飞机舵面结构性缺失故障情况下的自适应重构控制方法

    公开(公告)号:CN114721266B

    公开(公告)日:2023-05-05

    申请号:CN202210324369.2

    申请日:2022-03-30

    Abstract: 本发明属于飞行器控制技术领域,涉及一种飞机舵面结构性缺失故障下自适应干扰抑制的重构控制方法。本发明首先考虑飞机舵面结构性缺失的影响,确定建立动力学模型的输入和输出,在此基础上采用实时辨识,通过飞行数据得到故障后的气动数据,接着对力和力矩进行重新配平,最后采用自适应干扰抑制方法进行控制。相比传统的预设控制器,本发明的控制方法在飞机发生舵面结构缺失故障时,提升了飞机的控制品质和操纵稳定性;相比于传统的控制方法,有更小的超调量,更快的响应速度,以及快速收敛的特性,避免了传统控制方法在飞机发生故障时控制效果变差的情况,有更好的控制性能,具有广阔的应用前景。

    飞机舵面结构性缺失故障情况下的自适应重构控制方法

    公开(公告)号:CN114721266A

    公开(公告)日:2022-07-08

    申请号:CN202210324369.2

    申请日:2022-03-30

    Abstract: 本发明属于飞行器控制技术领域,涉及一种飞机舵面结构性缺失故障下自适应干扰抑制的重构控制方法。本发明首先考虑飞机舵面结构性缺失的影响,确定建立动力学模型的输入和输出,在此基础上采用实时辨识,通过飞行数据得到故障后的气动数据,接着对力和力矩进行重新配平,最后采用自适应干扰抑制方法进行控制。相比传统的预设控制器,本发明的控制方法在飞机发生舵面结构缺失故障时,提升了飞机的控制品质和操纵稳定性;相比于传统的控制方法,有更小的超调量,更快的响应速度,以及快速收敛的特性,避免了传统控制方法在飞机发生故障时控制效果变差的情况,有更好的控制性能,具有广阔的应用前景。

    深度学习网络修正补偿的气动参数智能辨识方法

    公开(公告)号:CN116382071B

    公开(公告)日:2023-12-22

    申请号:CN202310081892.1

    申请日:2023-02-08

    Abstract: 本发明属于飞行器控制技术领域,涉及一种深度学习网络修正补偿的气动参数智能辨识方法。本发明首先考虑神经网络的智能参数辨识方法,根据地面试验数据离线训练深度学习网络。其次根据离线训练好的网络映射力/力矩系数并与系数的观测值作差,进行递推最小二乘增量辨识补偿。再根据真实飞行状态采集的数据离线修正深度学习网络,进而使得修正后的神经网络映射力/力矩系数更贴近真实值。在保证参数估计精度的同时,保障参数估计的快速性。最后,通过某型飞机模型开展了智能参数辨识及对比分析工作,结果表明离线训练/在线补偿/离线修正的辨识吻合较好,且与传统辨识方法相比计算效率高,具有广阔的应用前景。

    基于吸气式高超声速平台的多约束在线飞行轨迹规划中段导引方法

    公开(公告)号:CN116301028A

    公开(公告)日:2023-06-23

    申请号:CN202310088829.0

    申请日:2023-02-09

    Abstract: 本发明属于高超声速飞行器中段导引技术领域,涉及一种基于吸气式高超声速平台的多约束在线飞行轨迹规划中段导引方法。本发明首先基于吸气式平台气推耦合特性在线设计飞行轨迹。在横向平面,横向平面基于固定倾侧角进行转弯,通过消除前置角的方式进行轨迹设计。在纵向平面,采用基于燃料消耗较少、能长时间保持等动压状态的原则设计纵向飞行策略。本发明方法在油耗方面有很大的优势,可以有效地扩大拦截空域的面积。在获得标称轨迹后,采用轨迹线性化控制方法实现轨迹剖面跟踪制导,验证方法的有效性。该方法是一种适用于基于吸气式高超平台的中段导引的方法,且具有广阔的应用前景。

    基于吸气式高超声速平台的多约束在线飞行轨迹规划中段导引方法

    公开(公告)号:CN116301028B

    公开(公告)日:2023-08-04

    申请号:CN202310088829.0

    申请日:2023-02-09

    Abstract: 本发明属于高超声速飞行器中段导引技术领域,涉及一种基于吸气式高超声速平台的多约束在线飞行轨迹规划中段导引方法。本发明首先基于吸气式平台气推耦合特性在线设计飞行轨迹。在横向平面,横向平面基于固定倾侧角进行转弯,通过消除前置角的方式进行轨迹设计。在纵向平面,采用基于燃料消耗较少、能长时间保持等动压状态的原则设计纵向飞行策略。本发明方法在油耗方面有很大的优势,可以有效地扩大拦截空域的面积。在获得标称轨迹后,采用轨迹线性化控制方法实现轨迹剖面跟踪制导,验证方法的有效性。该方法是一种适用于基于吸气式高超平台的中段导引的方法,且具有广阔的应用前景。

    深度学习网络修正补偿的气动参数智能辨识方法

    公开(公告)号:CN116382071A

    公开(公告)日:2023-07-04

    申请号:CN202310081892.1

    申请日:2023-02-08

    Abstract: 本发明属于飞行器控制技术领域,涉及一种深度学习网络修正补偿的气动参数智能辨识方法。本发明首先考虑神经网络的智能参数辨识方法,根据地面试验数据离线训练深度学习网络。其次根据离线训练好的网络映射力/力矩系数并与系数的观测值作差,进行递推最小二乘增量辨识补偿。再根据真实飞行状态采集的数据离线修正深度学习网络,进而使得修正后的神经网络映射力/力矩系数更贴近真实值。在保证参数估计精度的同时,保障参数估计的快速性。最后,通过某型飞机模型开展了智能参数辨识及对比分析工作,结果表明离线训练/在线补偿/离线修正的辨识吻合较好,且与传统辨识方法相比计算效率高,具有广阔的应用前景。

Patent Agency Ranking