无人机飞行仿真系统关键技术研究

发布时间：2017-07-01 05:03

  本文关键词：无人机飞行仿真系统关键技术研究，由笔耕文化传播整理发布。

【摘要】：随着现代航空工业的飞速发展，无论是在民用还是军用领域，飞行器的速度、机动性、升限等都得到了极大的提升，在不断追求更高、更快和更好的机动性能的同时，正在向着空天飞行器的方向发展。而作为飞行器的驾驶员——人类已经不能够胜任如此之高的强度。因此，无人机应运而生，并呈现出强劲的发展势头。 无人机就其本质上来说是一种飞行机器人。它与传统的“有人机”相比，其特点和优势主要表现在：无人机具有零人员伤亡、运营成本低、机动性和适应性强等特点。然而对无人机的研究，也存在着开发周期长、资金投入高、耗费人力物力巨大等问题。因此，对于无人机进行仿真研究也同样具有极其重要的意义，它不仅可以大大缩短开发周期，节省成本，而且可以用于验证无人机自动驾驶、决策、任务规划、任务协同、战略战术等的可行性与正确性。 对无人机系统进行飞行仿真主要包括空气动力学数学模型仿真、飞行视景仿真、自主控制和任务规划等方面。本文主要对其中前两个方面的内容进行了相关研究：一是对无人机的空气动力学特性利用RBF神经网络进行数学建模；二是利用OSG图形渲染引擎对无人机进行可视化的仿真。 鉴于现代无人机飞机的气动布局和动力学特性越来越为复杂，传统的理论建模方法很难达到逼真的效果。因此，本文提出了一种对飞行数据采用RBF神经网络进行拟合和逼近的气动模型建模方法。该方法可以充分利用无人机在飞行过程中记录的飞行数据，对其气动特性进行建模，不仅可以真实反映具有复杂气动布局的现代飞行器的气动特性，而且对单架个体具有很强的针对性，能够做到有的放矢。 在视景仿真方面，本文采用OSG渲染引擎作为开发工具，OSG是一套开源的、成熟的、应用广泛的图形库，使用OSG能够高效、灵活和方便的进行飞行仿真视景系统的开发。本文主要研究了利用VPB构建大规模飞行地形和场景，视景系统与Matlab闭环通信和基于DirectInput的杆、舵等硬件设备参数采集等问题。 最后，通过将气动模型和视景系统进行联合调试表明：采用本文论述的方法建立的无人机飞行仿真系统，在气动模型、视景系统等方面均达到了飞行仿真的要求。所建立的飞行仿真系统具有高逼真度和较强针对性等特点，能够将该系统运用于无人机相关研究和人员训练等领域。
【关键词】：神经网络 无人机 OSG 飞行仿真
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：V279;TP391.9
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-9
• 第1章 绪论9-17
• 1.1 课题背景及研究的目的和意义9-12
• 1.2 无人机飞行仿真系统国内外文献综述及研究现状12-15
• 1.2.1 飞行仿真系统国内外发展现状综述12-14
• 1.2.2 飞行仿真建模方法及国内外研究状况综述14
• 1.2.3 飞行仿真视景系统实现方法及国内外研究状况综述14-15
• 1.3 本文的主要研究内容及各章内容安排15-17
• 第2章 基于RBF 神经网络的气动建模基本理论17-39
• 2.1 神经网络概述17-20
• 2.1.1 神经网络的主要特点18-19
• 2.1.2 神经网络的应用领域19
• 2.1.3 神经元结构模型19-20
• 2.2 RBF 神经网络20-24
• 2.2.1 RBF 神经网络结构21-23
• 2.2.2 RBF 神经网络算法23-24
• 2.3 无人机动力学数学模型24-29
• 2.3.1 常用坐标系简介25-26
• 2.3.2 无人机运动方程26-28
• 2.3.3 无人机六自由度全量运动方程28-29
• 2.4 无人机运动方程分析29-37
• 2.4.1 飞行速度分析29-30
• 2.4.2 质量变化特性分析30-31
• 2.4.3 作用在无人机上的力和力矩分析31-34
• 2.4.4 空气动力学模型输入输出分析34-37
• 2.5 本章小结37-39
• 第3章 基于 RBF 神经网络的无人机气动建模及验证39-50
• 3.1 飞行数据预处理39-43
• 3.1.1 异常数据的识别、剔除和修正39-41
• 3.1.2 数据插值41
• 3.1.3 数据平滑41-43
• 3.1.4 数据归一化43
• 3.2 基于 RBF 神经网络的空气动力学数学模型43-44
• 3.3 数学模型仿真结果及分析44-49
• 3.4 本章小结49-50
• 第4章 基于 OSG 的飞行仿真视景系统设计与实现50-61
• 4.1 飞行仿真系统总体规划与设计50-51
• 4.1.1 方案概述50
• 4.1.2 运行流程50
• 4.1.3 系统框架50-51
• 4.2 OSG 图形渲染引擎51-52
• 4.3 飞行仿真视景系统设计与实现52-59
• 4.3.1 地形及视景构建52-57
• 4.3.2 视景系统与 Matlab 闭环通信57-58
• 4.3.3 基于 DirectInput 的杆、舵参数采集58-59
• 4.4 系统仿真结果59-60
• 4.5 本章小结60-61
• 结论61-63
• 参考文献63-67
• 致谢67

【参考文献】

中国期刊全文数据库 前6条

1 龚正;沈宏良;;非定常气动力的结构自适应神经网络建模方法[J];飞行力学;2007年04期

2 李大光;;军用无人化技术与装备[J];国防技术基础;2010年02期

3 李航航,杨建元;无人机作战使用与技术发展趋势[J];航空兵器;2003年04期

4 Dan Necsulescu;Bumsoo Kim;;Neural Network Based Feedback Linearization Control of an Unmanned Aerial Vehicle[J];International Journal of Automation & Computing;2007年01期

5 史秋晶;胡伍生;;神经网络BP算法在DEM内插中的应用研究[J];现代测绘;2007年05期

6 耿宏;高远;;QAR数据在民航飞机气动力参数辨识中的应用[J];计算机应用与软件;2013年06期

  本文关键词：无人机飞行仿真系统关键技术研究，，由笔耕文化传播整理发布。

本文编号：504622