硕士毕业论文

硕士开题报告ppt(2)

时间:2020-12-02 08:07:20 硕士毕业论文 我要投稿

硕士开题报告ppt范文

  图 3 单步仿真流程图 2.2 研究可行性分析 目前,实验室已获得 B737NG 飞机的建模的相关数据和部分飞机事故飞行数据和开源的飞行动力学模型 JSBSim,并已完成了飞行动力学模型的初步建立,可用于飞行模拟器的飞行实时仿真。

  在此基础上,进行特情飞行状态预测和 MPC控制律设计完全可行。

  研 究 基 础 (包括与本项目有关的研究工作积累和已取得的研究工作成绩;课题研究现有的基础和已具备的实验条件,可能遇到的困难或问题和拟解决的途径和措施等)。

  1.研究工作积累和已具备的实验条件 (1)掌握飞行动力学建模所需的相关知识,熟悉神经网络建立的各个环节以 及一定的理论基础,初步了解 MPC 的基础知识和使用方法。

  (2)熟练 C++相关知识,可以熟练使用 Microsoft Visual Studio 2010 所提供的开发环境。

  (3) 掌握基于开源的飞行动力学模型代码(JSBSim)软件,并通过适当修改,使飞机动力学模型符合 B737 的飞行特征。

  2.可能遇到的困难及解决途径 (1)神经网络预测问题 神经网络预测在设计神经网络的隐含层数、神经元个数和传输函数的选取时,大都依赖于经验,并没有成熟的理论支持。

  这就需要通过对神经网络进行多次实验测试,并在这些测试过程中不断修正及优化神经网络模型。

  (2)决定性参数的选取 由于在不同的飞行状态下,不同的状态变量会对飞机安全有着不同程度的影响。

  所以可以通过以往文献确立哪些决定性参数更为关键,并通过实验验证选取这些状态变量为决定性参数的可行性及有效性。

  (3)模型预测控制的模型选取问题。

  在改出控制律设计时,动力学模型的选取对模型预测控制的控制效果有着至关重要的影响。

  因此,对于动力学模型的选取要十分慎重。

  目前优先采用无模型的神经网络进行测试,并根据实际需要修正优化预测模型。

  (4)模型预测控制的算法选取问题。

  在模型预测控制中,优化算法会直接影响控制律的设计,为了使得飞机状态可以更好更快的达到理想的飞行状态,不同的算法将会根据实际需要进行取舍。

  研 究 计 划 和 进 度 2013 年 12 月-2014 年 3 月:建立飞行动力学模型,并验证模型准确性。

  3 月- 6 月:完成基于飞行事故数据的神经网络预测,并根据实际仿真情况验证其有效性。

  6 月- 10 月:完成基于模型预测控制的控制律设计。

  10 月- 12 月:完成毕业论文。

  研 究 经 费 预 算 与 来 源 (含支持本课题的项目编号)

  参 考 文 献

  文 献 综 述 (不少于 6 千字)

  一、概述 飞机失控是民用运输机失事的主要原因之一。

  导致飞机失控的原因有多种多样,诱因主要体现在以下三个方面。

  第一,机载设备发生故障;第二,外部环境的恶劣变化和扰动;第三,飞机处于异常飞行状态(如飞机处于不正常高度或者不正常的速度)。

  随着飞机本身的可控性和可靠性的不断发展,由民航飞机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致飞机事故呈下降趋势,并且飞机在遭遇微下击暴流或低空风切变等大多数特殊情况下,只要机组人员做出正确判断和决策,飞机是具有改出的能力的。

  所以大多数事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。

  因此,对飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。

  本课题研究的目的是实现在特殊情况下对飞机状态的预测以及控制。

  首先建立飞机动力学仿真模型;然后基于模型的基础上,对受到特定的外部环境或自身故障影响下的飞机进行状态预测。

  最后,以包线保护为控制目标,实现飞机安全飞行的目的。

  二、飞机事故分析 随着飞机安全性水平的提高,是近几 10 年来技术进步和管理水平提高的综合效应,是安全性分析、设计、验证及管理技术和各种科学技术进步相结合的结果。

  首先,飞行器、发动机、各种安全关键系统设计技术的改进和计算机、电子、信息、新材料及新工艺等的应用,大大减少了飞行器及各种系统的故障;其次是各种显示、监控和告警设备的采用,使飞行人员能随时了解飞行器的工作状况,及时采取有效的.防止事故发生的措施;第三是飞行人员的培训方法的改进及驾驶技术的提高,减少了各种驾驶差错所造成的事故;

  第四是地面使用、维修、保障和空中交通管制设施及技术的改进;第五是飞行安全规章及条例的实施和贯彻。

  然而,近 20 多年来,一是因为飞行器的复杂性大大提高,飞行器研制中仍然存在着一定数量的可能导致灾难性事故的设计缺陷;二是由于人为因素导致灾难性飞行事故发生的主导因素,而且这些人为因素存在着很大的随机性。

  飞机的飞行事故受飞机设计、驾驶员操作、地面维修、空中交通管制和气象等各种复杂因素的影响,而且许多事故往往是多种相关联的因素影响造成的;同时,由于各种飞机因使用环境条件、飞行剖面,飞行持续时间等的不同,造成事故的主导因素也可能不同;此外,随着技术进步,造成事故的主导因素也可能发生变化。

  美国把飞机事故主要原因划分为驾驶和后勤两类。

  驾驶类事故包括飞机失控、撞地、空中相撞、起飞与着陆过程造成的事故;后勤类事故包括发动机、飞行操纵系统、燃油系统、起落架、结构、液压系统及电气系统等的设计缺陷、设备故障或维修差错等造成的事故。

  近 20 年来,虽然飞机总的事故次数在不断下降,而这些事故中其中占绝大算数是由于人为因素而直接或者间接导致的飞行失控而产生的。

  飞行失控(Loss-of-Control,LOC)是指飞机在可控飞行状态下,由于某种原因进入危险姿态而未能正确改出,以致飞机超出正常飞行包线,从而造成飞行事故,是诱发严重飞行事故和人员伤亡的主要原因。

  据国际民用航空组织(ICAO)的统计,在 2008 年商用喷气飞机事故中,由飞机失控和可控飞行触地引发的事故为 39起,占总事故的 42.8%,造成人员伤亡 2887,占总伤亡人数的 61.2%。

  这其中,由飞机驾驶员错误判断导致飞行事故占到了 42.8%。

  事故统计分析此类事故是由以下三种不利因素导致的。

  第一,机载设备发生故障;第二,外部环境的恶劣变化和扰动;第三,飞机处于异常飞行状态(如飞机处于不正常高度或者不正常的速度)。

  而且尤以前两个因素为主要诱因,占据了事故起因的 90%以上。

  随着飞机本身的可控性和可靠性的不断发展,由民航飞机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致飞机事故呈下降趋势,并且飞机在遭遇微下击暴流或低空风切变等大多数特殊情况下,只要机组人员做出正确判断和决策,飞机是具有改出的能力的。

  所以大多数事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。

  为避免人为差错,一方面是改进飞机安全性设计和分析,采用自动化技术,从设计上避免人为差错及其影响;另一方面是开展人为因素研究,尽量避免人为差错,减少飞机的飞行事故。

  美英等航空发达国家及世界民航组织都在实施人为因素研究计划,主要项目包括飞行员疲劳、飞行时差反应、飞行员生理节奏失调、飞行员之间的协调、人为差错的监控、人为差错的事故链、飞机座舱自 动化的人为因素以及显示和告警系统的人为因素等。

  就第一方面而言,实现飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。

  三、飞机状态预测模型 飞机的飞行状态预测问题历来是飞控系统设计与仿真、机动目标跟踪以及飞行器系统辨识等领域关心的重大课题。

  美国学者 RKlmn 于六十年代初提出了卡尔曼滤波算法,该算法非常适合于计算机递推计算,成为解决状态预测问题的最有效手段,在工程中获得了广泛的应用。

  随着应用的展开,人们对卡尔曼滤波算法进行了种种的改进。

  为了适应非线性系统,提出了推广卡尔曼滤波,为进一步提高非线性滤波精度,又研究了迭代滤波、非线性二阶滤波等算法。

  对于商用民航飞机而言,研究其有无发生失控的趋势,对于提高飞行安全是很有意义的。

  如在飞机发生积冰、舵面失效或者遭遇到强对流天气时,短时预测系统如果能给出飞机有无失控趋势,这将给机组人员及时作出相应对策有重大帮助。

  因此如何借助动力学模型,并基于模型给出失控趋势的预测, 是目前研究的重点之一。

  自2000年以后,FAA,美国波音公司,NASA兰利研究中心等许多著名的航空研究机构就飞行状态预测,飞行控制策略进行了深入的研究。

  就飞行状态预测而言,研究主要针对以下几个问题: (1)如何建立可以精确反映飞机运动状态的非线性动力学特性。

  以往的飞行动力学模型的理论基础是在飞机平衡点附近,对非线性系统应用一阶Taylor展开, 所得结果是原非线性系统在特定平衡点周围的局部近似。

  这种方法的缺点主要有两点。

  第一, 由于采用一阶Taylor展开而带来的舍入误差;第二,在遇到实际微下击暴流或者低空飞切变时,飞机的运动状态已不在该平衡点附近,如果仍基于该线化模型进行控制律设计,其控制效果将远不会达到预期效果,有时甚至会导致飞机的振荡、失控进而导致严重的飞机事故。

  (2)采用何种算法进行飞行状态预测。

  对于商用民航飞机而言,目前预测失控趋势的手段较为单一,只有基于观测数据的预测方法和基于小扰动线化方程设计自适应预测控制模型。

  许多成功的工程实践证明变增益是一种非常有效并广泛使用的方法, 特别是在航空航天领域。

  传统的变增益控制系统的设计思想是采用多个线性控制器 来近似替代所要求的非线性控制器。

  例如飞行控制系统, 因为飞机的动力方程在整个飞行包线内不能用一个线性模型表示, 所以首先在飞行包线内选取多个设计点, 在这些设计点上进行线性化, 然后在每个设计点上采用传统的控制器设计方法(如PID、LQ)设计线性控制器, 最后通过预定的调度程序在这些线性控制器之间插值,得到一个完整的非线性控制律。

  传统的变增益控制是补偿已知非线性特性的一种有效方法, 在这种方案中, 控制器对变化的运行条件能做出快速的反应, 但是传统变增益方法的局限在于控制器的参数是按开环方式改变的, 没有来自闭环系统性能的反馈作用, 而且传统变增益控制缺乏稳定性的严格理论证明。

  近年来, 许多学者都致力于研究一种称为自增益调度的新控制器综合方法, 这种方法设计出的控制器依赖于调度变量, 并且在所考虑的包线范围内能保证一定程度的鲁棒稳定性和鲁棒性能,最大优点是: (1)同传统变增益控制不同, 设计者不必再考虑如何插值; (2)鲁棒稳定性可以从理论上保证, 而不必通过详尽的计算机仿真来证明。

  这就是20世纪90年代后期发展的基于线性变参数(Linear Parameter Varying, LPV)系统的变增益技术, 这种技术在工作区域期间采用自增益, 保证了闭环系统的鲁棒性和稳定性,并已成功应用于固定翼飞机和无人机运动建模。

  LPV模型是一类重要的时变系统模型,其状态空间矩阵是实时可测且在闭集上变化的变参数的确定函数。

  基于LPV模型的鲁棒变增益控制由于能够在理论上保证系统的全局稳定性和鲁棒性,克服了传统变增益控制的缺点。

  由于飞机在要根据不同的改出控制策略以及飞行状态变化而动态更新模型,而LPV模型恰好可以通过一定的调度算法更新系数矩阵,计算获得新的状态。

  这种在线修正的特点,恰好可以应用于飞机模型的建立。

  就LPV建模而言,目前LPV建模,主要分为两类,一类是基于系统的动态非线性系统方程的分析法;另外一种则是根据系统的输入输出数据的实验法,主要是采用不同的辨识算法。

  两类方法都存在一定的缺点和限制。

  对于分析法,第一种方法称为雅可比线性化(Jacobian linearization)方法;第二种方法称为状态变换方法(State transformations) ;最后一种方法称作函数替换法(Function substitution)。

  这三种方法的共同点就是都依赖系统的平衡点,其中前两种方法 依赖于系统的多个平衡点,保守性更大些,最后一种方法只依赖于系统的一个平衡点。