西科斯基开始S-76D试飞和S-76C＋＋升级

西科斯基公司的S-76系列民用直升机已经有多种改进改型,包括最新的S-76C＋和S-76C＋＋。现在,西科斯基公司在对S-76C＋＋继续进行升级的同时,也开始了一种更为先进的改型S-76D的飞行试验。     

基于模型的民机自动飞行功能分析与设计

描述了民用飞机自动飞行系统基于模型的功能分析与架构设计过程。该研究采用符合现代系统工程理念的模型化设计形式,表明和确认系统功能在各种运行决策、人机交互和外部环境中的变化。它针对系统级功能静态、动态特性进行结构化分析和设计,系统性地研究外部对象、应用用例、功能逻辑、交联时序和状态跳转,在确认模型的合理性后生成逻辑架构与接口,将设计需求进行分配,用于设计实现和软硬件架构。该研究通过对飞行导引、自动推力、自动着陆、机组通告等功能的可用性和完整性进行分析检验,改进了功能需求设计。     

基于Matlab/FlightGear的导弹飞行姿态与 轨迹可视化系统

在导弹6自由度运动学方程组的基础上构建了6自由度矩阵式运动学方程组,使用Matlab/Simulink编程工具构建了导弹的非线性6自由度矩阵式Simulink模型.利用AC3D软件建立导弹的三维物理模型,在对指定部位设置了对象名称后,将其导入至FlightGear中.最后,通过数据接口将Simulink中的仿真数据传输至FlightGear,从而控制导弹的飞行姿态与轨迹,并在FlightGear中实时显示.该可视化仿真可以多视角全方位直观地显示导弹的飞行姿态与轨迹,为导弹的可视化研究提供了便利的方法.     

基于约束预测控制的飞行失控包线保护研究

风切变等大气扰动现象严重威胁飞机起降飞行安全。在受到随机风切变干扰下,离线设计的最优控制器无法保证飞行状态始终处在正常包线内。在大型民机线性变参数模型的基础上,从预防飞行失控的角度研究风切变下飞机进场着陆的预测控制方法。将飞行失控包线量化为状态约束,在此基础上设计在线模型预测控制器。仿真结果表明,利用预测控制的滚动优化策略,可使飞机在进场下滑阶段遭遇风切变时进行良好的下滑道捕获和跟踪,且将飞机状态始终约束在安全包线内。     

直升机起飞性能试飞方法研究

当直升机可用功率不足以维持地效外悬停时,直升机可以利用地面效应增速至一定前飞速度完成起飞。研究了地面效应和前飞速度对直升机剩余功率的影响,阐述了利用剩余功率进行有地效起飞的原理。介绍了3种有地效起飞方式,并使用水平加速—定速爬升法进行了起飞性能飞行试验,得到了水平越障距离随爬升速度的变化曲线,对飞行试验结果进行了分析,得到了有益的结论。     

结冰对民用飞机飞行性能的影响分析

在获取民用飞机适航合格审定证明前,必须通过飞行试验,并在试验中演示验证民用飞机能在CCAR25部附录C确定的连续和间断的最大结冰状态下安全运行。基于此背景,计算并得到某型机两种构型在45min待机冰型下的飞行性能,与无冰状态下对应构型的飞行性能进行对比分析。结果表明,结冰对飞机的飞行性能具有较大的影响。     

直升机运输效能试飞技术研究

对直升机运输效能进行了理论分析,给出了直升机各项运输效能指标的计算方法。利用试验机进行了直升机运输效能试飞,最后给出了直升机各项运输效能指标的飞行试验结果。对于后续的直升机运输效能试飞和直升机运输效能评估等工作具有重要的参考价值。     

基于非线性气动力的飞机飞行载荷计算

为了研究气动力非线性对飞机静气动弹性特性及飞行载荷的影响,发展了一种基于非线性气动力的飞机静气弹及飞行载荷计算方法。通过引入CFD计算结果,实现对线性方法中的气动力影响系数矩阵的非线性修正,采用模态法求解静气弹配平方程得到飞机非线性的气弹变形及飞行载荷。以某翼身组合体构型为计算算例,分别针对刚性模型和柔性模型,基于非线性气动力完成了飞机静气动弹性分析及载荷计算,并与线性结果进行了对比分析。结果表明,非线性方法可对大迎角范围内飞机静气弹变形及飞行载荷做出较合理的预测。     

一种采用“捷联+平台”方案的新型航空重力仪

针对资源勘探等高精度应用对航空重力仪测量精度和分辨率的更高要求,在前期研究基础之上,研发了新一代采用"捷联+平台"方案的新型航空重力仪。设计了采用石英挠性加速度计和光纤陀螺的捷联式重力仪,采用了新型温度控制方案,提高了重力仪的环境适应能力。设计了稳定平台,将捷联式重力仪保持在垂直方向,隔离载机的角运动干扰,减小了重力传感器的动态误差。飞行试验表明,该方案是有效的,将航空重力仪的精度和分辨率提升到优于1mGal/3km。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。