基于神经网络的模型参考自适应逆飞行控制

针对飞行安全控制问题,结合动态逆方法和神经网络理论,提出了一种基于改进BP神经网络的模型参考自适应逆控制方法,应用到飞行控制系统中。该方法在控制器中引入神经网络算法,在经典BP神经网络控制算法的基础上,使用遗传蚁群算法优化神经网络参数,在线调整网络的权值和阈值,避免了传统梯度下降法的缺点,提高了自适应算法的效率,达到了抗干扰的目的。从而改善了飞机飞行稳定性和操纵性。在波音747—100/200飞机模型上仿真实验表明了该方法的可行性和鲁棒性,能够保障飞行安全。     

不同积冰参数对冰型的影响

在积冰生长模拟过程中引入了冻结系数的概念,使得能够模拟计算出不同积冰参数下的不同冰型。以NACA0012翼型为对象,计算不同条件下的积冰情况,发现温度是引起冰型变化的主要因素,其他积冰参数(气流速度、液态水含量、液滴直径)对积冰量有影响,但对冰型影响较小。     

飞机机翼积冰表面粗糙度研究

本文对飞行过程中的飞机机翼积冰过程的数值模拟中的粗糙度计算提出了改进。此方法结合S-A湍流模型中改进的积冰表面粗糙度计算,对飞机机翼积冰过程进行了数值模拟。为验证方法的效果,本文计算了NACA0012翼型的积冰情况及对气动特性参数的影响,计算结果与试验数据结果进行了对比．并与目前国际上广泛采用的经验公式计算粗糙度的方法进行了对比讨论。结果表明改进的方法和文献中的试验数据吻合良好。