俯仰轴飞行品质时域准则计算和模拟

对于某些现代飞机采用等效系统准则评价飞行品质有困难时,新的规范提出了直接采用高阶系统时域响应准则,包括按驾驶员指令的俯仰速率响应来确定的Chalk准则以及按驾驶员指令的姿态和轨迹响应之间的相互关系来确定的Gibson准则;为避免错觉,还提出了驾驶员座位处法向过载的响应要求。在简要介绍了这些准则的背景和机理后,以某型飞机为例,按时域准则进行了计算和评价。

基于时域Neal-Smith准则的人机控制系统设计多目标优化研究

为了获得驾驶员和飞机良好的匹配特性,使用基于人机闭环参考模型的方法将飞行品质的要求引入优化算法,进行飞行控制系统设计。首先使用CAP准则建立飞机等效系统模型。然后,基于时域Neal-Smith准则,通过多目标优化算法一次性得到在不同任务条件下的最优驾驶员模型。根据需要选择相应的驾驶员模型,并与飞机等效系统模型组成人机闭环参考模型,进行飞行控制设计多目标优化。仿真结果显示,文中的算法不仅可以整定控制器参数,根据任务需求选取最优驾驶员模型,还可以利用优化结果进行PIO易感性的分析。

神经网络模型在TDNS准则中的应用研究

时域Neal-Smith(TDNS)准则源于频域Neal-Smith(FDNS)准则和阶跃目标跟踪准则,被广泛应用于纵向驾驶员诱发振荡(PIO)趋势的预测研究。在该准则采用的人机闭环系统中,广泛运用结构简单且能反映飞行员基本行为特征的拟线性驾驶员模型。但在实际情况中,驾驶员的行为通常具有高度的非线性,为了更精确地描述驾驶员的非线性特性,采用神经网络方法建立驾驶员模型。利用某机的试飞数据对神经网络进行了训练和测试,生成了神经网络模型。针对TDNS预测准则,建立了相应的仿真模型,通过仿真运算,得到了该飞机的PIO预测结果。研究表明:相对于传统的驾驶员模型,神经网络模型能够更好与真实驾驶员相匹配;在TDNS评估准则中运用神经网络模型具有实际的意义。

基于序列二次规划的PIO易感性时域评估方法

时域Neal-Smith准则是评估PIO易感性比较理想的量化准则,但驾驶员的自适应特性给该准则的使用带来了困难。以某机型为算例,将序列二次规划算法应用于时域Neal-Smith准则,对其PIO易感性进行了评估。评估结果表明,将序列二次规划算法用于时域Neal-Smith准则来评估飞机的PIO易感性是可行的。

基于神经网络驾驶员模型的PIO预测分析

在PIO研究中,拟线性的McRuer驾驶员模型,因其结构简单、能反映驾驶员基本的行为特性而被广泛采用,但在通常情况下,驾驶员的行为具有高度的非线性,而运用神经网络模型可以更精确地描述驾驶员的非线性特性。以某机为例,利用试飞数据对神经网络进行训练和验证,建立了神经网络模型。通过仿真运算,并用时域Neal-Smith(TDNS)准则对该飞机进行了PIO预测分析。结果表明,与McRuer驾驶员模型相比,神经网络模型可以更好地逼近驾驶员特性,据此运用TDNS准则可以很好地对PIO趋势进行预测。