基于动态逆-滑模的高速飞行器控制器设计

吸气式高超声速飞行器巡航状态下飞行环境复杂,建模时存在非线性以及参数摄动.基于小扰动假设的传统经典控制理论难以适应当前任务对鲁棒性的要求,对此提出了一种非线性动态逆-滑模控制律改进方法.通过对吸气式高超声速飞行器模型精确反馈线性化得到解耦形式的线性方程,为速度和高度设计出动态逆控制律来抵消非线性特性,在动态逆的基础上采用滑模变结构来补偿参数摄动带来的误差.仿真结果表明,所设计的控制方法具有良好的动态性能及鲁棒性.     

扑翼飞行器非定常气动特性研究

为了研究复杂的非定常运动状态下扑翼飞行器翅翼的气动特性,针对自行研制的一种仿鸟扑翼飞行器建立了翅翼二维非定常空气动力学模型.基于该模型,通过用MATLAB编制计算升力系数和推力系数的程序,计算并分析了各运动参数对升力和推力特性的影响.结果表明,相位差对推力系数的影响较大,而升力系数随迎角的变化较快.     

加装吊舱对飞机操稳特性的影响及其尺寸界定

在机身等部位加装吊舱会导致飞机气动外形发生变化,为保证飞行安全,需要评估吊舱对飞机操稳特性的影响.通过CFD方法计算了某型飞机在加装不同尺寸吊舱下的气动特性,在原型机基础上通过增量法建立飞机飞行动力学模型,以必要的操稳特性指标为依据,评估加装吊舱对原型机操稳特性的影响,并结合飞行品质标准及飞机使用限制,给出了吊舱尺寸界限.结果表明,加装吊舱对原型机短周期模态、螺旋模态、定常直线平飞和俯仰拉升时的操纵有一定的影响,依据影响绘制尺寸界定区域图可为飞机改装提供依据.     

基于任务场景分析的机载导航页面人机界面设计过程研究

顶层飞行任务场景是民机机载显示系统需求捕获的重要来源,显示系统的人机界面设计通过自顶向 下的飞行任务场景分析,识别显示信息内容,开展信息内容设计,继而开展样式设计、交互行为设计与接口设 计等工作。本文以导航页面为例,综合运用层次任务分析和场景用例分析法,阐述了机载显示系统人机界面的 设计约束和过程,可为民机机载显示系统人机界面的正向设计过程提供借鉴。 [ 关键词] 机载显示系统;导航页面;任务场景;人机界面设计     

驾驶舱机组人员自动化系统项目综述

随着自动化技术的广泛发展和应用,驾驶舱实现无人化将成为未来发展的趋势。但现阶段自主技术 的发展和安全性水平使得军用直升机的驾驶飞行仍需飞行员的参与控制。而且,受飞行员生理极限等因素的限 制,有人直升机在作战时间、出动架次等方面存在很多局限。为此,美国国防部及工业界积极开发自主技术。 “驾驶舱机组人员自动化系统（ALIAS）”项目就是其中之一。该项目将自主技术用于现役的有人驾驶飞机, 降低机组人员的工作负荷和提高安全性,同时减少执行任务的机组人员的数量。该项目经飞行演示验证在一定 程度上缓解了飞行员的工作强度。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

小型固定翼无人机集群综述和未来发展综述

围绕小型固定翼无人机集群这一难度高、发展快、应用前景广阔、多学科交叉的新方向,从集群系统内涵、现有典型项目、关键技术3个角度综述了国内外小型固定翼无人机集群的研究现状。在系统梳理集群系统内涵和应用优势的基础上,从集群协同模式探索、分布指挥体系构建、核心关键技术突破和集群验证等4个视角总结现有典型项目,从体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群安全与集群指控等7个核心点综述了技术研究现状。最后,综合小型固定翼无人机集群中亟需解决的关键技术,展望了这一领域未来的发展趋势。     

0.3 m低温风洞液氮供给系统研制

基于系统级的一维热流体模拟分析,建立了适用于研究分析0.3 m低温风洞液氮供给系统的数学模型,并开展了系统漏热、两相流及缓冲罐中液氮容积等流体动力学分析;在系统现有控制策略及试验数据的基础上,基于该数学模型开展了系统压力动态响应分析,获得了在阀门动态调节过程中管网压力的瞬态响应,计算结果与试验值的总体误差控制在10%以内。喷射压力一致化改造避免了阀间干扰,添加的回流管道消除了供给末端的两相流现象,使喷射压力控制精度达到1.1%,调节时间减少到23 s,实现了风洞总温快速安全调节和精确控制。     

Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.