四旋翼无人机动态面控制

针对四旋翼无人机（UAV）飞行器系统欠驱动特点,引入动态面控制方法,对四旋翼UAV的位置和姿态进行控制。考虑到飞行器速度和角速度难以测量,设计高增益观测器得到UAV的速度和角速度的估计值。相对于反演法,动态面控制的设计更简洁,并且通过引入滤波器来求取控制信号中的系统状态的导数项。另外,常用的时标分离方法不能给出全局稳定性分析,本文引入动态面设计控制律保证系统所有信号半全局一致有界,同时给出系统全局稳定性证明。仿真结果表明,四旋翼UAV能快速精确完成目标跟踪。      

优化转速旋翼性能分析与应用

旋翼转速的变化会对直升机性能产生重要影响,通过建立优化转速旋翼性能分析综合模型,包含PetersHe广义动态入流模型和全机配平模型,以国产现役某轻型直升机为例,分析前飞速度、起飞质量、飞行高度等对变转速旋翼转速优化路径的影响,分析变转速旋翼技术对提高直升机航时等性能的可能性。分析结果表明:通过合理降低旋翼转速,可以使最大起飞质量下的需用功率降低30%;起飞质量越轻、飞行高度越低,旋翼优化转速越低,需用功率降低越明显;通过优化转速完全消耗400kg燃油,通过优化旋翼转速,可使最大续航时间提高20.5%,最大航程提高8.5%;桨叶内段布置厚翼型能提高桨叶刚度,增加大速度时需用功率,但对中低速度飞行时总体性能影响较小,不影响长航时的优点。     

旋翼翼型定常-非定常特性综合优化设计新方法

旋翼翼型对直升机旋翼及全机气动特性有至关重要的影响。结合直升机飞行特性及旋翼工作气动环境,本文提出了一种新的旋翼翼型设计理念,即定常优化设计同非定常设计相结合的方法来开展直升机旋翼专用翼型的优化设计。首先,建立旋翼翼型非定常气动特性的高精度CFD求解方法,以获得旋翼翼型在相应状态下的升力、阻力和力矩等气动参数。其次,针对旋翼翼型优化状态的特点,对于翼型静态优化及动态失速优化分别采用遗传算法和序列二次规划算法。在上述方法建立基础上,首先针对定常状态下的原始翼型(SC1095)进行优化设计,获得一个满足设计要求的静态优化翼型,进一步着重对该翼型在非定常状态下进行优化设计,成功地得到一种新翼型,并具有非常规外观。结果表明,在设计状态下,新翼型在保持良好定常气动特性的同时,明显减弱了动态失速状态下的分离涡,从而显著改善了翼型的动态失速特性。     

小行星探测器轨迹优化方法

对小行星探测器轨迹优化方法进行了综述。介绍了直接法中的直接打靶法、直接配点法、伪谱法、微分包含法,以及间接法两种典型的轨迹优化方法,分析了其优缺点,以及在小行星轨迹优化中的应用。介绍了智能优化算法中的遗传算法、模拟退火算法、粒子群算法和多目标进化算法,分析了其相对传统优化方法的优缺点,以及相应的改进方法。     

倾转四旋翼飞行器直升机模式操纵策略研究

由于倾转四旋翼飞行器具有特殊的构型,针对直升机模式下的操纵策略,建立了样机的非线性飞行动力学模型并结合试验数据进行了验证,提出了适用于直升机模式的四种操纵方式,对比了不同操纵方式相应的配平值、操纵功效及操纵耦合,随后确定了一组相对合理的操纵方式,解决了倾转四旋翼飞行器在直升机模式下操纵冗余的问题。分析了重心位置对所确定操纵方式的配平特性和操纵功效的影响。结果表明:纵横向通道下总距差动引起的操纵功效比周期变距联动大得多;偏航通道下周期变距差动引起的操纵功效大于总距差动,横向周期变距差动引起的交叉耦合小于纵向周期变距差动;正常重心位置所得到的配平量和交叉耦合最小。      

垂尾抖振主动控制的压电作动器布局优化

为了提高压电作动器垂尾抖振主动控制系统的控制性能,提出一种基于输出可控性的压电作动器优化准则。使用压电驱动载荷等效方法建立压电纤维复合材料（MFC）压电作动器力学模型,并建立了带MFC压电作动器垂尾结构模型的动力学方程。在模态可控性和模态价值理论的基础上,提出考虑剩余模态影响的压电作动器优化目标函数。针对垂尾结构的前5阶模态使用遗传算法优化得到压电作动器的布局方案,使用线性二次高斯（LQG）最优控制方法控制垂尾的抖振响应。仿真结果表明,本文优化得到的布局方案比用其他方法能更好地均衡系统的模态可控性,减小剩余模态的影响,获得更好的垂尾抖振响应控制。     

基于混合网格的直升机旋翼/机身非定常干扰流场数值模拟方法

基于混合网格建立了一个适合于直升机旋翼/机身非定常干扰流场的数值模拟方法。其中,采用混合网格系统生成旋翼/机身干扰流场网格以降低网格生成难度;将二阶MUSCL格式和Roe格式相结合进行空间离散以提高流场的计算精度;同时引入隐式LU-SGS时间格式和OpenMP并行模式以提高干扰流场的计算效率。应用建立的计算方法,对Georgia和Robin旋翼/机身模型进行了数值模拟和分析,与试验结果良好的相关性表明了该方法的有效性。     

基于MADDPG的多无人机协同任务决策

针对多无人机任务决策方法研究中传统优化算法难以在短时间内得到期望结果的问题,基于深度强化学习提出一种无人机多智能体深度确定性策略梯度(MADDPG)算法,通过允许无人机在学习时使用全局信息,在应用决策的时候只使用局部信息的方法,从网络结构、状态空间、动作空间和奖励函数设计了MADDPG算法的模型结构。最后通过仿真实验,并对比深度确定性策略梯度(DDPG)算法,验证了本文提出的MADDPG算法在保证精度的基础上,学习速度大幅度提高,弥补了传统强化学习算法在多智能体领域的不足。     

四旋翼无人机的自适应容错控制

针对四旋翼无人机执行机构部分失效故障和传感器偏差问题,为了可靠,安全、稳定的飞行,采用自适应容错控制策略.当无人机飞行时,利用二阶卡尔曼滤波器在线快速估计状态、检测执行器故障和传感器偏差,当执行器故障检测和诊断出来后,将故障因子视为自适应因子,用来调节自适应容错控制器的参数,使故障影响变小,同时估计传感器的偏差,如有偏差,则将偏差部分补偿给输出信号.在Matlab实验平台上对所提方法的可行性和有效性进行仿真验证,结果表明四旋翼无人机执行机构在发生部分失效故障和传感器偏差时,采用自适应容错控制策略,输出信号能够快速跟踪参考输入信号,实现了对四旋翼无人机的容错控制.     

基于自博弈深度强化学习的空战智能决策方法

空战是战争走向立体的重要环节,智能空战已经成为国内外军事领域的研究热点和重点,深度强化学习是实现空战智能化的重要技术途径。针对单智能体训练方法难以构建高水平空战对手问题,提出基于自博弈的空战智能体训练方法,搭建研究平台,根据飞行员领域知识合理设计观测、动作与奖励,通过“左右互搏”方式训练空战智能体至收敛,并通过仿真试验验证空战决策模型的有效性。研究结果表明通过自博弈训练,空战智能体战术水平逐步提升,最终对单智能体训练的决策模型构成70%以上胜率,并涌现类似人类“单/双环”战术的空战策略。