虚拟微型扑翼飞行器建模仿真

针对扑翼飞行控制算法设计和验证需要，研究了扑翼飞行器数学建模和仿真系统建立问题。构造了一个虚拟微型扑翼飞行器（VFMAV：Virtual Flapping wing Micro Air Vehicle），基于非定常空气动力学原理，用修正的准定常气动力计算模型估算出了翅膀扑动产生的高升力。分析惯性力的基础上建立了扑翼飞行器的状态空间方程，进而基于Matlab语言和Simulink环境设计了虚拟微型扑翼飞行器仿真系统（VFMAVS：Virtual Flapping wing Micro Air Vehicle Simulator），并给出了相应的仿真结果。     

扑翼微型飞行器的动力学建模

对鸟和昆虫的飞行机理进行了有价值的探讨,并对扑翼式微型飞行器机体动力学和机翼空气动力学进行了详细的分析。由此分析得出结论:机体所受外力为空气动力、自身重力和机翼作用于机体的驱动力,而采用扑动与扭转两个自由度飞行的机翼所产生的机体驱动力就是由瞬时平移力和旋转循环力合成的瞬时空气动力,从而得出了相应的参数方程以及整机动力学模型。对所建模型的仿真结果表明,只要合理选择参数,各种飞行过程能得到很好的模拟。     

基于MEMS技术的扑翼式微飞行器的研究

在低雷诺数环境下对长度大约15cm，重量在20～60g的直翅类昆虫的飞行进行了空气动力学的建模研究，对扑翼式微飞行器的系统结构进行了详细的分析论述；通过仿真软件建立了所需要的扑翼飞行机器人的数学模型，并对其进行了仿真研究，从而为扑翼飞行器的研制提供理论依据。     

仿鸟扑翼飞行器动力学建模

针对仿鸟扑翼飞行控制算法设计和验证需要,建立了仿鸟扑翼飞行器的动力学模型和仿真系统.在建立仿鸟扑翼飞行器柔性翼模型的基础上,基于非定常空气动力学原理,用修正的准定常气动力计算模型估算出了翅膀扑动产生的高升力;估算了平尾产生的控制力矩.在分析惯性力的基础上建立了扑翼飞行器的状态空间方程,进而基于Matlab语言和Simulink环境设计了微型扑翼飞行器仿真系统,并给出了相应的仿真结果.     

扑翼微型飞行器自适应鲁棒姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种自适应鲁棒控制的新方法。飞行过程的复杂性使得姿态控制器的设计极具挑战性,主要困难是系统表现为非线性、不确定性、多变量参数耦合以及各种干扰。由于自适应鲁棒控制不依赖系统的精确数学模型,所以将系统分为名义模型、结构不确定性和非结构不确定性,对其分别设计直接反馈控制器、自适应控制器和鲁棒控制器,并用李亚普诺夫定理分析了系统的稳定性。仿真结果证实了所提方法的有效性。     

扑翼微型飞行器非线性H∞姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种新颖的非线性H∞控制方法。飞行过程的复杂性使得姿态控制极具挑战性,主要困难是系统表现为非线性、时变参数以及各种干扰。为此提出了一种全局非线性H∞控制策略,系统控制综合是基于李亚普诺夫理论而非求解HJI偏微分方程。该方法克服了时变参数及未知干扰对系统的影响。证明了控制器的全局渐进稳定性并将其用于扑翼微型飞行器非线性H∞姿态控制系统的仿真,仿真结果验证了所提方法的有效性。     

仿鸟扑翼飞行器建模分析

针对目前对微小型飞行器的研究需要,分析计算了仿鸟扑翼飞行器翅拍动所产生的气动力和气动力矩,导出了拍翅式微型飞行器机体的运动微分方程和状态空间方程,并计算扑翼在飞行中的位置和姿态角.然后用matlab语言和Simulink环境设计了扑翼飞行器的仿真系统,并给出了相应的仿真结果.     

微扑翼飞行器气动力和位置控制研究

随着微扑翼飞行器研究的不断深入,对其控制问题研究已引起了人们的重视.基于准稳态气动力模型,研究了微扑翼飞行器气动升力和阻力,建立了微扑翼飞行器纵向动力学模型,针对微扑翼飞行器非线性强耦合特点,采用切换控制策略进行纵向位置控制,选择扑动平面夹角和扑动幅度作为控制参数,利用位置误差和速度误差线性组合作为反馈信号,通过数值方法计算平均力,确定控制参数取值,完成了切换控制律设计.最后进行了微扑翼飞行器爬升飞行和水平飞行的控制仿真实验.     

基于DirectX的微型飞行器飞行仿真系统

介绍了一种运行在PC/Windows平台上的微型飞行器飞行实时仿真系统,该系统在VC 6.0编程环境下用DirectX开发。在飞行动力学和运动学仿真中,采用了六自由度全量非线性方程,以微型飞行器的风洞吹风实验数据为依据,考虑了螺旋桨的气动扭矩、陀螺力矩和尾流对微型飞行器的影响,精确地反映了微型飞行器的实际运动特性。应用此飞行仿真软件,除可以进行全面的飞行动力学分析外,还应用于微型飞行器的设计、试飞、侦察评估等方面。     

基于模糊自适应的微型飞行器姿态控制

针对一类不确定非线性系统,基于李亚普诺夫稳定性理论提出了模糊自适应算法.将系统分为标称模型和包含建模误差、参数变化、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒反馈控制消除系统的外部干扰.由于模糊自适应控制是对系统输入系数矩阵和系统函数向量的不确定部分的每一个分量进行实时逼近,所以系统控制的精确性得到了提高,有较好的鲁棒性.模糊逻辑系统的计算量相对较少,从而能够很好地完成系统输出信号的渐近跟踪.给出了控制算法的稳定性证明,并对微型飞行器的姿态控制系统进行了仿真研究,仿真结果验证了算法的有效性.     

穿透性制空下无人飞行器发射母机作战体系及关键技术

穿透性制空是应对反介入/区域拒止环境的一种重要手段。在该作战需求下,无人飞行器发射母机因载荷数量和种类优势、作战距离和时间优势、研制周期和成本优势受到广泛关注。在梳理无人飞行器发射母机相关概念发展和支撑研究的基础上,设计了无人飞行器发射母机作战体系的组成系统、作战过程、作战事件追踪、信息交互等顶层作战概念。从复杂环境下战场态势智能认知、可信可靠远距离弹性通信、多无人飞行器仿生自主决策与协同、无人飞行器货仓内通用发射控制四个方面展望了体系关键技术,以期推动无人飞行器发射母机作战体系开发研制与技术储备,为体系流程和功能的仿真与评估提供理论基础和建模框架。     

基于视线导航的自主水下航行器编队轨迹控制

编队航行对于提高自主水下航行器的水下作业能力和生存能力具有重要意义,以组成三角形编队前行的三个自主水下航行器为研究对象,基于Leader-Follower编队控制思想和反馈线性化技术设计了d-φ编队控制率,同时,提出了一种变结构控制方法,该方法通过视线导引角计算保持横向轨迹误差最小,进而使自主水下航行器沿预设的航路前进.仿真结果表明所提出的方法切实可行,很好地解决了自主水下航行器协同控制中的编队轨迹跟踪问题.     

空气悬架大客车操纵稳定性仿真研究

空气弹簧具有理想的非线性弹性特性。空气悬架大客车振动频率低,车轮动载荷小,可以获得良好的行驶平顺性、操纵稳定性和行驶安全性,并且减小了对路面的破坏。本文的目的在于通过应用虚拟仿真技术的方法,研究空气悬架大客车的操纵稳定性能。应用ADAMS/car软件,建立了某空气悬架大客车的整车动力学仿真模型,并对其进行了操纵稳定性仿真。通过仿真与试验结果的评价比较,得出了两者比较吻合的结论。     

电动车安全性控制系统研究

首先给出电动车在行驶时驱动与制动输入下的高阶双质量运动模型，然后针对数学模型的复杂性和强非线性特征设计基于小脑模型神经网络CMAC复合PID的控制器，并在Matlab下进行仿真。结果表明所设计的控制器可以得到较好的控制效果。     

基于遗传算法的空中加油航路规划

通过对空中加油航路规划进行建模,利用遗传算法进行优化计算,解决了关于包括总耗油量和受油机飞行航程在内的航路规划问题.针对模型中的非线性约束条件,引入自适应可变惩罚以及对部分变量采用过滤法,另外在选择、交叉、变异环节采用适应度选择法、启发式交叉法、非一致变异法,充分利用遗传算法的全局优化特性,解决了局部过早收敛等问题.实际算例中,分别针对基于航线和基于区域2种加油模式进行计算,比较2种模式的优缺点,得出了空中加油的最优策略,并验证了针对此类问题遗传优化算法的有效性.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义,定义了一种航空旅客出行指数,运用机器学习方法对航空旅客出行指数进行预测,克服了单一预测模型精度的不足,提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型,并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证,验证了LSTM-SVR组合预测模型可行性与有效性,实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度;同时,LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外,基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级,此举为机场运营管理及旅客出行提供一定的决策支持。     

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.