CN113962028A - 一种考虑结冰影响的无人机气动导数辨识方法 - Google Patents

Abstract

本发明公开了一种考虑结冰影响的无人机气动导数辨识方法，步骤1、确定大气参数和飞行参数的上限和下限；随机选取参数值，建立参数的随机数据集，计算外流场和水滴撞击特性，得到机翼结冰后的形状；步骤2、以随机数据集作为输入，进行归一化处理，采用卷积神经网络，构建结冰机翼形状预测模型；步骤3、指定大气参数和飞行参数，通过结冰机翼形状预测模型，得到结冰机翼形状；步骤4、采用计算流体力学方法，将常用翼型作为测试用例，采用RANS方法对动态气动性能预测能力。结冰机翼的无人机非定常受迫振荡运动，计算无人机的动态气动性能，辨识无人机的气动导数。本发明的优点是：有效得到无人机飞行性能情况，从而为相关设计提供指导思想。

Description

一种考虑结冰影响的无人机气动导数辨识方法

技术领域

本发明涉及无人机技术领域，特别涉及一种考虑结冰影响的无人机气动导数辨识方法。

背景技术

机翼结冰问题是影响航空飞行器飞行安全的重要隐患之一。无人机积冰是由于环境条件和飞行条件共同的影响结果。当发生积冰时，若处理不妥当，轻则恶化无人机的飞行性能、降低飞行品质，重则会发生无人机坠毁的事故，造成严重的损失。当无人机发生积冰现象时，会使机体总体质量增加，同时无人机尤其是机翼表面的气动外形发生变化，将严重影响无人机执行长航时全天候飞行任务的能力。实现长航时无人机全天候飞行，积冰现象是十分容易出现而且必须克服的一种天候条件。

传统的方法在计算无人机结冰机翼的气动导数时，多采用估算的方法，与实际情况可能存在较大的差距。采用试验的方法得到结冰机翼的气动导数时，成本较高。

发明内容

本发明针对现有技术的缺陷，提供了一种考虑结冰影响的无人机气动导数辨识方法。能对非定常气动导数进行快速计算的方法非常必要，对于提高积冰条件下无人机的飞行性能，发展无人机全天候飞行能力，具有重要而深远的意义。

为了实现以上发明目的，本发明采取的技术方案如下：

一种考虑结冰影响的无人机气动导数辨识方法，包括以下步骤：

步骤1、以飞行速度V、飞行攻角α、温度T、水滴直径D、液态水含量LWC，结冰时长T为参数，根据无人机对应的飞行状态和大气状态，选择各个参数的上限和下限；在各参数的范围内，随机选取参数值，建立参数的随机数据集，通过计算流体力学方法，计算外流场和水滴撞击特性计算，最后得到随机数据集对应的机翼结冰后的形状；

步骤2、以随机数据集作为输入，对应的机翼结冰后的形状作为输出，其中，对输入数据进行归一化处理，输出的机翼形状进校灰度化处理，采用卷积神经网络，训练更新神经网络卷积层和全连接层的权重，偏置相关参数，构建结冰机翼形状预测模型；

步骤3、指定飞行速度V、飞行攻角α、温度T、水滴直径D、液态水含量LWC和结冰时长T参数，通过结冰机翼形状预测模型，得到结冰机翼形状；

步骤4、采用计算流体力学方法，结合动网格技术，将常用翼型作为测试用例，采用RANS方法对动态气动性能预测能力。结冰机翼的无人机非定常受迫振荡运动，计算无人机的动态气动性能，辨识无人机的气动导数。

进一步地，所述计算无人机的动态气动性能具体为：通过俯仰阻尼动导数计算方法，结冰机翼受迫振荡运动采用随机运动形式，计算得到结冰机翼的非定常俯仰力矩系数C_{m_ice}，其表达式如下：

其中，α为攻角，q为俯仰角速度，C_{m0_ice}为零攻角时结冰机翼的俯仰力矩系数，

C_{mα_ice}和

分别为静导数和组合动导数。

与现有技术相比，本发明的优点在于：

通过考虑结冰对于无人机气动导数的影响，能够有效得到无人机飞行性能情况，从而为相关设计提供指导思想，提高无人机的全天候飞行能力。

附图说明

图1是本发明实施例考虑结冰影响的无人机气动导数辨识方法流程图；

图2是本发明实施例结冰机翼形状预测模型建模流程图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。

如图1所示，一种考虑结冰影响的无人机气动导数辨识方法，包括以下步骤：

步骤1、以飞行速度V、飞行攻角α、温度T、水滴直径D、液态水含量LWC，结冰时长T为参数，根据无人机对应的飞行状态和大气状态，选择各个参数的上限和下限；在各参数的范围内，随机选取参数值，建立参数的随机数据集，通过计算流体力学方法，计算外流场和水滴撞击特性计算，最后得到随机数据集对应的机翼结冰后的形状；

步骤2、以随机数据集作为输入，对应的机翼结冰后的形状作为输出，其中，对输入数据进行归一化处理，输出的机翼形状进校灰度化处理，采用卷积神经网络，训练更新神经网络相关参数，构建结冰机翼形状预测模型，如图2所示；

步骤3、指定大气参数(飞行速度V、飞行攻角)和飞行参数(温度T、水滴直径D、液态水含量LWC，结冰时长T)，通过结冰机翼形状预测模型，得到结冰机翼形状；

步骤4、采用计算流体力学方法，结合动网格技术，将常用翼型作为测试用例，采用RANS方法对动态气动性能预测能力，用于后续无人机的动态气动性能计算。结冰机翼的无人机非定常受迫振荡运动，计算无人机的动态气动性能，辨识无人机的气动导数。以俯仰阻尼动导数计算方法为例，结冰机翼受迫振荡运动采用随机运动形式，计算得到结冰机翼的非定常俯仰力矩系数C_{m_ice}，其表达式如下：

其中，α为攻角，q为俯仰角速度，C_{m0_ice}为零攻角时结冰机翼的俯仰力矩系数，

C_{mα_ice}和

分别为静导数和组合动导数。

计算得到气动导数对比如下表所示，静导数C_mα相比不考虑降雨影响绝对值减小了24.3％，组合动导数

相比不考虑降雨影响绝对值减小了13.3％。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (2)

1.一种考虑结冰影响的无人机气动导数辨识方法，其特征在于，包括以下步骤：

步骤1、以飞行速度V、飞行攻角α、温度T、水滴直径D、液态水含量LWC，结冰时长T为参数，根据无人机对应的飞行状态和大气状态，选择各个参数的上限和下限；在各参数的范围内，随机选取参数值，建立参数的随机数据集，通过计算流体力学方法，计算外流场和水滴撞击特性计算，最后得到随机数据集对应的机翼结冰后的形状；

步骤2、以随机数据集作为输入，对应的机翼结冰后的形状作为输出，其中，对输入数据进行归一化处理，输出的机翼形状进校灰度化处理，采用卷积神经网络，训练更新神经网络卷积层和全连接层的权重和偏置参数，构建结冰机翼形状预测模型；

步骤3、指定飞行速度V、飞行攻角α、温度T、水滴直径D、液态水含量LWC和结冰时长T参数，通过结冰机翼形状预测模型，得到结冰机翼形状；

步骤4、采用计算流体力学方法，结合动网格技术，将常用翼型作为测试用例，采用RANS方法对动态气动性能预测能力；结冰机翼的无人机非定常受迫振荡运动，计算无人机的动态气动性能，辨识无人机的气动导数。

2.根据权利要求1所述的一种考虑结冰影响的无人机气动导数辨识方法，其特征在于：所述计算无人机的动态气动性能具体为：通过俯仰阻尼动导数计算方法，结冰机翼受迫振荡运动采用随机运动形式，计算得到结冰机翼的非定常俯仰力矩系数C_{m_ice}，其表达式如下：

其中，α为攻角，q为俯仰角速度，C_{m0_ice}为零攻角时结冰机翼的俯仰力矩系数，

C_{mα_ice}和

分别为静导数和组合动导数。

Images