基于动态逆的动力翼伞自主飞行控制方法

针对动力翼伞精确数学模型难以获得,系统输入输出关系耦合复杂等特点,建立动力翼伞8自由度动力学模型,设计由静态神经网络和积分器组成的动态神经网络,利用神经网络的逼近能力和动态逆控制方法相结合,提出了基于神经网络动态逆方法的动力翼伞控制方案,并进行了飞行仿真验证,结果表明完全满足控制要求,具有较好的抗干扰能和鲁棒性能,对于...     

复杂环境翼伞气动性能建模仿真研究北大核心CSCD

翼伞飞行环境复杂多变,常存在阵风与降雨干扰,对翼伞气动性能产生动态影响,造成系统失衡。传统模型忽视翼伞力矩失衡产生的俯仰运动,分析结果误差较大。针对时刻变化的流场环境与翼伞姿态,可借助CFD软件,通过网格速度模拟阵风、离散相模拟降雨、动网格模拟俯仰运动,对非定常Euler方程空间离散求解,得到阵风与降雨对翼伞气动性能的单独影响与耦合影响。利用修正后的翼伞模型进行仿真,结果表明,上述模型能较好描述翼伞气动性能在复杂环境中的变化规律,为翼伞精确建模与归航优化控制提供了参考。     

翼伞空投机器人系统的六自由度仿真

以灾难环境下翼伞空投机器人系统为背景,建立了翼伞系统六自由度的简化运动模型,针对预选的某伞型对该翼伞系统进行了动力学仿真.设置了常值侧风的仿真环境,分析了风对系统的影响,得出了翼伞的转弯、雀降等重要性能的参数,提供了验证控制算法的仿真基础,为设计实际控制系统提供理论依据.     

无尾扑翼无人机动力学建模及仿真

近年来,仿生无人机在战场侦察和飞行巡逻等方面应用广泛,使其成为无人机领域的研究热门,传统仿生无尾扑翼无人机的飞行建模问题通常较为复杂,计算难度较大,因此亟待对此类无人机进行飞行控制的研究。文章针对仿昆虫无尾扑翼无人机的动力学建模问题进行了研究,基于叶素法、准稳态假设模型以及刚体动力学建模方法,对机翼运动进行受力分析,得到机翼的动力学模型;机体采用刚体动力学方法,建立无人机飞行模型。仿昆虫无尾扑翼无人机系统采用PID控制模型对机体纵向动力学模型控制,以俯仰角、阶跃输入方式,通过实验表明,系统的超调量分别为和,调节时间分别为0.5和1,稳态误差符合实验要求。     

大规模空投中的多翼伞一致性控制算法

翼伞大规模空投广泛用于物资运输或救援救灾,可将大量物资或人员依次运输至指定目标位置,通过分析可以看出其控制目标与多智能体一致性控制问题的控制目标高度一致,但翼伞存在强非线性特性,难以通过传统一致性算法实现精确控制和稳定性证明.因此,本文将采用八自由度动力学模型,在充分考虑翼伞非线性动力学特性的基础上,结合自抗扰控制与多智能体一致性控制策略,设计分布式控制器,并针对时延,信号噪声,可变通信拓扑等多外界干扰的基础上,在有限时间内确保多翼伞的运动误差可收敛到一个包含零点的邻域内,同时给出该控制器的稳定性证明.     

未知风场条件下翼伞系统自适应归航算法研究

针对翼伞系统在未知风场条件和障碍区域内难以保证着陆精度的问题,提出了翼伞系统航迹在线规划方法.在建立翼伞系统六自由度(6DOF)动力学模型的基础上,改进了经典分段归航控制方案,设计了自适应航迹规划算法,得到了低能耗、短航时的航迹规划结果.设计了PD控制器以仿真验证算法的有效性,仿真结果表明:提出的算法满足精确空投任务要求.     

变弹翼导弹动力学控制及仿真

研究飞行器优化控制问题,常规导弹由于弹翼固定使得其飞行性能单一.为了提高整个导弹的作战效率,采用变弹翼技术的导弹却能够实现低能耗优化飞行.由于变弹翼导弹的动力学模型与控制特性在飞行过程中弹翼的运动变得复杂化.提出弹翼采用软常见的"×"字形,针对四个变弹翼导弹建立相关气动特性,包含弹翼运动的会弹动力学方程.根据小扰动法与系数"冻结"法,采用全弹三通道数学模型.通过仿真结果表明,设计的自动驾驶仪能够抑制气动参数变化的影响,满足导弹控制性能指标要求,各项指标表明变弹翼导弹的作战效率可以得到挺高.     

翼伞系统动力学建模与分段归航设计

翼伞回收系统具有精确、定点、无损等特点,已成为当前回收领域的一个研究热点,首先建立了含附加质量的翼伞系统的六自由度动力学模型,然后将其带入翼伞系统的动力学方程中得到了运动轨迹以及三个姿态角随不同操纵方式变化的时间曲线,对翼伞系统的基本运动特性进行了分析.其次采用分段归航策略对翼伞系统的轨迹规划进行了设计,并利用遗传算法...     

基于转速反馈的动力翼伞纵向串级控制

为提高动力翼伞纵向跟踪效果,并针对现有模型及控制方法的局限性,着眼于实际飞行试验,提出一种基于转速反馈调节的串级自抗扰控制策略.首先在动力翼伞纵向模型的基础上,改进引入无刷直流电机模型,并利用转速测量装置实时更新电机转速信息,应用最小二乘法拟合电机转速与螺旋桨静推力的非线性关系.设计纵向轨迹控制器,内环实现对电机转速的...     

七自由度番茄收获机械手动力学研究

在番茄收获机械手动力特性优化控制的研究中,采用Lagrange法,建立了七自由度番茄收获机械手的动力学模型,获得了机械手力、质量和加速度以及力矩、转动惯量和角加速度之间的关系,并得到了机械手在完成指定运动时各关节驱动器所需要的驱动力(力矩).利用Pro/E和ADAMS建立了机械手的虚拟样机,分别在MATLAB和ADAMS中进行了动力学仿真.结果表明,利用动力学模型与虚拟样机得到的各关节作用力(矩)均呈规律性变化,除关节2和关节4外,各关节力(矩)值是相同的.两种方法得到的关节2和关节4力(矩)的最大相对误差为3.76％,验证了动力学模型的正确性和虚拟样机的可靠性,为番茄收获机械手轨迹跟踪控制提供了动力学模型和基于虚拟样机的被控对象,并为优化设计提供了依据.