CN113110100A - 适用于飞行器的模型降阶分析方法 - Google Patents

适用于飞行器的模型降阶分析方法 Download PDF

Info

Publication number
CN113110100A
CN113110100A CN202110330082.6A CN202110330082A CN113110100A CN 113110100 A CN113110100 A CN 113110100A CN 202110330082 A CN202110330082 A CN 202110330082A CN 113110100 A CN113110100 A CN 113110100A
Authority
CN
China
Prior art keywords
model
aircraft
matrix
control
state space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110330082.6A
Other languages
English (en)
Inventor
刘超逸
赵景朝
徐宝华
刘旺魁
祝明嘉
田方澍
乔鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kongtian Technology Research Institute
Original Assignee
Beijing Kongtian Technology Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Kongtian Technology Research Institute filed Critical Beijing Kongtian Technology Research Institute
Priority to CN202110330082.6A priority Critical patent/CN113110100A/zh
Publication of CN113110100A publication Critical patent/CN113110100A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Abstract

本发明涉及飞行器建模技术领域，公开了一种适用于飞行器的模型降阶分析方法。该方法包括：建立飞行器全量耦合动力学模型；对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式；在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型；对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型；使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。

Description

适用于飞行器的模型降阶分析方法
技术领域
本发明涉及飞行器建模技术领域，尤其涉及一种适用于飞行器的模型降阶分析方法。
背景技术
飞行器是一种新型飞行器，飞行器结构设计、材料特性、力学特性、空气流体对机体的影响都不同于弹体飞行器或传统的飞行器。为了详细而清晰的描述飞行器运动规律，需要在建模过程中全面描述流体特性、发动机特性、结构弹性特性、气动/推进/结构耦合特性、执行机构特性等。因此，所建立的数学模型必定是高阶的复杂非线性微分方程。然而，这样的高阶的复杂非线性微分方程对实际工程应用(系统仿真、系统分析、控制器设计等等)造成了严重的困难。
发明内容
本发明的目的在于克服现有技术不足，提供了一种适用于飞行器的模型降阶分析方法，能够解决上述现有技术中的问题。
本发明的技术解决方案：一种适用于飞行器的模型降阶分析方法，其中，该方法包括：
建立飞行器全量耦合动力学模型；
对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式；
在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型；
对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型；
使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。
优选地，建立飞行器全量耦合动力学模型包括：
通过风洞试验或CFD计算获取飞行器的气动力和力矩二者与气动姿态和控制量二者的数据关系；
根据所述数据关系建立飞行器全量耦合动力学模型。
优选地，对所述全量耦合动力学模型的相关数据进行解析拟合、得到与相关数据对应的解析拟合表达式包括：
对气动力、力矩、气动姿态和控制量进行解析拟合，得到气动力和力矩二者对应于气动姿态和控制量二者的解析拟合表达式。
优选地，所述气动姿态包括飞行速度、姿态角和飞行高度，所述控制量包括油门与空气舵偏。
优选地，所述解析拟合表达式为：
Figure BDA0002996037180000021
其中，CL为用于计算升力L的升力系数，而
Figure BDA0002996037180000022
和
Figure BDA0002996037180000023
为拟合系数。
优选地，所述非线性动力学模型为：
Figure BDA0002996037180000024
Figure BDA0002996037180000025
u＝[φ,δe]T，
y＝[V,h]T，
其中，V表示速度，h表示高度，α表示攻角，θ表示俯仰角，Q表示俯仰角速率，η1、η2和η3表示飞行器前三阶纵向振动模态广义坐标，
Figure BDA0002996037180000031
和
Figure BDA0002996037180000032
表示η1、η2和η3的导数，φ表示油门，δe表示升降偏转角，f(x)、g(x)和n(x)分别表示非线性状态函数、控制函数和输出函数。
优选地，所述面向控制的线性动力学模型为：
Figure BDA0002996037180000033
其中，A表示线性化后的状态矩阵，B表示线性化后的控制矩阵，C表示线性化后的输出矩阵。
优选地，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型包括：
对代数黎卡提方程进行求解得到正定解P；
根据所述正定解P计算反馈矩阵K和分解后的状态矩阵A；
根据反馈矩阵K和分解后的状态矩阵A对传递函数模型G(s)进行右互质分解，得到第一稳定系统N(s)和第二稳定系统D(s)；
根据所述第一稳定系统N(s)和所述第二稳定系统D(s)得到分解后的状态空间模型。
优选地，
通过下式对代数黎卡提方程进行求解得到正定解P：
PA+ATP-PBBTP+CTC＝0；
通过下式根据所述正定解P计算反馈矩阵K和分解后的状态矩阵
Figure BDA0002996037180000034
K＝-BTP,
Figure BDA0002996037180000035
所述第一稳定系统N(s)和所述第二稳定系统D(s)为：
Figure BDA0002996037180000041
所述分解后的状态空间模型为：
Figure BDA0002996037180000042
其中，ω为与分解后的状态空间模型对应的输入向量。
优选地，使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型包括：
根据线性化后的状态矩阵A和线性化后的控制矩阵B构造初始参数β1、γ1、ν1和ω1，其中γ1和β1分别为降阶后的状态矩阵Ar的上、下对角向量的第一项系数，ν1和ω1为相互正交的矩阵V和W的第一列向量，
Figure BDA0002996037180000043
根据初始参数β1、γ1、ν1和ω1进行r步的迭代计算得到系数γj、αj和βj，并根据系数γj、αj和βj计算相互正交的矩阵V和W的各个分向量νj、ωj，其中γj、αj和βj为降阶后的状态矩阵Ar的上、中、下对角向量的各项系数，qj为计算过程中的中间变量，j＝1,2,…,r，
Figure BDA0002996037180000045
γj＝Aνj-αjνj-γjνj-1,qj＝ATωj-αjωj-βjωj-1
Figure BDA0002996037180000044
νj+1＝γj/βj+1,ωj+1＝qj/γj+1
V＝(v1,v2,…,vr),W＝(w1,w2,…,wr)
根据互为正交的矩阵V和W对所述分解后的状态空间模型进行投影变换，得到降阶后的状态空间模型：Ar＝WTAV,Br＝WTB,Cr＝CV，其中Ar、Br和Cr分别为降阶后的状态矩阵、控制矩阵和输出矩阵。
通过上述技术方案，可以建立飞行器全量耦合动力学模型，对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式，在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型，进而可以使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。由此，将数据拟合、右互质分解和兰克泽斯方法相结合，可以实现飞行器的高阶模型的降阶，极大方便了飞行器的系统仿真、系统分析、控制器设计等。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种适用于飞行器的模型降阶分析方法的流程图。
具体实施方式
下面将结合附图对本发明的具体实施例进行详细说明。在下面的描述中，出于解释而非限制性的目的，阐述了具体细节，以帮助全面地理解本发明。然而，对本领域技术人员来说显而易见的是，也可以在脱离了这些具体细节的其它实施例中实践本发明。
在此需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的设备结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
图1为本发明实施例提供的一种适用于飞行器的模型降阶分析方法的流程图。
如图1所示，本发明实施例提供了一种适用于飞行器的模型降阶分析方法，其中，该方法包括：
S100，建立飞行器全量耦合动力学模型；
S102，对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式；
S104，在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型；
S106，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型；
通过进行右互质分解，可以对模型进行镇定，从而确保模型在有效范围内进行降阶操作。
S108，使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。
通过上述技术方案，可以建立飞行器全量耦合动力学模型，对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式，在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型，进而可以使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。由此，将数据拟合、右互质分解和兰克泽斯方法相结合，可以实现飞行器的高阶模型的降阶，极大方便了飞行器的系统仿真、系统分析、控制器设计等。
根据本发明一种实施例，建立飞行器全量耦合动力学模型包括：
通过风洞试验或CFD计算获取飞行器的气动力和力矩二者与气动姿态和控制量二者的数据关系(耦合关系)；
根据所述数据关系建立飞行器全量耦合动力学模型。
其中，飞行器通常采用机体推进一体化设计，发动机推力与气动姿态具有耦合关系，而且一般情况下机身机构采用轻质化设计，飞行器弹性模态对气动力和控制器设计具有很大影响，所以利用通过CFD计算和风洞试验等手段，获得飞行器所受力和力矩与飞行器的气动姿态和控制量的数据关系，如飞行器的气动力和发动机推力与飞行速度、姿态角、飞行高度、油门和空气舵偏的对应关系。
根据本发明一种实施例，对所述全量耦合动力学模型的相关数据进行解析拟合、得到与相关数据对应的解析拟合表达式包括：
对气动力、力矩、气动姿态和控制量进行解析拟合，得到气动力和力矩二者对应于气动姿态和控制量二者的解析拟合表达式。
根据本发明一种实施例，所述气动姿态包括飞行速度、姿态角和飞行高度，所述控制量包括油门与空气舵偏。
根据本发明一种实施例，所述解析拟合表达式为：
Figure BDA0002996037180000071
其中，CL为用于计算升力L的升力系数，而
Figure BDA0002996037180000072
和
Figure BDA0002996037180000073
为拟合系数。
根据本发明一种实施例，所述非线性动力学模型为：
Figure BDA0002996037180000074
Figure BDA0002996037180000075
u＝[φ,δe]T，
y＝[V,h]T，
其中，V表示速度，h表示高度，α表示攻角，θ表示俯仰角，Q表示俯仰角速率，η1、η2和η3表示飞行器前三阶纵向振动模态广义坐标，
Figure BDA0002996037180000076
和
Figure BDA0002996037180000077
表示η1、η2和η3的导数，φ表示油门，δe表示升降偏转角，f(x)、g(x)和n(x)分别表示非线性状态函数、控制函数和输出函数。
速度V、高度h、攻角α、俯仰角θ、俯仰角速率Q为模型的五个刚体状态，η1、η2、η3及其导数
Figure BDA0002996037180000081
和
Figure BDA0002996037180000082
为六个弹性状态，油门φ和升降偏转角δe为模型控制量。
各状态的导数如下所示：
Figure BDA0002996037180000083
Figure BDA0002996037180000084
Figure BDA0002996037180000085
Figure BDA0002996037180000086
Figure BDA0002996037180000087
Figure BDA0002996037180000088
其中，L为升力、D为阻力、M为俯仰力矩、T为推力、Ni为广义力、ζm为模态阻尼、ωm,i为模态频率、m为质量、Iyy为转动惯量和g为重力加速度。
在本发明中，上述的非线性动力学模型为纵向动力学模型，所述解析拟合表达式以及下述的线性动力学模型等均是以纵向动力学模型为前体所得到的。对于其他状态的情形，原理与之类似，在此不再赘述。
根据本发明一种实施例，所述面向控制的线性动力学模型为：
Figure BDA0002996037180000089
其中，A表示线性化后的状态矩阵，B表示线性化后的控制矩阵，C表示线性化后的输出矩阵。
举例来讲，表1给出了一组平衡点各状态与输入的取值，在该平衡点对非线性化模型进行小扰动线性化，可以得到上述的线性化模型(面向控制的线性动力学模型)。
表1空军实验室模型状态初始值和输入给定值
Figure BDA0002996037180000091
得到的线性化后的状态矩阵A、线性化后的控制矩阵B和线性化后的输出矩阵C分别如下所示：
Figure BDA0002996037180000092
Figure BDA0002996037180000101
Figure BDA0002996037180000102
根据本发明一种实施例，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型包括：
对代数黎卡提方程进行求解得到正定解P；
根据所述正定解P计算反馈矩阵K和分解后的状态矩阵A；
根据反馈矩阵K和分解后的状态矩阵A对传递函数模型G(s)进行右互质分解，得到第一稳定系统N(s)和第二稳定系统D(s)；
根据所述第一稳定系统N(s)和所述第二稳定系统D(s)得到分解后的状态空间模型。
其中，G(s)为所述面向控制的线性动力学模型的传递函数模型，G(s)＝C(sI-A)- 1B。
根据本发明一种实施例，
通过下式对代数黎卡提方程进行求解得到正定解P：
PA+ATP-PBBTP+CTC＝0；
通过下式根据所述正定解P计算反馈矩阵K和分解后的状态矩阵
Figure BDA0002996037180000103
K＝-BTP,
Figure BDA0002996037180000104
所述第一稳定系统N(s)和所述第二稳定系统D(s)为：
Figure BDA0002996037180000105
所述分解后的状态空间模型为：
Figure BDA0002996037180000111
其中，ω为与分解后的状态空间模型对应的输入向量。
由此，构成了稳定的有限维线性时不变系统，将之前所给出的线性模型的A、B和C矩阵代入，则可以得：
Figure BDA0002996037180000112
根据本发明一种实施例，使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型包括：
根据线性化后的状态矩阵A和线性化后的控制矩阵B构造初始参数β1、γ1、ν1和ω1，其中γ1和β1分别为降阶后的状态矩阵Ar的上、下对角向量的第一项系数，ν1和ω1为相互正交的矩阵V和W的第一列向量，
Figure BDA0002996037180000113
根据初始参数β1、γ1、ν1和ω1进行r步的迭代计算得到系数γj、αj和βj，并根据系数γj、αj和βj计算相互正交的矩阵V和W的各个分向量νj、ωj，其中γj、αj和βj为降阶后的状态矩阵Ar的上、中、下对角向量的各项系数，qj为计算过程中的中间变量，j＝1,2,…,r，
Figure BDA0002996037180000121
γj＝Aνj-αjνj-γjνj-1,qj＝ATωj-αjωj-βjωj-1
Figure BDA0002996037180000122
νj+1＝γj/βj+1,ωj+1＝qj/γj+1
V＝(v1,v2,…,vr),W＝(w1,w2,…,wr)
根据互为正交的矩阵V和W对所述分解后的状态空间模型进行投影变换，得到降阶后的状态空间模型：Ar＝WTAV,Br＝WTB,Cr＝CV，其中Ar、Br和Cr分别为降阶后的状态矩阵、控制矩阵和输出矩阵。
其中，兰克泽斯模型降阶方法是一种基于Krylov子空间的模型降阶方法，通过构造互为正交的矩阵V和W，将其作用到原始模型上，投影得到r阶降阶模型。
此外，可以通过仿真分析，对比简化模型与原始模型的差异。仿真模型为本发明中使用提到的线性化模型，选取[7846；π/180；0；0；85000；0.4588；-0.08726；-0.03671；0；0；0]作为平衡点，对原始模型和降阶后的模型分别进行大小为-20ft/s的速度初始扰动，获得系统响应，高度和速度的响应曲线。
通过仿真发现，从速度的输出曲线上看，8阶模型和7阶模型都可以完美地保持原始模型的特性；而从高度的输出曲线上看，8阶模型和7阶模型与原始模型都存在较大偏差，出现一定幅度的震荡。
如上针对一种实施例描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施例中使用，和/或与其它实施例中的特征相结合或替代其它实施例中的特征使用。
应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤、组件或其组合的存在或附加。
本发明以上的装置和方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。
这些实施例的许多特征和优点根据该详细描述是清楚的，因此所附权利要求旨在覆盖这些实施例的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施例限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
本发明未详细说明部分为本领域技术人员公知技术。

Claims (10)

1.一种适用于飞行器的模型降阶分析方法，其特征在于，该方法包括：
建立飞行器全量耦合动力学模型；
对所述全量耦合动力学模型的相关数据进行解析拟合，得到与相关数据对应的解析拟合表达式；
在飞行器平衡点处对非线性动力学模型进行线性化，得到面向控制的线性动力学模型；
对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型；
使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型。
2.根据权利要求1所述的方法，其特征在于，建立飞行器全量耦合动力学模型包括：
通过风洞试验或CFD计算获取飞行器的气动力和力矩二者与气动姿态和控制量二者的数据关系；
根据所述数据关系建立飞行器全量耦合动力学模型。
3.根据权利要求2所述的方法，其特征在于，对所述全量耦合动力学模型的相关数据进行解析拟合、得到与相关数据对应的解析拟合表达式包括：
对气动力、力矩、气动姿态和控制量进行解析拟合，得到气动力和力矩二者对应于气动姿态和控制量二者的解析拟合表达式。
4.根据权利要求3所述的方法，其特征在于，所述气动姿态包括飞行速度、姿态角和飞行高度，所述控制量包括油门与空气舵偏。
5.根据权利要求4所述的方法，其特征在于，所述解析拟合表达式为：
Figure FDA0002996037170000021
其中，CL为用于计算升力L的升力系数，而
Figure FDA0002996037170000022
和
Figure FDA0002996037170000023
为拟合系数。
6.根据权利要求5所述的方法，其特征在于，所述非线性动力学模型为：
Figure FDA0002996037170000024
Figure FDA0002996037170000025
u＝[φ,δe]T，
y＝[V,h]T，
其中，V表示速度，h表示高度，α表示攻角，θ表示俯仰角，Q表示俯仰角速率，η1、η2和η3表示飞行器前三阶纵向振动模态广义坐标，
Figure FDA0002996037170000026
和
Figure FDA0002996037170000027
表示η1、η2和η3的导数，φ表示油门，δe表示升降偏转角，f(x)、g(x)和n(x)分别表示非线性状态函数、控制函数和输出函数。
7.根据权利要求6所述的方法，其特征在于，所述面向控制的线性动力学模型为：
Figure FDA0002996037170000028
其中，A表示线性化后的状态矩阵，B表示线性化后的控制矩阵，C表示线性化后的输出矩阵。
8.根据权利要求7所述的方法，其特征在于，对所述面向控制的线性动力学模型进行右互质分解得到分解后的状态空间模型包括：
对代数黎卡提方程进行求解得到正定解P；
根据所述正定解P计算反馈矩阵K和分解后的状态矩阵
Figure FDA0002996037170000034
根据反馈矩阵K和分解后的状态矩阵
Figure FDA0002996037170000035
对传递函数模型G(s)进行右互质分解，得到第一稳定系统N(s)和第二稳定系统D(s)；
根据所述第一稳定系统N(s)和所述第二稳定系统D(s)得到分解后的状态空间模型。
9.根据权利要求8所述的方法，其特征在于，
通过下式对代数黎卡提方程进行求解得到正定解P：
PA+ATP-PBBTP+CTC＝0；
通过下式根据所述正定解P计算反馈矩阵K和分解后的状态矩阵
Figure FDA0002996037170000031
K＝-BTP,
Figure FDA0002996037170000032
所述第一稳定系统N(s)和所述第二稳定系统D(s)为：
Figure FDA0002996037170000033
所述分解后的状态空间模型为：
Figure FDA0002996037170000041
其中，ω为与分解后的状态空间模型对应的输入向量。
10.根据权利要求9所述的方法，其特征在于，使用基于兰克泽斯过程的模型降阶方法对所述分解后的状态空间模型进行降阶，得到降阶后的状态空间模型包括：
根据线性化后的状态矩阵A和线性化后的控制矩阵B构造初始参数β1、γ1、ν1和ω1，其中γ1和β1分别为降阶后的状态矩阵Ar的上、下对角向量的第一项系数，ν1和ω1为相互正交的矩阵V和W的第一列向量，
Figure FDA0002996037170000042
根据初始参数β1、γ1、ν1和ω1进行r步的迭代计算得到系数γj、αj和βj，并根据系数γj、αj和βj计算相互正交的矩阵V和W的各个分向量νj、ωj，其中γj、αj和βj为降阶后的状态矩阵Ar的上、中、下对角向量的各项系数，qj为计算过程中的中间变量，j＝1,2,…,r，
Figure FDA0002996037170000043
根据互为正交的矩阵V和W对所述分解后的状态空间模型进行投影变换，得到降阶后的状态空间模型：Ar＝WTAV,Br＝WTB,Cr＝CV，其中Ar、Br和Cr分别为降阶后的状态矩阵、控制矩阵和输出矩阵。
CN202110330082.6A 2021-03-29 2021-03-29 适用于飞行器的模型降阶分析方法 Pending CN113110100A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110330082.6A CN113110100A (zh) 2021-03-29 2021-03-29 适用于飞行器的模型降阶分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110330082.6A CN113110100A (zh) 2021-03-29 2021-03-29 适用于飞行器的模型降阶分析方法

Publications (1)

Publication Number Publication Date
CN113110100A true CN113110100A (zh) 2021-07-13

Family

ID=76712620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110330082.6A Pending CN113110100A (zh) 2021-03-29 2021-03-29 适用于飞行器的模型降阶分析方法

Country Status (1)

Country Link
CN (1) CN113110100A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100318336A1 (en) * 2009-06-13 2010-12-16 Falangas Eric T Method of modeling dynamic characteristics of a flight vehicle
CN105631125A (zh) * 2015-12-28 2016-06-01 北京理工大学 基于降阶模型的气动-热-结构耦合分析方法
CN106602588A (zh) * 2017-02-23 2017-04-26 国网宁夏电力公司电力科学研究院 一种基于静态h∞回路成形法的多通道鲁棒阻尼控制方法
CN107766620A (zh) * 2017-09-27 2018-03-06 北京理工大学 一种基于降阶模型的气动‑热‑结构优化方法
CN109614633A (zh) * 2018-10-25 2019-04-12 南京航空航天大学 一种复合式旋翼飞行器非线性建模方法及配平方法
CN111026143A (zh) * 2019-12-20 2020-04-17 北京空天技术研究所 升力体飞行器的末制导段横侧向耦合控制方法及装置
CN112558623A (zh) * 2020-12-04 2021-03-26 天津大学 一种弹性高超声速飞行器多胞lpv系统建模方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100318336A1 (en) * 2009-06-13 2010-12-16 Falangas Eric T Method of modeling dynamic characteristics of a flight vehicle
CN105631125A (zh) * 2015-12-28 2016-06-01 北京理工大学 基于降阶模型的气动-热-结构耦合分析方法
CN106602588A (zh) * 2017-02-23 2017-04-26 国网宁夏电力公司电力科学研究院 一种基于静态h∞回路成形法的多通道鲁棒阻尼控制方法
CN107766620A (zh) * 2017-09-27 2018-03-06 北京理工大学 一种基于降阶模型的气动‑热‑结构优化方法
CN109614633A (zh) * 2018-10-25 2019-04-12 南京航空航天大学 一种复合式旋翼飞行器非线性建模方法及配平方法
CN111026143A (zh) * 2019-12-20 2020-04-17 北京空天技术研究所 升力体飞行器的末制导段横侧向耦合控制方法及装置
CN112558623A (zh) * 2020-12-04 2021-03-26 天津大学 一种弹性高超声速飞行器多胞lpv系统建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宗群 等: "无人机侧向系统LPV模型降阶", 《控制与决策》 *
尤明 等: "基于平衡截断方法的高超声速飞行器模型降阶", 《控制理论与应用》 *
陈信 等, 北京航空航天大学出版社 *

Similar Documents

Publication Publication Date Title
CN108363305B (zh) 基于主动干扰补偿的战术导弹鲁棒过载自驾仪设计方法
He et al. Acceleration-feedback-enhanced robust control of an unmanned helicopter
CN108445895B (zh) 用于倾转式三旋翼无人机位置控制的鲁棒控制方法
CN105159305B (zh) 一种基于滑模变结构的四旋翼飞行控制方法
CN105653827B (zh) 高超声速飞行器Terminal滑模控制器设计方法
Tewari et al. Aeroservoelasticity
CN106874617B (zh) 一种高效的直升机机动飞行品质等级评估方法
Castellani et al. Nonlinear static aeroelasticity of high-aspect-ratio-wing aircraft by finite element and multibody methods
Lee et al. Adaptive control of multi-input aeroelastic system with constrained inputs
Wu et al. Studies on aeroservoelasticity semi-physical simulation test for missiles
Cheng et al. Neural-networks control for hover to high-speed-level-flight transition of ducted fan uav with provable stability
CN113806871A (zh) 一种考虑结构非线性的柔性飞行动力学建模方法
Takarics et al. Flight control oriented bottom-up nonlinear modeling of aeroelastic vehicles
CN109634110B (zh) 一种基于非线性干扰观测器的尾座式无人机过渡段鲁棒控制方法
Yu et al. Compensating aerodynamics of over-actuated multi-rotor aerial platform with data-driven iterative learning control
Orr et al. State space implementation of linear perturbation dynamics equations for flexible launch vehicles
CN113110100A (zh) 适用于飞行器的模型降阶分析方法
Castellani et al. Nonlinear static aeroelasticity of high aspect ratio wing aircraft by FEM and multibody methods
Haley et al. Generalized predictive control for active flutter suppression
CN116360255A (zh) 一种非线性参数化高超声速飞行器的自适应调节控制方法
CN108594653B (zh) 大包线飞行控制律设计的性能极限分析系统
Banazadeh et al. Control effectiveness investigation of a ducted-fan aerial vehicle using model predictive controller
CN114296352B (zh) 一种高超声速飞行器的全局镇定控制方法及系统
Xu et al. Modelling and hovering control of a novel multi-tandem ducted fan vehicle
Avanzini et al. L1 adaptive control of flexible aircraft: preliminary results

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713