后缘小翼智能旋翼的仿真与控制

论文摘要

近十几年来,带后缘小翼的智能旋翼（也就是ACF）作为主动控制旋翼技术的一个研究热点,发展十分迅速。随着其他技术的不断发展和成熟,ACF技术的研究方法也在不断的改善。关于智能旋翼减振的控制算法研究,前人在频域方面做了一定的探索。为了研究智能旋翼的减振性能,掌握其规律,为下一步的智能旋翼的研究及实验打下基础,本文在前人基础上进一步对智能旋翼减振的仿真模型细化,并研究了实时时域控制方法对智能旋翼的减振的可行性。理论、方法的研究包括:以小翼的偏角输入/桨毂载荷作为系统的输入/输出,对智能旋翼减振系统进行了仿真。本文对带有后缘小翼的弹性桨叶进行建模,气动模型采用了预定尾迹和非定常模型。其中非定常模型分为两部分,基本翼型采用的Leishman-beddoes非定常模型和小翼采用Hariharan-Leish man小翼非定常模型。考虑小翼的引入对智能旋翼进行振动主动控制时所带来的影响。研究时域内自适应控制算法的特点,比较时域和频域控制算法的优缺。建立了完整的基于非线性、具有时间延迟以及各个输出量之间相互耦合的多输入多输出（MIMO）系统的闭环自结构神经网络模糊控制算法的理论模型和分析,并和前人所研究的控制算法进行了对比。在智能旋翼仿真系统中对上述的控制算法进行验证,比较了自结构神经网络模糊控制算法和基于卡尔曼滤波进行在线识别的自适应时域控制算法的控制效果、收敛性、容错性以及是否利于实现实时控制。通过对比,自结构神经网络模糊控制算法性能更优越。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题依据
• 1.2 国内外研究情况
• 1.3 本文的工作
• 第二章 智能旋翼系统建模
• 2.1 坐标系
• 2.2 结构与惯性建模
• 2.2.1 弹性桨叶建模
• 2.2.1.1 弹性桨叶应变能表达式的推导
• 2.2.1.2 弹性桨叶动能表达式的推导
• 2.2.1.3 外力做的虚功
• 2.2.2 小翼的惯性力贡献
• 2.3 气动模型
• 2.3.1 Leishman-beddoes 非定常气动模型
• 2.3.2 Hariharan-Leishman 小翼非定常模型
• 2.3.3 入流与尾迹模型
• 2.3.3.1 Landgrebe 预定尾迹模型
• 2.3.3.2 诱导速度的计算
• 2.4 气弹响应分析
• 第三章 后缘小翼的气弹动力学特性
• 3.1 算例参数
• 3.2 后缘小翼的偏转对桨毂载荷的影响
• 第四章 时域自结构模糊神经网络自适应控制算法理论模型
• 4.1 引言
• 4.2 自结构神经网络模糊控制算法
• 4.2.1 模糊控制基础
• 4.2.1.1 清晰量的模糊化
• 4.2.1.2 模糊量的精确化
• 4.2.1.3 模糊控制规则的设计
• 4.2.2 神经网络控制基础
• 4.2.2.1 神经元模型
• 4.2.2.2 神经网络模型
• 4.2.3 自结构模糊神经网络控制算法介绍
• 第五章 后缘小翼智能旋翼的时域自适应控制
• 5.1 闭环控制回路
• 5.2 智能旋翼闭环时域自适应控制仿真计算
• 5.2.1 算例一
• 5.2.1.1 权值的选取
• 5.2.1.2 同时对各个桨毂载荷进行减振
• 5.2.1.3 收敛因子α的选取
• 5.2.1.4 减振结果
• 5.2.2 算例二
• 5.3 各种控制算法对比
• 第六章 总结与展望
• 6.1 闭环控制算法
• 6.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文