基于RBF网络的飞机纵向运动参数估算

针对飞机纵向运动方程复杂,现有的气动参数获得方法不易实现,不便于分析与控制,利用RBF神经网络进行参数估算,建立了飞机短周期纵向运动参数估算的RBF神经网络模型;研究了高效RBF和严格RBF网络对模型的估算,分析了RBF分布参数对估算精度的影响;仿真结果表明RBF网络用于飞机纵向运动参数的估算,具有适应多变量、速度快、精度高的优点,能较好地估计纵向运动方程中的未知参数.     

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

基于气动参数调节的无人机抗扰动控制算法

无人机飞行受到气动阻尼扰动,从而导致控制稳定性不好。当前采用翼型截面气动参数调节的方法进行无人机抗扰控制,以扭角以及振动方向等参数为约束指标,参数调节的模糊度较大,对气动姿态参数调节的稳定性不好。文中提出基于气动参数调节的无人机抗扰动控制算法。该算法根据无人机的飞行工况构建各阶模态对应的气弹耦合方程,在速度坐标系、体坐标系、弹道坐标系三维坐标系下构建无人机的飞行动力学和运动学模型;采用卡尔曼滤波方法实现对无人机飞行参数的融合调节和小扰动抑制处理,并采用末端位置参考模型进行无人机飞行轨迹的空间规划设计;在卡尔曼滤波预估模型中实现对动力学模型的线性化处理,采用气弹模态参数识别方法进行无人机的飞行扰动调节;将姿态控制作为内环,获得位置环状态反馈调节参数;以无人机的升力系数和扭力系数作为气动惯性参数进行飞行姿态的稳定性调节,从而实现无人机抗扰动控制律的优化设计。采集飞机的俯仰角、横滚角和航向角作为原始数据在Matlab中进行仿真分析,仿真结果表明,采用所提方法进行无人机抗扰动控制的稳定性较好,对气动参数进行在线估计的准确性较高,航向角误差降低12.4%,抗扰动能力提升8dB,收敛时间比传统方法缩短0.14 s,无人机飞行的抗扰动性和飞行稳定性得到提高。所提方法在无人机飞行控制中具有很好的应用价值。     

某小型无人机纵向扰动模型及静稳定性仿真

在无人机设计之初,有必要建立其扰动模型并对静稳定性进行仿真分析;在建立无人机纵向运动方程的基础上,针对某小型无人机进行了方程的数值计算和配平,运用现代控制理论,以飞行迎角的突然扰动作为控制信号建立了无人机的纵向扰动模型,提出一种新型的控制矩阵,更加全面、更加直观地反映了无人机的纵向扰动运动;通过对扰动模型的仿真,表明无人机的结构参数和气动参数使其具有可靠的纵向静稳定性;最后运用所建立模型,分析了不同迎角基准运动状态的选择对扰动过程的影响,对无人机基准运动状态的选择具有参考意义.     

陀螺误差现场系统标定方法研究

为了补偿在实际使用环境中陀螺误差对捷联惯导系统带来的影响,提出了陀螺误差的现场系统标定方法.该方法采用四元数微分方程作为系统方程,利用加计估计出的两个水平姿态角和磁罗盘或GPS辅助给出的方位角作为观测,建立广义卡尔曼滤波方程对陀螺误差进行滤波估计.同时设计了1种简单的静基座转动的标定路径用于陀螺误差系数的分离.仿真结果表明该方法可行有效,估计结果能够很好地弥补捷联惯导系统中陀螺各误差因素的影响.     

高超声速飞行器神经网络动态逆姿态控制器设计

以一类通用高超声速飞行器纵向模型为研究对象,推导了飞行器纵向姿态运动方程。考虑受到飞行器附加攻角扰动以及气动参数不确定性的影响,对运动方程中速率变化快慢不同的攻角和俯仰速率分别引入精确线性化动态逆反馈,并利用神经网络对系统逆反馈误差进行补偿,有效地抑制了模型参数摄动,实现了对攻角指令的精确跟踪。将设计的控制器对高超声速非线性模型进行系统闭环仿真,仿真结果说明所设计的姿态控制器具有抗参数摄动的性能,能够满足高超声速飞行器复杂飞行条件下的姿态控制要求,具有较强的鲁棒性。     

基于扩展卡尔曼滤波的气动参数在线修正方法

提出了在风洞试验获取的气动参数的基础上对由各种误差和扰动引起的气动偏差进行修正的方法。采用扩展卡尔曼滤波算法,利用雷达获取在线飞行弹丸的一段飞行数据(位置和速度),使用已知的气动参数对飞行数据进行过滤得到气动参数的修正系数,对已知气动参数中的阻力系数和升力系数进行修正,为后段弹道计算提供更加精确的气动参数。通过仿真计算,验证了上述方法的有效性,并利用弹道外推计算,通过对比落点误差证明了上述方法的精确性,为气动参数辨识和弹道修正提出了新的途径。     

捷联惯导系统误差系数动态标定方法探究

随着工作时间的推移,捷联惯性导航系统中的惯性器件测量精度会因为误差参数发生变化而降低,误差逐渐被积累,进而降低系统导航精度。针对此问题,提出了一种基于GPS速度、位置信息的捷联惯导系统惯性测量装置输出误差系数动态标定的方法。首先采用Sage-Husa自适应滤波实现组合导航状态最优估计,然后引入迭代最小二乘法,利用导航误差对系统惯性器件的误差系数进行标定。经计算机仿真验证,该方法可以实现在运动中对系统误差系数进行标定,进而提高捷联式惯性导航系统的导航精度。     

卡尔曼滤波系统和量测噪声自适应估计的关联性

卡尔曼滤波是惯导系统(INS)/GPS组合导航的主要算法之一,Sage-Husa算法是在卡尔曼滤波基础上,为减少系统噪声和量测噪声的不确定性对误差估计的影响而采用的自适应估计方法.对Sage-Husa算法提出了4条改进措施;并通过在3种数据扰动情形下的仿真计算发现,只对一类噪声做自适应估计更容易产生较大的偏差,对系统噪声和量测噪声两类噪声同时做自适应估计,其效果要优于只对一类噪声做自适应估计,把此现象定义为卡尔曼滤波的系统和量测噪声自适应估计的关联性.这个结果不同于一些文献的观点.此项研究对自适应卡尔曼滤波在INS/GPS组合导航的工程化应用有较高的实用价值.     

具有非线性不确定性的高超声速飞行器的 分布式鲁棒反步跟踪控制

本文针对具有外部干扰,参数摄动和非连续未知非线性气动影响的一般高超声速飞行器纵向动力学问题,设计了分布式鲁棒反步跟踪控制器.为了处理复杂的系统,将标准反步控制和信号补偿方法结合起来构成一个"简单"的鲁棒控制器.该方法不仅可以保证闭环系统半全局鲁棒跟踪性能,也可保证系统跟踪误差以期望的收敛速度收敛到期望的误差范围内.最后,带有非线性不确定性,外部干扰和参数扰动的仿真系统说明了该方法的有效性.