基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输

为了研究飞机的纵向气动参数(CLα、CDα、Cmα、Cmα̇、Cmq)以及平飞速度(Lw)、翼载荷(V0)等参数对抗风性能的影响,在满足MIL-F-8785C中规定的一级飞行品质条件下首先,选取5种代表机型对其进行风场扰动下的动态响应仿真计算,得到了这5种飞机在阵风风场和紊流风场扰动下的航迹和姿态角响应;然后,逐个改变飞机的纵向气动参数及平飞速度、翼载荷等参数,对不同参数的抗风性能影响进行灵敏度分析;最后,分析得到,对于同一架飞机,增加升力线斜率、俯仰阻尼系数、平飞速度这3个参数的绝对值会让飞机纵向抗风性能变好,增加静稳定裕度、翼载荷这2个参数的绝对值会让飞机纵向抗风性能变差。该结论可以为飞机设计过程中就如何提高飞机的抗风性能提供参考。

由于先进的民用运输类飞机结构重量占比越来越小,飞机表现出更高的柔性,采用传统刚体模型假设研究飞机的飞行控制将会产生较大的误差。考虑机翼的大变形运动,采用基于应变的非线性梁模型建立结构动力学与传统刚体飞行动力学耦合模型,利用等效方法获得与刚体模型等效的刚弹耦合飞机气动参数,通过仿真对比了传统刚体模型和刚弹耦合模型在飞机副翼上的响应和垂直阵风响应上的差异。结果表明副翼偏转时刚弹耦合模型副翼舵效率比刚体模型低18.77%,在垂直阵风的作用下基于刚弹耦合模型预测的翼根弯矩比传统刚体模型低8.35%,机翼的弹性运动也会对刚体运动产生一定影响。

机动动作库是飞机空战仿真的重要基础,可靠的、具有针对性的机动动作库能够提高空战仿真的真实性和应用价值。为了建立具有针对性的机动动作库,提出了一种通过三维逆向建模进行气动特性计算再建立飞机机动动作库的技术途径,对气动参数未知飞机的空战仿真问题提供了技术支撑。首先,对飞机的几何外形进行了三维重建,计算分析了其纵向气动特性;然后,将气动数据加入飞行仿真的限制环节,设计了针对该型飞机典型战术动作的机动动作库;最后,基于MATLAB函数进行了机动动作的可视化研究。研究结果表明机动动作库体现了对于飞机类型的针对性和可靠性,可视化实现了飞行轨迹和飞机姿态的三维显示及参数游标,为空战决策、空战仿真模拟训练和提高作战效能奠定了基础。

当迎角较大时,小展弦比飞翼布局飞机产生了滚转方向的极限环振荡。为仿真该试验现象,文章通过建立相应的非线性气动力模型,准确描述了非定常气动力,进而以刚体运动方程模拟了风洞自由滚转试验过程。相较于传统线性化气动导数模型,该气动力模型表现出更高的建模精度,成功复现了该机的滚转自激振荡现象,展现出在大迎角非定常气动力建模方面的独特效果。最终仿真结果表明,滚转自激振荡是正负阻尼与静稳定性共同作用的结果。

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输

本文阐述了基本运算为不完全微分PID的滤波型二自由度控制算法，针对飞行仿真转台用液压伺服系统的特点，进行了仿真分析。结果表明，它比常规PID控制器性能优越，使系统性能显著提高。