基于改进LGWO-INC算法的MPPT控制研究

光伏发电阵列板在局部遮阴下会产生多个功率峰值,传统算法难以准确快速追踪光伏最大功率点(maximum power point,MPP),该文提出一种基于莱维飞行灰狼算法(Levy grey wolf optimization,LGWO)与电导增量法(incremental conductance,INC)结合的复合算法追寻MPP,莱维飞行帮助灰狼算法跳出局部最优,搜寻MPP附近时,切换电导增量算法减少系统振荡,在静态与动态局部遮阴下通过Simulink进行光伏并网仿真验证。研究结果显示,所提复合算法收敛效果快速精确,并且符合并网谐波(total harmonic distortion,THD)含量要求,可保证系统的稳定运行。

基于改进布谷鸟算法结合电导增量法的最大功率点追踪

动态遮阴下,光伏阵列的输出P-U曲线会出现多个功率极值点,传统最大功率点追踪会陷入局部最优。为此,提出基于自适应差分进化的改进布谷鸟搜索(improved cuckoo search,ICS)算法与电导增量法(incremental conductance,INC)相结合的复合算法(ICS-INC)。该算法在前期提出自适应的抛弃概率和随机步长因子,结合差分变异进行随机偏好游走,使算法的搜索开发能力得到提升,有效跳出局部最优。通过改进Lévy飞行公式减小其随机性,减小算法的迭代次数来缩短跟踪时间,实现快速高效定位最大功率点区域,在后期由INC实现局部快速搜索,稳定输出最大功率。在MATLAB/Simulink中建立了仿真模型,对多种算法进行实验,仿真结果表明该算法的追踪速度、全局搜索性以及环境变化的适应能力均得到提升。

局部阴影下基于IBOA-INC的光伏复合MPPT控制

针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提出一种改进的蝴蝶优化算法(Improved Butterfly Optimization Algorithm,IBOA)结合电导增量法(Conductance Increment Method,INC)的复合MPPT追踪方法。在IBOA中,引入自适应动态转换概率来平衡算法的全局与局部搜索,然后在全局搜索阶段引入Levy飞行策略,使蝴蝶个体广泛分布于搜索空间中,提高全局寻优能力;同时在局部搜索中设置新的寻优对象,并通过贪婪算法进行筛选保留,提高局部搜索的能力。当系统位于MPP附近时,利用INC局部搜索能力强的优点快速、准确地收敛到MPP并且稳定功率的输出。仿真结果表明,在静态和动态阴影下与BOA、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。

基于载荷分级代表性条件的TWIST载荷谱离散方法

增量突风载荷极值对数正态分布是TWIST载荷谱离散的关键要求,现有离散方法存在求解变量较多,载荷分级代表性不足的问题。基于载荷分级代表性条件,提出了一种满足增量突风载荷极值对数正态分布的单迭代变量TWIST载荷谱离散方法。推导了载荷分级代表性条件,得到各级增量载荷极值及其边界所对应的累积超越飞行概率的递推公式;通过增量突风载荷高载截取值求解出各类飞行的飞行次数;以对数正态分布的标准差为迭代变量,利用高载截取值和低载删除值确定了对数正态分布的参数,进而求解出各级离散载荷。通过欧洲10乘10谱和波音5乘5谱2个算例,验证了所提出方法的有效性。

快速绕飞卫星空间圆编队设计方法

连续小推力条件下,针对圆参考轨道卫星,推导了满足快速绕飞条件的空间圆编队动力学模型。分析了一个绕飞周期内的燃耗情况。在绕飞周期确定的条件下,给出了最小燃耗的计算方法,并利用数值方法验证了所推导公式的正确性。计算结果表明,在高度为500km的圆轨参考道卫星实现周期为10分钟、半径100m的空间圆绕飞,一个绕飞周期所需最小速度增量约为4.77m/s。文章提出的基本设计原理并不局限于空间圆编队,也可用于其它快速绕飞编队的设计工作。

自适应学习率的增量强化学习飞行控制

针对预先设定学习率的增量强化学习(IRL)飞行控制律失败率较高,并且无法适应飞行器大范围动力学特性变化下的稳定控制问题,提出一种自适应学习率的增量强化学习(ALRIRL)控制方法。首先,基于小波分析方法构造控制系统稳定度评价函数,用于评估控制器稳定度。然后,基于梯度下降法设计学习率在线迭代计算方法,以提升强化学习控制器的收敛性。最后,通过随机初始状态及随机动压变化下蒙特卡洛打靶试验和数学仿真来验证ALRIRL算法,仿真结果表明提出的方法能够根据参考状态跟踪误差振荡情况自适应调整学习率参数,实现飞行姿态稳定跟踪控制,提高强化学习飞行控制器的成功率。该方法减轻了IRL飞行控制算法对预先设定学习率超参数的依赖,拓宽了IRL在飞行器大范围动力学参数变化情况下的应用。

基于贝叶斯网络的航班保障服务时间动态估计

针对航班保障服务时间估计的问题,考虑到航班保障服务流程的特殊性、复杂性以及影响因素的不确定性,提出了一种基于贝叶斯网络(BN)的航班保障服务时间估计模型。该模型把航空领域的专家知识与历史数据的机器学习相结合,使用贝叶斯网络的增量学习特性动态地调整BN模型,使其适应新的变化,进而不断更新航班保障服务时间的估计值。使用国内某大型枢纽机场信息系统内提取的数据,通过期望最大化(EM)方法对模型进行训练,得到了测试结果。实验结果分析与模型评价表明,所提方法能有效估计航班保障服务时间且具有较高的准确度。敏感性分析表明,航班到达时段的航班密度对航班保障服务时间影响最强。

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。

高超声速飞行器异型气膜孔无喷流热增量研究

目的获取高超声速飞行器气膜孔不喷流时的热负荷增量。方法通过计算流体力学(CFD)方法针对典型高超声速飞行器50km、飞行马赫数为15条件下的无开孔、有开孔气膜冷、有开孔无喷流3种工况开展壁面热流分布研究。结果无开孔的最大热流分布在头部滞止点附近,约为2.2 MW/m^2,有气膜冷却的工况热流最高值在侧面气膜孔没有覆盖到的部位,约为1.4 MW/m^2,有异型孔但是不喷流的工况,热流密度最大值主要分布在开孔附近,最大值大于3.3 MW/m^2。结论对于在高超声速飞行器表面开孔采用气膜冷却方式冷却时,如果由于某种原因气膜孔不喷流,那么在孔的附近乃至整个滞止区域附近的热流负荷将会大幅度升高。

基于增量动态逆的倾转旋翼飞行器飞行控制律设计

针对非线性动态逆控制对模型精确度要求高、鲁棒性差的特点,设计了基于增量非线性动态逆方法的倾转旋翼飞行器全模式飞行控制律。在倾转旋翼飞行器动力学模型的基础上推导出增量动态逆控制律,针对倾转旋翼飞行器操纵存在冗余的特点,在增量动态逆算法的基础上引入舵面控制分配算法;提出一种实时解算控制效率B阵的方法,并设计了一种能够降低对精确数学模型依赖的全模式控制律。通过仿真验证了所提算法对倾转旋翼飞行器控制的有效性。

基于AirTOp的珠三角机场群航班增量仿真研究--以广州白云机场为例

为促进珠三角机场群民用航空运输经济的快速发展,应对航班增量需求,为民航有关决策部门提供较为具体的航班增量安排建议,建立动态可靠的珠三角空域仿真模型具有重要意义。构建了珠三角机场群现行空域仿真模型,设计了不同仿真场景,以广州白云机场为例,通过数据对比,分析了广州白云机场航班延误时间及走廊口流量分布。根据仿真结果,给出了具体航班增量建议。

基于IHDR的自主学习巡检技术研究

针对无人机路径规划存在只适用于静态场景的问题,提出一种自主飞行巡检方法。利用增量分层判别回归(IHDR)树存储无人机飞行经验,通过当前位置矢量搜索IHDR树,得到飞行控制量。根据当前位置与期望位置的偏差调整输出控制量,实现人造目标的巡检。实验结果表明,与IHDR方法相比,该方法学习时间缩短12.2%,且具有较高的准确率,适用于无人机巡检。

考虑射程损失的高超声速飞行器突防弹道分析与设计方法

研究了高超声速飞行器突防机动造成速度损失进而影响射程的问题。高超声速飞行器在面对拦截威胁时需要靠自身机动进行躲避,而机动躲避将会使得飞行状态产生偏离,进而影响高超声速飞行器的射程。针对此问题,首先分别建立弹道式和滑翔式高超声速飞行器运动学和动力学模型,然后考虑突防机动过程中造成的速度、弹道倾角等弹道参数变化,分别构建弹道式和滑翔式高超声速飞行器的射程与弹道参数关系模型,得到突防机动-射程变化关系。之后,通过数值仿真对突防机动-射程变化二者之间的关系进行验证,结果表明,弹道式和滑翔式高超声速飞行器的机动均会导致射程变化,且变化规律与理论分析基本一致,验证了所提出突防机动-射程变化模型的正确性和有效性。最后,基于突防机动-射程变化模型,针对两种高超声速飞行器分别给出对射程变化影响较小的突防机动策略,为提升飞行器飞行性能提供理论和方法基础。

用于航班延误预测的集成式增量学习算法

为持续高效地学习不断产生的航班运行信息,提高航班延误预测模型学习新到达数据的效率,采用集成学习思想,提出了一种基于分类与回归树(classification and regression tree,CART)的增量学习算法.首先,将CART算法与Learn++算法结合实现了增量分类与回归树(incremental classification and regression tree,I-CART)算法;然后,进一步分析了基分类器间的区别和与精确度的关系,使用选择性集成算法来提高I-CART算法预测速率;最后,将该算法应用到航班延误预测中,增量地学习航班动态运行信息.实验结果表明,该算法有效地提高了模型预测效果.

基于固定时间收敛的增量动态逆飞行姿态控制

为进一步提高增量非线性动态逆飞行姿态控制的收敛速度,提出了固定时间收敛增量非线性动态逆飞行姿态控制方法。首先,针对多输入多输出系统推导了固定时间收敛的增量非线性动态逆控制律,并利用Lyapunov定理分析了闭环系统的稳定性和收敛性。其次,设计了固定时间收敛增量非线性动态逆飞行姿态控制器,建立了内外环控制律。最后,将固定时间收敛增量非线性动态逆飞行姿态控制方法应用于具有高精度气动数据的F-16飞机模型,与有限时间收敛增量非线性动态逆飞行姿态控制方法进行仿真对比。结果表明,所提方法具有鲁棒性和更强的收敛快速性。

试验机机翼下挂载吊舱气动稳定性评估方法

采用CFD方法和飞行动力学仿真方法估算机翼下挂载吊舱对试验机飞行品质的影响。采用CFD技术计算挂载吊舱引起的试验机气动力和力矩增量,并将所得增量引入经试飞数据校验的飞机本体气动数据中,建立挂载吊舱后的整机气动模型;然后进行原机和挂载吊舱飞机的动力学仿真计算,评估挂载吊舱对飞机短周期运动模态的影响。计算结果显示,挂载吊舱后飞机短周期频率和阻尼比变化较小,未引起纵向飞行品质降级。

基于增量式排列支持向量机的机场航班延误预警

目前航班延误已经成为世界范围内一个日益严峻的问题,对于大型机场进行航班延误预警工作显得日趋紧迫。在空运需求与机场容量冲突导致航班延误的观点下,提出了用排列支持向量机来进行航班延误预警。针对机场航班数据不断更新的特点,给出了增量式排列支持向量机算法来进行航班延误预警。不仅通过人工数据上的实验说明了该增量式算法更能满足在线预警的要求,而且在收集到的中国某国际机场两周的航班数据上也取得了80%及以上的预测准确率。

基于角加速度估计的非线性增量动态逆控制及试飞

针对非线性增量动态逆(INDI)控制方法运用到飞行试验时需要进行状态量导数(角加速度)的实时估计并且存在延迟等问题进行了研究,并给出了工程应用上的实际解决方案。对试飞无人机(UAV)平台进行了动力学建模,利用非线性增量动态逆控制方法和控制器分层设计方法设计了无人机姿态控制系统。采用卡尔曼滤波器设计了角加速度估计器为控制律提供角加速度实时反馈。通过基于模型的控制系统设计方法将控制律实现,并进行实际试飞试验。结果表明:该控制方法工程上可实现,具备良好的鲁棒性和指令跟踪能力。