高超声速飞行器再入过程改进气动系数模型

针对高超声速飞行器再入过程气动系数模型和参数辨识问题,基于公开的气动系数数据,综合考虑攻角和马赫数两个主要因素,分析了气动系数与二者的函数关系,建立了高超声速飞行器的改进升力系数和阻力系数模型,采用非线性最小二乘法进行模型参数辨识,得到参数辨识结果。将已知的气动数据与改进气动系数模型计算值进行对比,升力系数和阻力系数的相对误差平均值均小于5.10%,表明所建立的改进气动系数模型具有较高的精度,可以用于高超声速飞行器再入轨迹优化和仿真。     

基于神经网络动态优化的再入轨迹设计

为解决当飞行器出现破损以及飞行器受干扰时的轨迹优化问题,新一代的再入式飞行器需要有实时在线轨迹优化的能力。神经网络动态优化算法(neural dynamic optimization,NDO)的主要特点是能使神经网络逼近最优解。神经网络动态优化算法可以避免传统的间接法在求解轨迹优化问题时协态变量初值猜测问题。给出了神经网络动态优化的原理,详细介绍了优化流程。仿真结果表明神经网络动态优化算法可以很好的避免协态变量初值猜测问题,具有较强的鲁棒性,能满足实时性要求。     

模糊推理神经网络的函数逼近能力

研究了模糊推理神经网络计算模型及其连续函数逼近能力。同时给出了模糊推理神经网络与传统BP神经网络的连续函数逼近等价定理 ,即任何一个传统的BP网络都存在某个模糊推理神经网络以给定的精度逼近它 ;任何一个模糊推理神经网络都有一个传统的BP网络以任意精度逼近 ,并且这两种网络都可以逼近定义在某一紧支集上的连续函数     

运动目标位置预测模型

为建立运动目标位置的预测模型,提出了一种新的模糊神经网络模型,并证明这种模糊神经网络可任意逼近连续函数,因而可用于建立运动目标位置的预测模型中.将运动目标在采样时刻位置间的关系表示为含有目标加速度的三阶差分方程,利用模糊神经网络逼近目标加速度,并由此导出目标轨迹的预测模型.     

修剪技术与参数调整的动态模糊神经网络设计

提出了一种新型的动态模糊神经网络算法,该动态模糊神经网络的结构基于扩展的径向基网络.其算法的最主要特点是:采用修剪技术与参数调整,从而可以获得重要的规则以及更新前提参数的中心和宽度.这一思想等价于把全局算法分解为一系列解耦的算法.最后通过对函数逼近来验证动态模糊神经网络逼近能力的有效性.仿真结果表明,由于使用了修剪技术与参数调整使得动态模糊神经网络具有紧凑的系统结构、强大的泛化能力以及快速的学习速度.     

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。     

基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

弹性高超声速飞行器智能控制系统设计

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。     

基于迎角分区的全局飞行器气动参数辨识方法

针对综合考虑飞行器全局气动非线性特性，面向高效全局飞行器气动参数辨识需求，提出了一种基于迎角分区的改进气动参数辨识方法，采用轴正交决策树的迎角分区方法，将涉及大范围的迎角变量划分为多个区间，对每一区间使用递归最小二乘来估计气动导数，实现在每个区间内对线性气动特性进行辨识。通过引入加权函数的过渡方法，给出局部模型转化全局建模的计算准则，保证了整个模型的连续性。最后，通过某型飞机模型开展了迎角分区气动参数辨识及对比分析工作，结果表明迎角分区辨识吻合较好，且与传统全局辨识方法相比计算效率更高，说明了迎角分区辨识方法的有效性和优势。     

动态模糊神经网络在并联平台控制中的应用

针对六自由度并联平台运动控制精度不高的缺点,结合人工神经网络的优点,提出了一种动态模糊神经网络(DFNN)控制器来控制并联平台.此动态模糊神经网络由前向模糊神经网络的规一化层和输出层之间加入递归层构成,同时根据其特点给出了网络参数的学习算法,此动态模糊神经网络具有动态映射能力,对动态系统具有更好的响应效果.利用动态模糊神经网络控制器对并联平台的轨迹跟踪控制进行了仿真,结果表明此控制算法具有较好的跟踪性能和较强的鲁棒性.     

飞行仿真器方式控制面板的数字化设计与实现

飞行仿真器方式控制面板是自动飞行系统(AFS)的重要组成部分,提供由飞行员操作的各种开关、按钮以及参数选择。数字化实现的方式控制面板以图形界面的方式代替原来的按钮和旋钮,通过人-机界面提供相应的功能。用简易飞行摇杆替代座舱内的操纵机构,控制飞机的三个姿态角,从而改变飞机的飞行状态。采用Saitiek飞行操纵杆仿真真实的操纵杆、脚蹬和油门,实现飞行员对飞机的控制。     

一种基于环境预报数据的阵风建模方法

针对现有飞行器仿真试验自然环境模型,研究环境预报数据转换和处理方法;基于随机波浪理论,建立二元阵风紊流数学模型,并研究该模型的仿真建模方法;基于Davenport谱建立基于环境预报数据的阵风紊流模型,并引入到飞行器六自由度数学仿真试验中,得到阵风紊流对于飞行器飞行状态的影响情况。试验结果表明,阵风紊流对于飞行器攻角影响较大,对于飞行高度影响较小,利用阵风紊流模型开展飞行器航迹仿真试验切实可行。     

基于航迹点法向距离的航迹聚类研究

随着民航业的飞速发展,机场噪声污染问题越来越严重,研究航迹聚类对机场噪声预防治理工作具有重要意义。现有航迹聚类算法所采用的航迹点对选取方式,无法实现所选航迹点对在空间上的对应,严重影响聚类效果。针对这一问题,提出一种基于航迹点法向距离的航迹聚类模型。该模型采用航迹点法向距离作为航迹相似性度量方法,有效地解决了因飞机速度差异引起的航迹点对选取不匹配问题。通过K-medoids聚类算法对航迹进行二维和三维聚类,使用Davies Bouldin (DB)指标、Dunn指标对聚类结果进行评价。实验表明,提出的模型能够更好地度量航迹之间的相似性,航迹聚类效果更好,从而验证了该模型的合理性和有效性。     

在复杂大气条件下的飞机自动着陆控制器设计与仿真

对飞机整个自动着陆过程的控制进行了设计,主要采用逆系统方法设计控制律,并用神经网络对控制律进行了鲁棒补偿,神经网络的学习规则为带有死区的关于神经网络灵敏度的线性函数。对于在自动着陆过程中可能遇到的紊流和风切变等几种典型大气情况进行了分析,并将所设计的着陆控制律在上述复杂大气条件下进行了仿真验证。仿真结果表明,所设计的自动着陆系统对复杂大气条件具有鲁棒性,着陆过程中实际飞行高度与期望飞行高度的误差在合理的范围之内。     

基于加权最小二乘算法的DME/DME RNAV精度分析

DME是一种通过询问应答的方式为飞行员提供飞机到地面站距离指示的距离测量设备,用于飞机整个航行阶段.而DME/DMERNAV是一种至少利用两台DME共同工作实现在区域导航航线上授权使用的导航方式.为了准确判别DME/DME的运行是否满足我国区域导航航线授权运行规范,优化选择地面DME台站,通过建立水平定位精度模型和运行精度模型,采用加权最小二乘算法分别对DME/DME的水平定位精度和RNAV三种常用运行方式的定位精度进行了仿真分析,通过仿真给出了影响DME/DMERNAV运行精度的两个重要因素,DME测距精度和两DME台站内夹角,为RNAV飞行管理系统选取满足RNAV运行规范DME和台站切换提供了可靠的判决依据.     

基于Flightgear模拟器的实时可视化飞行仿真系统

针对国外某型无人飞行器,建立了非线性六自由度飞行模型和自主导航控制系统,在此基础上,利用Flightgear飞行模拟器外部数据输入/输出接口,将飞行仿真数据通过网络实时传递,驱动Flightgear可视化引擎,实现飞行仿真中,飞行姿态、天气条件和地理环境的三维实时可视化显示。仿真试验表明,该可视化飞行仿真系统可扩展性强,开发周期短,系统建设简单,使用方便,为今后的深入研究打下了良好基础。     

基于IDAC-STPA模型的战机飞行安全性分析与评价

针对战机飞行安全性分析不全面且缺少定量评价的问题,提出了一种新的飞行安全性分析和评价方法。首先,危险分析技术(system theoretic process analysis,STPA)可以从系统的角度分析影响战机飞行安全的风险源,基于人为可靠性动态分析(information, decision and action in crew,IDAC)模型是目前最全面的人为可靠性分析模型,结合两者的优势提出了IDAC-STPA分析方法。然后,利用该方法分析战机飞行风险源,并在此基础上建立了飞行员操纵战机机体模型,叠加不同飞行条件下飞行参量的风险度可以得到相应机动动作的安全谱,在此基础上得到该飞行动作的风险度。最后,通过对某型战机眼镜蛇机动的安全性分析,发现该型战机飞行中的不安全控制行为和潜在风险。通过安全谱提供一种直观的分析事故演化的方法,在此基础上计算的风险度提供了一种定量分析事故演化的方法,该方法可以为飞行员的飞行训练提供一定的借鉴。     

基于神经网络的符号化飞行动作识别

飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础, 实现飞行动作的快速高效识别具有重大意义。对此, 提出一种基于神经网络符号化模型的方法, 实现对基本飞行动作和复杂飞行动作高效识别。首先, 利用微分分割的思想对飞行参数进行切片处理, 然后通过卷积神经网络(convolutional neural networks, CNN)和长短期记忆(long-short term memory, LSTM)神经网络实现飞行动作的模块化处理, 有效代替了传统方法中对原始数据的逻辑推理。并且该方法可以利用基本飞行动作对飞行过程实现飞行数据分割, 具有良好的扩展性, 能够快速处理批量飞参数据。最后对13种基本飞行动作、两种复杂飞行动作和整段飞行数据进行仿真实验。仿真结果表明, 该方法具有良好的识别性能。     

基于交互作用矩阵-多维云模型的飞机重着陆风险评估方法研究

针对飞机重着陆风险具有的系统性、复杂性、多因素影响等特征, 从系统角度入手, 提出一种能反映因素-因素、因素-系统间交互作用的模型—交互作用矩阵。采取多维云模型对其编码进行改进, 可有效弱化交互作用矩阵的主观性; 选取接地速度偏差、接地仰角偏差、接地垂直加速度和接地距离偏差作为重着陆风险的影响因素, 以系统的角度确定因素重要度; 结合每个风险因素以多维云理论生成5朵四维风险等级云模型, 以软件程序实现实例例证, 与实际风险等级、组合赋权云、证据-云评估结果保持一致, 证明所提方法的合理有效, 为降低着陆阶段风险提供参考。     

一种基于串行总线的智能容错飞控计算机系统

从工程技术角度出发,讨论了适用于无人驾驶飞行器的容错飞控计算机系统的实现,给出了基于串行总线的智能容错飞控计算机系统结构,将工作状态检测系统和故障预测技术应用到容错计算机系统中,可在故障发生前采取容错措施,避免故障发生和故障造成的系统失效.给出了总线接口、运算控制单元、A/D转换单元、通讯模块的结构和实现方法,指出利用CPLD和HDL语言进行电路综合具有效率高、测试方便、易修改的特点,应在实践中广泛推广.