陆空车辆跳飞过渡控制技术研究

发布时间：2017-10-19 22:07

  本文关键词：陆空车辆跳飞过渡控制技术研究

  更多相关文章： 陆空车辆 跳飞 遗传算法 μ综合

【摘要】：陆空车辆是一种具有陆地行驶和空中飞行能力的多用途作战平台和综合交通工具,具备空中巡逻、救援和交通运输等多种功能,能广泛应用于军事和民用领域。本文以某陆空车辆为研究对象,围绕陆空车辆的跳飞过渡问题开展研究,研究内容包括陆空车辆飞行动力学建模、系统模态分析、系统输入输出能控性分析、跳飞过渡实现策略分析、基于遗传算法的跳飞操纵变量优化、基于μ综合控制技术和PID控制技术的飞行控制系统设计与实现。文章首先从陆空车辆的结构特点入手,分析了陆空车辆建模的特点,确定了陆空车辆飞行动力学模型结构,运用空气动力学和刚体动力学建立了陆空车辆的飞行动力学模型。然后通过遗传算法和序列二次规划完成陆空车辆模型的配平计算,采用中心差分法获取了小扰动假设下的线性模型。基于线性模型对陆空车辆的特性进行了深入的分析,通过极点分布、灵敏度矩阵、奇异值等对陆空车辆的稳定性、通道间的耦合关系及能控性进行了刻画。其次,对陆空车辆跳飞的工作原理及跳飞工况的特点进行了系统的阐述,分析了跳飞时各操纵变量变化对跳飞过渡到稳定前飞状态的影响。为了让陆空车辆能顺利跳飞过渡到稳定前飞,分析了跳飞过渡的实现策略,并基于遗传算法以最小化陆空车辆跳飞结束时的状态相对稳定前飞状态的偏差为优化目标,以保证跳飞过程的爬升度为约束条件,对操纵变量进行了优化。然后,针对陆空车辆跳飞过渡问题及陆空车辆的模型特点,运用μ综合控制技术设计了陆空车辆内环的姿态控制器,该方法能有效的解除系统各通道间的耦合,抑制阵风干扰、测量噪声且有很好的鲁棒性。运用PID控制技术完成了外环速度和高度的控制。本章还分别对内外环的控制器的性能进行了仿真和评估,结果表明:设计的飞行控制系统不但能快速准确的跟踪参考输入,还具有很强的抗干扰能力和良好的鲁棒性,完全可以控制结束跳飞后的陆空车辆顺利进入稳定前飞状态。最后,针对陆空车辆工作的特点,完成了陆空车辆控制系统软硬件平台的设计,并基于这一套软硬件平台完成了陆空车辆在跳飞工况下模型的验证实验。
【关键词】：陆空车辆 跳飞 遗传算法 μ综合
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U469
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-19
• 1.1 本课题的研究意义11-12
• 1.2 陆空车辆的发展与现状12-14
• 1.3 飞行控制研究现状14-17
• 1.4 本课题研究内容17-19
• 第2章 陆空车辆飞行动力学特性研究19-45
• 2.1 陆空车辆建模分析19-21
• 2.1.1 陆空车辆的结构特点19-20
• 2.1.2 陆空车辆建模假设20
• 2.1.3 陆空车辆飞行动力学模型结构20-21
• 2.2 机体运动学特性21
• 2.3 机体动力学特性21-31
• 2.3.1 旋翼力与力矩22-26
• 2.3.2 螺旋桨力与力矩26-29
• 2.3.3 机身阻力29
• 2.3.4 垂尾力与力矩29-31
• 2.3.5 平尾力与力矩31
• 2.4 旋翼挥舞动力学特性31-35
• 2.4.1 挥舞方程推导32-34
• 2.4.2 挥舞方程求解34-35
• 2.5 模型特性分析35-42
• 2.5.1 模型线性化35-38
• 2.5.2 模态分析38-42
• 2.5.3 输入输出能控性分析42
• 2.6 本章小结42-45
• 第3章 陆空车辆跳飞过渡工况研究45-55
• 3.1 跳飞原理45-46
• 3.2 跳飞过渡46-48
• 3.3 跳飞过程操纵变量优化分析48-54
• 3.3.1 优化算法简介48-49
• 3.3.2 优化问题描述49-50
• 3.3.3 优化程序设计50-51
• 3.3.4 优化结果与验证51-54
• 3.4 本章小结54-55
• 第4章 陆空车辆飞行控制技术研究55-73
• 4.1 引言55-56
• 4.2 μ 综合控制技术概述56-59
• 4.2.1 μ 综合问题描述57-58
• 4.2.2 μ 综合问题求解58-59
• 4.3 内环控制律设计与性能评估59-69
• 4.3.1 对象描述60-61
• 4.3.2 性能要求61-63
• 4.3.3 μ 控制器设计63-64
• 4.3.4 性能评估64-69
• 4.4 外环控制律设计与性能评估69-72
• 4.4.1 外环控制器设计69-70
• 4.4.2 性能评估70-72
• 4.5 本章小结72-73
• 第5章 陆空车辆控制系统实现与试验73-87
• 5.1 控制系统硬件设计73-80
• 5.1.1 机载计算机73-74
• 5.1.2 操纵系统74-76
• 5.1.3 传感系统76-77
• 5.1.4 其它模块77-79
• 5.1.5 供电系统79-80
• 5.2 控制系统软件设计80-81
• 5.3 跳飞试验验证81-84
• 5.3.1 试验操作方案82-83
• 5.3.2 试验结果与分析83-84
• 5.4 本章小结84-87
• 第6章 结论与展望87-89
• 6.1 总结87
• 6.2 本文创新点87-88
• 6.3 展望88-89
• 参考文献89-95
• 攻读学位期间发表论文与研究成果清单95-97
• 致谢97

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：1063584