基于切换模型的无人直升机偏航通道系统辨识方法?

针对直升机偏航通道中舵机控制量的饱和非线性问题,提出基于切换模型的无人直升机偏航通道系统辨识方法。首先分析无人机偏航通道的特征,建立包含饱和单元的切换模型。其次通过扫频实验采集辨识所需的数据,并在频域下采用遗传算法辨识得到切换模型的所有参数。再根据实验数据分析辨识模型的残差序列,得到系统的残差模型,并利用该残差模型修正辨识得到的无人机偏航通道模型,进一步提高模型的准确度。最后通过实验数据分析文中模型的准确性,并利用该模型设计无人机飞行控制器。实验结果也证明模型的有效性。     

武装突袭Ⅱ——箭头行动

Jan Prazak上士在他所驾驶的阿帕奇直升机座舱内,通过热感画面发现了5公里外的一群可疑人物和两辆皮卡。在缩放画面,通过人物轮廓分辨出他们就是武装分子之后,Prazak发射了一枚“地狱火“导弹,然后用红色的激光对准了目标的中心位置。数十秒钟之后,画面被一团突然出现的白色烟雾覆盖,此时耳机中传来了“寻找下一个目标”的任务指示…这并不是美军直升机驾驶员将手持长焦镜头的英国记者当做火箭筒射手,于是在“谈笑风生”之间将其炸飞的乌龙事件的录像,而是高端模拟风格射击游戏《武装突袭”≥的资料片——《箭头行动》（以下简称OA）中所出现的一幕画面。     

以战术协同为目标的直升机运动性能仿真

为了在直升机模拟作战平台上实现任务规划和战法推演.使模拟直升机能够具有和真实飞机相同的运动特性.从直升机战法模拟这个工程应用的角度出发,通过直升机已知的部分飞行性能特点,运用滑流理论推导出一套直升机旋翼需用功率及可用功率的计算方法.并根据工程应用对直升机性能需求的侧重点,运用飞行动力学建立直升机运动的简化模型.最后用编程工具进行仿真.并将直升机的功率分析应用到其运动模型之中.仿真结果表明该方法是可行的.     

基于ARM7的无人直升机硬件系统设计

为了提高无人机的控制性能,针对某小型无人直升机,提出并实现了以ARM7为处理核心的无人机飞行控制计算机的硬件系统设计方案,详细给出了系统整体方案的设计和接口设计.以一种新的方式采集遥控器的控制信号,这些信号直接是数字信号,这使得对手控信息的采集更加可靠安全.该飞行控制计算机具有体积小,自主导航能力强的特点.     

直升机飞行视景仿真实现

为了用视景仿真技术模拟直升机的飞行姿态,通过三维视景建模软件Multigen Creator,建立了直升机、地形场景的视景模型,以三维仿真软件包OpenGVS作为图形开发引擎,用现代软件工程的方法,在VisualC++6.0平台上构建了直升机飞行仿真软件的整体框架,完成其中关键模块的代码编写.对于输入模块,用游戏杆作为视点变换的控制工具,运用Direct-Input接口技术对其编程.通过实例运行所编制代码,在飞行操作杆控制下,系统在飞行模拟过程中实时跟随性较好,达到理想的飞行仿真效果,从而为以后进一步研究直升机综合操纵特性和飞行品质作了一个预先性仿真研究.     

031随时降落

打开电视,我们总能看到各种灾难的报道。当大多数灾难无法阻止的时候,我们能做的更多是营救。马特·巴瑟特（Matt Bassett）有感于由于地形复杂,许多受难者不能及时被拯救,设计了这款能在任何复杂的地形上登陆的直升机——H1。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

航模新手该买啥？——MCG帮你选航模

根据以往的经验。MCG相信很多朋友在看了这期的航模文章后．会经不住诱惑,中了航模的“毒”。为了预防各位航模新手糊里糊涂地乱买梗型,MCG在这里先帮大家筛选—下。告诉你们那些模型最值得新手购买。     

某旋翼试验台振动信号的采集与预处理系统

介绍了某直升机旋翼试验台的振动数据采集和预处理系统的设计和组成.其中信号采集系统分为两大部分:一部分根据同步脉冲测量旋翼转速、周期;另一部分由同步脉冲信号控制A/D转换器实现定点触发采集数据.信号预处理包括原始信号的降噪和整周期重采样.对比研究了时域平均和小波分解技术的降噪能力,结果表明该系统简捷有效.     

基于滑动窗口的直升机序列异常检测算法

无标签的序列在异常检测算法中往往存在着对数据的信息掌握不全面、不能合理使用的情况,而采用深度学习的技术实现检测时往往对其计算的解释性欠佳;对于攻克这些难题,以直升机飞行数据为例对时间序列的反常检测问题展开了深入研究,并利用Iforest技术和PCA算法,给出了一个采用滑动窗口的时间序列异常检测方法,利用从滑动窗口采集信息的时间变化状态等数据信息,将序列异常检测问题转换为点异常检测问题;同时以auc评分为衡量标准,从带有时刻特殊标志的多个信息集上检验了检测效率的提高;在无标签的直升机飞行数据集上进行实验,验证了算法的有效性,并通过对比检测过程中不同特征变量的变化情况,从算法层面和现实层面上阐述了算法的可解释性。