CN116702439A - 基于再入落点预测模型的仿真用飞行器再入落点预测方法 - Google Patents
基于再入落点预测模型的仿真用飞行器再入落点预测方法 Download PDFInfo
- Publication number
- CN116702439A CN116702439A CN202310572355.7A CN202310572355A CN116702439A CN 116702439 A CN116702439 A CN 116702439A CN 202310572355 A CN202310572355 A CN 202310572355A CN 116702439 A CN116702439 A CN 116702439A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- aerodynamic
- coefficient
- reentry
- speed
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000010354 integration Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims description 32
- 230000003068 static effect Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 5
- 101000872083 Danio rerio Delta-like protein C Proteins 0.000 claims description 3
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007664 blowing Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于再入落点预测模型的仿真用飞行器再入落点预测方法,该方法中,首先在系统中装订飞行气动数据和飞行器的初始条件,根据飞行器每时刻所处不同飞行高度、飞行马赫数插值获取当前条件下的气动力、力矩系数,气动干扰引起的气动力、力矩系数增量,再将这些参数信息代入到再入落点预测模型中,即可获得关于高度的积分步长,获得该时刻落点信息,所述落点信息包括速度倾角、速度和航程;最后再根据上一时刻的落点信获得下一时刻的积分步长,获得下一时刻的落点信息,持续循环迭代,直至飞行器高度为零时仿真结束,从而获得准确的最终落点预测值。
Description
技术领域
本发明涉飞行器模拟仿真技术领域,具体涉及一种基于再入落点预测模型的仿真用飞行器再入落点预测方法。
背景技术
旋转飞行器飞行过程中受到气动力和气动力矩影响很大,且由于气流高度层、流动状态变化等引起的干扰气动力矩无法用总结为具有表现其具体特性的模型表征,只能依靠模拟大气层特点通过气动吹风试验方式获得干扰气动力及力矩的大小。
在飞行器的飞行仿真过程中,气动干扰力及力矩直接影响其降落位置偏差的大小,传统的方案中有些会忽略掉该气动干扰,有些为了追求更高的准确性,通过在线实时仿真计算的方法进行降落位置的预测,但现有的在线实时仿真计算方法的预测计算过程较慢,不能实时给出预测结果,无法满足飞行器系统的预测矫正需求。
对于再入飞行器来说,由于其会多次进入到存在大量气动力和气动力矩扰动的飞行高度位置,在对其进行仿真的过程中,气动扰动的精确性就显得尤为重要,如何及时准确地获得在气动力和气动力矩扰动情况下飞行器的准确落点是仿真过程中急需解决的现实问题。
基于上述问题,本发明人对含有气动干扰的动力学模型进行推导简化,获得状态量传递关系,获得再入落点预测模型,并据此进行飞行器的落点分析,最终得到能够解决上述问题的基于再入落点预测模型的仿真用飞行器再入落点预测方法。
发明内容
为了克服上述问题,本发明人进行了锐意研究,设计出一种基于再入落点预测模型的仿真用飞行器再入落点预测方法,该方法中,首先在系统中装订飞行气动数据和飞行器的初始条件,根据飞行器每时刻所处不同飞行高度、飞行马赫数插值获取当前条件下的气动力、力矩系数,气动干扰引起的气动力、力矩系数增量,再将这些参数信息代入到再入落点预测模型中,即可获得关于高度的积分步长,获得该时刻落点信息,所述落点信息包括速度倾角、速度和航程;最后再根据上一时刻的落点信获得下一时刻的积分步长,获得下一时刻的落点信息,持续循环迭代,直至飞行器高度为零时仿真结束,从而获得准确的最终落点预测值,从而完成本发明。
具体来说,本发明的目的在于提供一种基于再入落点预测模型的仿真用飞行器再入落点预测方法,
该方法包括如下步骤:
步骤1:装订飞行气动数据;
步骤2:载入飞行器的初始条件;
步骤3:基于再入落点预测模型迭代获得落点的最终预测值。
其中,所述步骤1中的气动数据包括:轴向力系数CA、法向力系数CN、俯仰力矩系数MZ;气动干扰引起的轴向力系数增量ΔCA D、法向力系数增量ΔCN D、俯仰力矩系数增量ΔMZ D。
其中,所述步骤2中的飞行器的初始条件包括:
初始再入速度V0、初始高度H0、初始速度倾角θ0、初始航程R0;
高度积分步长dh;
机体参数值;
气动干扰发生高度层上边界高度Hbegin和下边界高度Hend。
其中,所述步骤3包括如下子步骤:
子步骤1,基于飞行气动数据,通过插值获得:
当前时刻的基本气动法向力系数CN、基本气动轴向力系数CA、基本气动俯仰力矩系数MZ、气动干扰引起的法向力系数增量ΔCN D、气动干扰引起的轴向力系数增量ΔCA D、气动干扰引起的俯仰力矩系数增量ΔMZ D,
以及气动干扰引起飞行器稳定度变化增量ΔStaD、无气动干扰情况下的飞行器静稳定度Sta、动力学参数和/>气动干扰引起阻力变化系数/>
子步骤2,判断当前高度H是否位于气动干扰发生高度层,
当Hend<H<Hbegin时,即位于气动干扰发生高度层,气动干扰引起升力变化系数气动干扰引起阻力变化系数/>气动干扰引起压心位置变化系数/>保留子步骤1中获得的结果值;
当Hend>H或Hbegin<H时,即没有位于气动干扰发生高度层,
子步骤3,将子步骤1和子步骤2获得的信息值输入到再入落点预测模型中,实时更新飞行器的速度、高度、速度倾角和航程;
子步骤4,当高度H>0时,持续重复子步骤1、子步骤2和子步骤3,
当高度H=0时,读取当前的速度倾角、速度和航程作为最终预测值;所述最终预测值包括最终速度倾角θest、最终航程Rest和最终速度Vest。
其中,所述再入落点预测模型包括下式(一):
其中,θ表示速度倾角,
V表示速度,
R表示航程,
dθ表示速度倾角对高度变化率,
dV表示速度对高度变化率,
dR表示航程对高度变化率,
dh表示高度积分步长,
mz a表示动力学参数,
cn a表示动力学参数,
Lref表示飞行器特征长度,
Sref表示飞行器特征面积,
ΔStaD表示气动干扰引起飞行器稳定度变化增量,
Sta表示无气动干扰情况下的飞行器静稳定度,
CA基本气动轴向力系数,
表示气动干扰引起阻力变化系数,
ωx表示绕飞行器机体纵轴的自旋角速度,
g表示重力加速度,
ρ表示空气密度,
Jx表示飞行器在x轴上的转动惯量,
m表示飞行器的质量。
其中,所述无气动干扰情况下的飞行器静稳定度Sta通过下式(二)获得:
其中,CN表示当前时刻的基本气动法向力系数,
MZ表示基本气动俯仰力矩系数。
其中,所述气动干扰引起飞行器稳定度变化增量ΔStaZL通过下式(三)获得:
其中,MZ表示基本气动俯仰力矩系数,
ΔMZ D表示气动干扰引起的俯仰力矩系数增量,
CN表示当前时刻的基本气动法向力系数,
ΔCN D表示气动干扰引起的法向力系数增量。
其中,子步骤1,所述气动干扰引起阻力变化系数KC D A通过下式(四)获得:
其中,ΔCA D表示气动干扰引起的轴向力系数增量,
CA表示基本气动轴向力系数。
其中,在子步骤3中,通过下式(五)实时更新飞行器的速度、高度、速度倾角和航程;
其中,Hnew表示更新后的高度,
Hold表示更新前的飞行高度,
θnew表示更新后的速度倾角,
θold表示更新前的速度倾角,
Vnew表示更新前的速度,
Vold表示更新后的速度,
Rnew表示更新前的航程,
Rold表示更新后的航程。
本发明所具有的有益效果包括:
(1)根据本发明提供的基于再入落点预测模型的仿真用飞行器再入落点预测方法,该方法将气动干扰对飞行气动特性的影响等效融入到再入落点预测模型中,从而使得该再入落点预测模型能够准确反应气动干扰对飞行气动特性的影响,最终获得准确的飞行器落点信息;
(2)根据本发明提供的基于再入落点预测模型的仿真用飞行器再入落点预测方法,设置有再入落点预测模型,该模型中通过动力学模型推导的状态方程,得到由等效重力加速度到速度倾角变化率传递系数,并根据其特性采用稳态增益表征重力加速度到速度倾角的传递函数,实现对速度倾角微分表达式的简化;该模型中根据气动参数关系,将气动干扰引起的气动参数增量转化为气动干扰引起升力、阻力、压心位置变化系数,进一步的,将其引入到动力学参数计算当中,实现气动干扰的量化表征。
(3)根据本发明提供的基于再入落点预测模型的仿真用飞行器再入落点预测方法,该方法不同于传统的时间积分仿真,采用高度积分的方式,更好的适应气动干扰随飞行高度变化的特点,且可以脱离飞行仿真的时间项约束,迭代积分速度更快,实现快速预测,有效解决了在线实时仿真计算的方法进行预测计算过程较慢、难以满足飞行器系统的预测矫正需求的问题。
附图说明
图1示出根据本发明一种优选实施方式中基于再入落点预测模型的仿真用飞行器再入落点预测方法的整体逻辑图;
图2示出根据本发明实施例中两种仿真方式获得的弹道倾角随飞行高度变化曲线示意图;
图3示出根据本发明实施例中两种仿真方式获得的速度随飞行高度变化曲线示意图;
图4示出根据本发明实施例中两种仿真方式获得的航程随飞行高度变化曲线示意图。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明,本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
根据本发明提供的一种基于再入落点预测模型的仿真用飞行器再入落点预测方法,如图1中所示,该方法为滚转式再入飞行器飞行仿真的重要组成部分,本申请中所述的仿真为数学仿真,在传统的数学仿真中一般采用飞行器六自由度模型对存在气动力和气动力矩干扰的情况进行数学仿真,计算器飞行状况和落点散布情况。
该方法包括如下步骤:
步骤1:装订飞行气动数据;
步骤2:载入飞行器的初始条件;
步骤3:基于再入落点预测模型迭代获得落点的最终预测值。
在一个优选的实施方式中,步骤1中的气动数据包括:飞行器轴向力系数CA、法向力系数CN、俯仰力矩系数MZ;气动干扰引起的轴向力系数增量ΔCA D、法向力系数增量ΔCN D、俯仰力矩系数增量ΔMZ D,这些数据都是数据点,并不能覆盖到全部数据,所以后续还需要通过差值的方式获得进一步的具体数据。
在一个优选的实施方式中,所述步骤2中的飞行器的初始条件包括:
初始再入速度V0、初始高度H0、初始速度倾角θ0、初始航程R0;
高度积分步长dh;
机体参数值;包括特征面积Sref、特征长度Sref、质量m、在x轴上的转动惯量Jx、绕飞行器机体纵轴的自旋角速度ωx;
气动干扰发生高度层上边界高度Hbegin和下边界高度Hend。
在一个优选的实施方式中,所述步骤3包括如下子步骤:
子步骤1,基于飞行器每时刻所处不同飞行高度、飞行马赫数插值获得:本申请中,飞行器的飞行过程为小迎角的飞行状态,所以近似认为迎角变化对气动系数影响忽略;
当前时刻的基本气动法向力系数CN、基本气动轴向力系数CA、基本气动俯仰力矩系数MZ、气动干扰引起的法向力系数增量ΔCN D、气动干扰引起的轴向力系数增量ΔCA D、气动干扰引起的俯仰力矩系数增量ΔMZ D,
以及气动干扰引起飞行器稳定度变化增量ΔStaD、无气动干扰情况下的飞行器静稳定度Sta、动力学参数和/>气动干扰引起阻力变化系数/>
优选地,所述插值即为线性插值,是常用的数据处理方法,气动数据一般为各气动系数在一些离散点高度、马赫、迎角条件下的数据表,由于飞行过程是连续性的,而气动数据表并不能覆盖所有的过程中取值,因此在介于数表中某两个相邻状态(高度、马赫、迎角)下的气动数据取值,采用线性插值的方法获得。
子步骤2,判断当前高度H是否位于气动干扰发生高度层,
当Hend<H<Hbegin时,即位于气动干扰发生高度层,气动干扰引起阻力变化系数保留子步骤1中获得的结果值;
当Hend>H或Hbegin<H时,即没有位于气动干扰发生高度层,用该值替换子步骤1中的/>值;
子步骤3,将子步骤1和子步骤2获得的信息值输入到再入落点预测模型中,实时更新飞行器的速度、高度、速度倾角和航程;
子步骤4,当高度H>0时,持续重复子步骤1、子步骤2和子步骤3,
当高度H=0时,读取当前的速度倾角、速度和航程作为最终预测值;所述最终预测值包括最终速度倾角θest、最终航程Rest和最终速度Vest。
在一个优选的实施方式中,所述再入落点预测模型包括下式(一):
其中,θ表示速度倾角,
V表示速度,
R表示航程,
dθ表示速度倾角对高度变化率,
dV表示速度对高度变化率,
dR表示航程对高度变化率,
dh表示高度积分步长,
表示俯仰力矩系数对迎角的导数,
表示法向力系数对迎角导数,
Lref表示飞行器特征长度,
Sref表示飞行器特征面积,
ΔStaD表示气动干扰引起飞行器稳定度变化增量,
Sta表示无气动干扰情况下的飞行器静稳定度,
CA基本气动轴向力系数,
表示气动干扰引起阻力变化系数,
ωx表示绕飞行器机体纵轴的自旋角速度,一般称之为滚转角速度;惯性再入过程中伴有飞行器自旋能够增加飞行器的稳定性。
g表示重力加速度,
ρ表示空气密度,
Jx表示飞行器在x轴上的转动惯量,
m表示飞行器的质量。
本申请中,通过将子步骤1、子步骤2中获得的数据代入到落点预测模型中,能够解算获得速度倾角积分步长dθ、速度积分步长dV和航程积分步长dR,结合上一时刻(初始)的速度倾角、速度、航程,即可获得当前时刻的速度倾角、速度、航程,即当前时刻的落点信息,从而完成一次迭处理;后续再将获得的当前时刻的落点信息和子步骤1中获得的数据代入到落点预测模型中,从而得到新的速度倾角积分步长、速度积分步长和航程积分步长,进而获得新的落点信息,持续循环迭代,直至飞行器高度为0时仿真结束,最终获得的落点信息即为所述落点的最终预测值。
在一个优选的实施方式中,所述无气动干扰情况下的飞行器静稳定度Sta通过下式(二)获得:
其中,CN表示当前时刻的基本气动法向力系数,
MZ表示基本气动俯仰力矩系数。
优选地,所述气动干扰引起飞行器稳定度变化增量ΔStaZL,通过下式(三)获得:
其中,MZ表示基本气动俯仰力矩系数,
ΔMZ D表示气动干扰引起的俯仰力矩系数增量,
CN表示当前时刻的基本气动法向力系数,
ΔCN D表示气动干扰引起的法向力系数增量。
本申请中,所述式(三)是在飞行迎角为小量的情况下解算获得的,气动数据表中给出的基础数据点数量有限,位于已知数据点以外的数据点需要通过线性差值获得,给出的已知数据点的密度会影响所述迎角的大小。
优选地,在子步骤1,所述气动干扰引起阻力变化系数KCDA通过下式(四)获得:
其中,ΔCA D表示气动干扰引起的轴向力系数增量,
CA表示基本气动轴向力系数。
在一个优选的实施方式中,在子步骤3中,通过下式(五)实时更新飞行器的速度、高度、速度倾角和航程;
其中,Hnew表示更新后的高度,
Hold表示更新前的飞行高度,
θnew表示更新后的速度倾角,
θold表示更新前的速度倾角,
Vnew表示更新前的速度,
Vold表示更新后的速度,
Rnew表示更新前的航程,
Rold表示更新后的航程。
实施例
在VS2015编译器上进行本实施例中的所有操作。
设定-2%~2%随机数作为干扰模拟因数K,在飞行器气动吹风数据基础上,取其K倍值作为气动干扰引起的气动参数增量。
设定再入初始条件:起始高度30Km,气动干扰作用高度范围15-25Km,初始速度倾角-30°,初始速度3Km/s,飞行器转速300rad/s。
采用六自由度仿真模型模拟仿真该飞行器的飞行轨迹,获得飞行器各个阶段的速度倾角、速度、航程信息;所述传统六自由度仿真处理过程参见:闫野,赵汉元.飞行器六自由度仿真方法[J].国防科技大学学报,2000,(03):80-83.
采用该六自由度仿真模型模拟仿真该飞行器的飞行轨迹所用时间为1351ms,其仿真结果即可认为是最接近实际结果的真实值。
再采用本申请中的下述方法对该飞行器的飞行轨迹进行仿真,以获得飞行器各个阶段的速度倾角、速度、航程信息;
步骤1,装订飞行气动数据,以K倍值作为气动干扰引起的气动参数增量;
步骤2:载入飞行器的初始条件;起始高度30Km,气动干扰发生高度层上边界高度25Km,气动干扰发生高度层下边界高度15Km,初始速度倾角-30°,初始速度3Km/s,飞行器转速300rad/s;高度积分步长-100m,假设机体参数值如下:飞行器特征长度Lref取1.5m,飞行器特征面积Sref取0.15m2,飞行器X轴转动惯量Jx取3.5kg.m2;
步骤3:基于再入落点预测模型迭代获得落点的最终预测值。
其中,步骤3包括如下子步骤:
子步骤1,基于飞行高度和飞行马赫数,通过插值获得:
当前时刻的基本气动法向力系数CN、基本气动轴向力系数CA、基本气动俯仰力矩系数MZ、气动干扰引起的法向力系数增量ΔCN D、气动干扰引起的轴向力系数增量ΔCA D、气动干扰引起的俯仰力矩系数增量ΔMZ D,
以及气动干扰引起飞行器稳定度变化增量ΔStaD、无气动干扰情况下的飞行器静稳定度Sta、动力学参数和/>气动干扰引起阻力变化系数/>
子步骤2,判断当前高度H是否位于气动干扰发生高度层,
当15km<H<25km时,即位于气动干扰发生高度层,气动干扰引起阻力变化系数保留子步骤1中获得的值;
当15>H或25<H时,即没有位于气动干扰发生高度层,
子步骤3,将子步骤1和子步骤2获得的信息值输入到再入落点预测模型中,实时更新飞行器的速度、高度、速度倾角和航程;
子步骤4,当高度H>0时,持续重复子步骤1、子步骤2和子步骤3,
当高度H=0时,读取当前的速度倾角、速度和航程作为最终预测值。
从进入气动干扰高度开始H<Hbegin直至完成飞行H=0,该方法完成仿真所用的时间为106ms。
两种仿真方式获得的最终结果如下表所示:
两种仿真方式获得的弹道倾角随飞行高度变化曲线如图2中所示,两种仿真方式获得的速度随飞行高度变化曲线如图3中所示,两种仿真方式获得的航程随飞行高度变化曲线如图4中所示。
基于上述结果可知,本申请提供的基于再入落点预测模型的仿真用飞行器再入落点预测方法,相比于六自由度仿真方法,能够极大程度地缩短仿真时间,提高仿真效率,而且仿真结果与六自由度仿真结果基本一致,具有极高的准确性。
进一步说明如下:飞行器六自由度仿真方法为飞行器飞行仿真目前最常用的仿真方法,该方法基于飞行器的六自由度动力学模型,广泛应用于飞行器制导与控制及轨迹仿真中。本申请提供的仿真方法是基于六自由度动力学模型,仅针对影响飞行速度、航程的主要变量进行简化,并引入气动干扰对动力学参数影响后得到的,因此其积分迭代步骤更少,对高度积分可以脱离原有弹道飞行过程对时间维度仿真的依赖,进一步加快运算速度。
以上结合了优选的实施方式对本发明进行了说明,不过这些实施方式仅是范例性的,仅起到说明性的作用。在此基础上,可以对本发明进行多种替换和改进,这些均落入本发明的保护范围内。
Claims (9)
1.一种基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
该方法包括如下步骤:
步骤1:装订飞行气动数据;
步骤2:载入飞行器的初始条件;
步骤3:基于再入落点预测模型迭代获得落点的最终预测值。
2.根据权利要求1所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述步骤1中的气动数据包括:轴向力系数CA、法向力系数CN、俯仰力矩系数MZ;气动干扰引起的轴向力系数增量ΔCA D、法向力系数增量ΔCN D、俯仰力矩系数增量ΔMZ D。
3.根据权利要求1所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述步骤2中的飞行器的初始条件包括:
初始再入速度V0、初始高度H0、初始速度倾角θ0、初始航程R0;
高度积分步长dh;
机体参数值;
气动干扰发生高度层上边界高度Hbegin和下边界高度Hend。
4.根据权利要求1所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述步骤3包括如下子步骤:
子步骤1,基于飞行高度、飞行马赫数,通过插值获得:
当前时刻的基本气动法向力系数CN、基本气动轴向力系数CA、基本气动俯仰力矩系数MZ、气动干扰引起的法向力系数增量ΔCN D、气动干扰引起的轴向力系数增量ΔCA D、气动干扰引起的俯仰力矩系数增量ΔMZ D,
以及
气动干扰引起飞行器稳定度变化增量ΔStaD、无气动干扰情况下的飞行器静稳定度Sta、动力学参数和/>气动干扰引起阻力变化系数/>
子步骤2,判断当前高度H是否位于气动干扰发生高度层,
当Hend<H<Hbegin时,即位于气动干扰发生高度层,气动干扰引起升力变化系数气动干扰引起阻力变化系数/>气动干扰引起压心位置变化系数/>保留子步骤1中获得的结果值;
当Hend>H或Hbegin<H时,即没有位于气动干扰发生高度层,
子步骤3,将子步骤1和子步骤2获得的信息值输入到再入落点预测模型中,实时更新飞行器的速度、高度、速度倾角和航程;
子步骤4,当高度H>0时,持续重复子步骤1、子步骤2和子步骤3,
当高度H=0时,读取当前的速度倾角、速度和航程作为最终预测值;所述最终预测值包括最终速度倾角θest、最终航程Rest和最终速度Vest。
5.根据权利要求4所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述再入落点预测模型包括下式(一):
其中,θ表示速度倾角,
V表示速度,
R表示航程,
dθ表示速度倾角对高度变化率,
dV表示速度对高度变化率,
dR表示航程对高度变化率,
dh表示高度积分步长,
表示俯仰力矩系数对迎角的导数,
表示法向力系数对迎角导数,
Lref表示飞行器特征长度,
Sref表示飞行器特征面积,
ΔStaD表示气动干扰引起飞行器稳定度变化增量,
Sta表示无气动干扰情况下的飞行器静稳定度,
CA基本气动轴向力系数,
表示气动干扰引起阻力变化系数,
ωx表示绕飞行器机体纵轴的自旋角速度,
g表示重力加速度,
ρ表示空气密度,
Jx表示在x轴上的转动惯量,
m表示飞行器的质量。
6.根据权利要求5所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述无气动干扰情况下的飞行器静稳定度Sta通过下式(二)获得:
其中,CN表示当前时刻的基本气动法向力系数,
MZ表示基本气动俯仰力矩系数。
7.根据权利要求5所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
所述气动干扰引起飞行器稳定度变化增量ΔStaZL通过下式(三)获得:
其中,MZ表示基本气动俯仰力矩系数,
ΔMZ D表示气动干扰引起的俯仰力矩系数增量,
CN表示当前时刻的基本气动法向力系数,
ΔCN D表示气动干扰引起的法向力系数增量。
8.根据权利要求5所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
子步骤1,所述气动干扰引起阻力变化系数KC D A通过下式(四)获得:
其中,ΔCA D表示气动干扰引起的轴向力系数增量,
CA表示基本气动轴向力系数。
9.根据权利要求4所述的基于再入落点预测模型的仿真用飞行器再入落点预测方法,其特征在于,
在子步骤3中,通过下式(五)实时更新飞行器的速度、高度、速度倾角和航程;
其中,Hnew表示更新后的高度,
Hold表示更新前的飞行高度,
θnew表示更新后的速度倾角,
θold表示更新前的速度倾角,
Vnew表示更新前的速度,
Vold表示更新后的速度,
Rnew表示更新前的航程,
Rold表示更新后的航程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572355.7A CN116702439B (zh) | 2023-05-19 | 2023-05-19 | 基于再入落点预测模型的仿真用飞行器再入落点预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572355.7A CN116702439B (zh) | 2023-05-19 | 2023-05-19 | 基于再入落点预测模型的仿真用飞行器再入落点预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116702439A true CN116702439A (zh) | 2023-09-05 |
CN116702439B CN116702439B (zh) | 2024-02-13 |
Family
ID=87842424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310572355.7A Active CN116702439B (zh) | 2023-05-19 | 2023-05-19 | 基于再入落点预测模型的仿真用飞行器再入落点预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116702439B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972943A (zh) * | 2024-03-29 | 2024-05-03 | 南京航空航天大学 | 一种基于空地状态等效模拟的航空发动机主轴承载荷预计方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103587723A (zh) * | 2013-11-07 | 2014-02-19 | 北京临近空间飞行器系统工程研究所 | 一种再入初始段解析式纵向在线轨迹设计及跟踪方法 |
US20160292591A1 (en) * | 2015-04-02 | 2016-10-06 | Sas Institute Inc. | Streamlined analytic model training and scoring system |
CN107804487A (zh) * | 2017-10-16 | 2018-03-16 | 中国西安卫星测控中心 | 一种基于自适应偏差控制的跳跃式再入返回落点预报方法 |
CN108225323A (zh) * | 2017-12-26 | 2018-06-29 | 中国人民解放军63920部队 | 基于偏差影响方向组合确定落区边界的方法、介质和设备 |
CN109558660A (zh) * | 2018-11-21 | 2019-04-02 | 中国航天空气动力技术研究院 | 一种航天器碎片陨落落区预报方法 |
US20210164783A1 (en) * | 2019-08-29 | 2021-06-03 | Dalian University Of Technology | Method for directly planning reentry trajectory in height-velocity profile |
CN115618617A (zh) * | 2022-10-25 | 2023-01-17 | 中国人民解放军63660部队 | 一种基于地形高程匹配的落点预报方法 |
CN115963855A (zh) * | 2022-12-30 | 2023-04-14 | 北京航空航天大学 | 一种基于深度学习的无动力再入飞行器落区预示方法 |
-
2023
- 2023-05-19 CN CN202310572355.7A patent/CN116702439B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103587723A (zh) * | 2013-11-07 | 2014-02-19 | 北京临近空间飞行器系统工程研究所 | 一种再入初始段解析式纵向在线轨迹设计及跟踪方法 |
US20160292591A1 (en) * | 2015-04-02 | 2016-10-06 | Sas Institute Inc. | Streamlined analytic model training and scoring system |
CN107804487A (zh) * | 2017-10-16 | 2018-03-16 | 中国西安卫星测控中心 | 一种基于自适应偏差控制的跳跃式再入返回落点预报方法 |
CN108225323A (zh) * | 2017-12-26 | 2018-06-29 | 中国人民解放军63920部队 | 基于偏差影响方向组合确定落区边界的方法、介质和设备 |
CN109558660A (zh) * | 2018-11-21 | 2019-04-02 | 中国航天空气动力技术研究院 | 一种航天器碎片陨落落区预报方法 |
US20210164783A1 (en) * | 2019-08-29 | 2021-06-03 | Dalian University Of Technology | Method for directly planning reentry trajectory in height-velocity profile |
CN115618617A (zh) * | 2022-10-25 | 2023-01-17 | 中国人民解放军63660部队 | 一种基于地形高程匹配的落点预报方法 |
CN115963855A (zh) * | 2022-12-30 | 2023-04-14 | 北京航空航天大学 | 一种基于深度学习的无动力再入飞行器落区预示方法 |
Non-Patent Citations (4)
Title |
---|
ZIJIAO TIAN.ETC: "Ballistic Object Trajectory and Impact Point Estimation in the Reentry Phase From a Moving Passive Sensor", 《IEEE》 * |
李志辉;梁杰;李中华;李海燕;吴俊林;戴金雯;唐志共;: "跨流域空气动力学模拟方法与返回舱再入气动研究", 空气动力学学报, no. 05 * |
温求遒等: "基于LSTM的落速控制最优制导策略研究", 《CNKI》, vol. 42, no. 5 * |
石国祥;张科;王佩;韩治国;: "基于侧向机动能力预测的高超声速飞行器再入制导算法研究", 西北工业大学学报, no. 03 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972943A (zh) * | 2024-03-29 | 2024-05-03 | 南京航空航天大学 | 一种基于空地状态等效模拟的航空发动机主轴承载荷预计方法 |
CN117972943B (zh) * | 2024-03-29 | 2024-06-07 | 南京航空航天大学 | 一种基于空地状态等效模拟的航空发动机主轴承载荷预计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116702439B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116702439B (zh) | 基于再入落点预测模型的仿真用飞行器再入落点预测方法 | |
CN111221345B (zh) | 一种基于决策树的飞行器动力系统故障在线辨识方法 | |
CN111006835B (zh) | 箭弹俯仰力矩系数和压力中心系数修正方法及存储介质 | |
CN110015446B (zh) | 一种半解析的火星进入制导方法 | |
CN111176263B (zh) | 一种基于bp神经网络的飞行器推力故障在线辨识方法 | |
CN109375515B (zh) | 一种垂直起降火箭在线轨迹规划的动力学特性在线辨识方法 | |
CN114065398B (zh) | 一种大展弦比柔性飞行器飞行性能计算方法 | |
CN105652664A (zh) | 一种基于鸽群优化的四旋翼无人机显式预测控制方法 | |
CN111258302A (zh) | 一种基于lstm神经网络的飞行器推力故障在线辨识方法 | |
CN112013726A (zh) | 一种基于三阶模型的全捷联制导控制一体化设计方法 | |
CN111008488B (zh) | 一种螺旋桨无人机发射过程反扭矩建模方法 | |
KR20220096658A (ko) | 비행시험 데이터를 이용한 6 자유도 비행 시뮬레이션 정확도 향상 방법 및 장치 | |
CN113848963A (zh) | 一种飞行控制系统的控制律参数设计方法 | |
CN110929339B (zh) | 高精度亚音速固定翼飞行器非线性动力学建模方法 | |
CN112629339B (zh) | 一种基于直接法的火箭软着陆轨迹规划方法 | |
CN111412887B (zh) | 一种基于卡尔曼滤波的攻角、侧滑角辨识方法 | |
CN117289709A (zh) | 基于深度强化学习的高超声速变外形飞行器姿态控制方法 | |
CN116611160A (zh) | 基于一段实测弹道参数的无控飞行器在线实时特征参数辨识与弹道预报方法 | |
CN110989397A (zh) | 一种航空器失事搜寻仿真方法及系统 | |
CN115686036A (zh) | 一种基于预设性能的变外形飞行器多维复合控制方法 | |
CN114528692A (zh) | 基于数值优化的可重复使用火箭着陆段可行域计算方法 | |
CN115268276B (zh) | 一种基于梯度下降的制导参数在线修正方法及系统 | |
CN113064443B (zh) | 增益在线调整方法及使用其的阻尼回路控制方法 | |
CN117390899B (zh) | 一种运输类飞机副翼最大铰链力矩确定方法 | |
CN117421825B (zh) | 一种近地层风环境影响下的大型飞机cfd模拟方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |