热点问题的研究进展,包括多源信息条件下的制导控制、多飞行器协同制导控制、特殊限制条件下的制导控制以及制导控制综合设计与评估问题,并且探讨了存在的问题、可能的方向和展望。     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

基于灰色模糊与层次分析的多属性飞机维修决策方法

针对目前飞机在维修保障决策过程中难以科学运用专家知识导致决策不当的问题,以飞机液压系统为具体研究对象,创建了基于灰色模糊与层次分析的多属性飞机维修保障决策模型。针对飞机液压系统健康监测时出现的不同故障模式,由专家知识确定不同故障模式对应的故障征兆是否出现以及出现的显著程度,依据历史故障统计数据、故障机理分析结果和故障征兆出现显著程度这3种不同要素对维修保障决策的影响程度不同,采用层次分析法分别确定3种不同要素的灰色模糊权重。在此基础上,由灰色模糊权重、隶属度、点灰度构建灰色模糊关系矩阵,结合不同专家知识权重,得到灰色模糊综合属性值,再由灰色模糊综合属性值确定飞机液压系统的最优维修决策。研究结果表明,采用所创建的保障决策模型对飞机液压系统进行维修保障决策,所得结果与实际状况相符,证明了所创建保障决策模型的有效性,其具有很好的应用价值与前景。     

Fuzzy adaptive tracking control within the full envelope for an unmanned aerial vehicle

Motivated by the autopilot of an unmanned aerial vehicle（UAV） with a wide flight envelope span experiencing large parametric variations in the presence of uncertainties, a fuzzy adaptive tracking controller（FATC） is proposed. The controller consists of a fuzzy baseline controller and an adaptive increment, and the main highlight is that the fuzzy baseline controller and adaptation laws are both based on the fuzzy multiple Lyapunov function approach, which helps to reduce the conservatism for the large envelope and guarantees satisfactory tracking performances with strong robustness simultaneously within the whole envelope. The constraint condition of the fuzzy baseline controller is provided in the form of linear matrix inequality（LMI）, and it specifies the satisfactory tracking performances in the absence of uncertainties. The adaptive increment ensures the uniformly ultimately bounded（UUB） predication errors to recover satisfactory responses in the presence of uncertainties. Simulation results show that the proposed controller helps to achieve high-accuracy tracking of airspeed and altitude desirable commands with strong robustness to uncertainties throughout the entire flight envelope.     

改进集对分析的多属性决策方法在通信干扰目标威胁排序中的应用

针对属性值以区间数形式的模糊多属性决策问题,提出了基于集对分析理论的综合理想方案决策方法。该方法将集对分析理论的应用范围从精确实数域拓展到模糊区间数域,在承认不确定性因素的情况下,对各个方案与正理想方案和负理想方案所组成的区间型集对进行了分析,得出同异反联系数,以γ准则为依据实现了模糊多属性决策。通信干扰目标威胁排序的实例计算表明,该方法是处理模糊多属性决策问题的一种有效方法,同时为通信干扰目标威胁排序提供了一种新的方法。     

高空长航时无人机螺旋桨滑流效应影响研究

推导和分析了以多参考系模型作为螺旋桨计算模型的控制方程。应用数值模拟方法开展高空长航时无人机滑流效应影响的三维数值模拟研究。研究发现,多参考系模型的流动现象能够符合真实螺旋桨的前后流动特征,并且可以较好地模拟螺旋桨滑流对飞机气动性能的干扰。螺旋桨滑流效应使V尾表面流线发生偏转和收缩加速,V尾表面的压力分布明显改变。起飞状态螺旋桨滑流效应对全机气动特性影响最强,爬升状态影响减弱,巡航状态影响最小。滑流效应影响随着推力增加而增大,相同推力不同桨距条件下滑流效应影响基本相同。起飞状态无人机尾部受到螺旋桨大推力滑流效应影响压差阻力急剧增加,导致全机气动性能下降。     

全修复策略下FADEC系统多故障TLD仿真分析

由于航空发动机全权限电子控制(FADEC)系统的时间限制派遣(TLD)分析是航空发动机型号合格审定的一项必要工作,针对目前FADEC系统的多故障TLD仿真分析方法中没有考虑短时限制派遣(ST)值可变以及维修策略对TLD分析影响的不足,提出了全修复策略下FADEC系统的多故障TLD仿真分析方法。分析和比较了现有的FADEC系统维修策略,按照机会维修或成组维修原理,提出了全修复策略。按照全修复策略,开展了仿真建模分析,设计和研究了多故障TLD的仿真流程和方法。通过实例仿真与分析,验证了所提仿真方法不受FADEC系统中零部件数量的影响,而且相对于单故障Markov模型,增加了占总故障数量8.84%的组合故障,提高了分析精度。     

终端区多机协同进场下的飞机性能参数优化方法

为了降低多条航路上下降至同一航路点的多架飞机最后巡航阶段和下降阶段的运行总成本,同时要确保飞机的飞行安全,研究了多架飞机下降至同一航路点时降低总运行成本的参数优化方法。首先,介绍了飞机性能参数计算方法;其次,为了提高寻找飞至同一航路点各架飞机使得总运行成本最低的合适指示空速的计算速度,建立了考虑间隔约束的参数优化模型,并通过精英保留的遗传算法进行优化运算;最后,用某型民用飞机对建立的模型进行算例仿真。结果表明,该模型能准确计算出各架飞机使总运行成本最低的指示空速,对航空公司处理多架飞机下降至同一航路点降低总运行成本有较大的指导意义。     

考虑鸟撞的航空发动机叶片动态拓扑优化设计

为了实现航空发动机冷端风扇叶片在考虑鸟撞情况下的轻量化设计,从结构拓扑优化计算的角度出发,对该问题展开深入的研究并提出具体的解决方案。针对叶片优化中存在的优化模型建立,结构动态工况优化,多条件约束并存处理,多工况联合优化等关键问题,进行了理论上的深入分析研究,阐述了结构多约束、多工况动态优化的理论基础,并结合相应的数值计算平台,提出了风扇叶片分步优化计算的方案,对航空发动机叶片进行拓扑优化计算。计算结果显示,最终的叶片轻量化结构满足所有鸟撞与离心载荷多工况的优化约束条件,拓扑结构中材料分布合理,在满足适航条例强度要求的同时质量减少达37.9%,具有一定的实际参考应用价值,同时所提出的动态优化计算方案,在工程结构的动态优化中具有广阔的应用前景。     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。