民用飞机阵风减缓控制研究

民用飞机阵风减缓控制研究

1阵风试验技术民用飞机在行驶和机动性飞行过程中不可避免地会受到气候变化的影响，产生气动力和扭矩，这将给飞机带来不希望的额外负荷，导致飞机在飞行过程中产生振动和瘫痪。当产生的附加过载很大时,一方面破坏所要求的飞行品质,使飞机承受很大的动态结构载荷,不但使飞机难于操纵,而且机体容易疲劳损坏;另一方面也将严重影响飞行员及乘客乘坐的舒适感。利用主动控制技术来进行阵风载荷减缓(GustLoadAlleviation,GLA)是目前成功且有效的方法,其潜在优势是减小飞机结构、减轻乘员(飞行员及乘客)的疲劳感,达到减轻飞机结构重量和提高乘坐舒适性的目的国内对基于主动控制的民用飞机阵风减缓技术已取得许多研究成果。其中,高金源2风速缓冲法的设计2.1垂直紊流风的谱密度大气紊流是指叠加在常值风上的连续随机脉冲。通常认为紊流是一种平稳、均匀、各态经历及各向同性的随机过程。水平前向风相对于飞行速度是小量,所以阵风载荷减缓系统在纵向仅考虑垂直紊流风的影响。取垂直紊流风的一维Dryden谱,其功率谱密度函数式中:Ω为空间频率,L上述功率谱密度是有色噪声,使用不便。由于Dryden谱为有理谱,根据有理谱成形理论,可认为紊流是由单位强度白噪声作为输入的一个成形滤波器的输出。即使用单位强度的白色噪声r(t)通过一个传递函数为G(s)的滤波器产生随机过程x(t),则x(t)的频谱函数为:对于传递函数(4),输入为白色噪声η(s),其输出即为垂直紊流。可表示垂直紊流为:2.2附加控制波式垂直阵风w式中,w本文使用升降副翼和内侧扰流片作为直接升力控制舵面实现阵风载荷减缓控制。附加控制舵面同时向上或向下偏转,将产生向下或向上的法向气动力。这里,结合飞机小扰动方程和阵风的数学模型,重新选择状态变量,可建立含阵风的飞机纵向动力学增广状态方程式中:Δv,Δα,Δq,Δθ,Δh分别为空速、迎角、俯仰角速率、俯仰角、飞行高度,Δα2.3阵风扰动控制理论阵风减缓控制,其目的之一在于通过主动控制技术使机上的乘员在风干扰条件下也感到乘坐舒适,有时也被称为乘坐品质控制。两者都是通过主动控制技术减少阵风干扰条件下可能引起的过载。尽管这两种控制的称呼不同,但都是根据风干扰条件下载荷减缓的程度来衡量其控制效果的。因此,可以认为这两种技术是从不同角度出发的具有相同功能的主动控制技术。乘坐品质舒适指数可以用来衡量阵风减缓控制系统的效果,因此,本文MOPSO_PID算法优化的适应值函数也据此选取式中,a2.4控制结构设计方案1:选取俯仰角速率,质心处法向过载作为反馈信号;选取副翼和升降舵作为GLA系统的控制面。将俯仰角速率陀螺采集的俯仰角速率信号通过控制增益传送给升降舵;将质心处法向过载通过控制增益传送给副翼。控制结构如图1所示。方案2:选取俯仰角速率,质心处法向过载作为反馈信号;选取内侧扰流片和升降舵作为GLA系统的控制面。将俯仰角速率陀螺采集的俯仰角速率信号通过控制增益传送给升降舵;将质心处法向过载通过控制增益传送给扰流片。控制结构图与图1类似。方案3:选取俯仰角速率,质心处法向过载作为反馈信号;选取副翼、内侧扰流片和升降舵作为GLA系统的控制面。将俯仰角速率陀螺采集的俯仰角速率信号通过控制增益传送给升降舵;将质心处法向过载通过控制增益传送给副翼和扰流片。控制结构图与图1类似。其中,PID控制器的参数由改进算法MOPSO_PID整定(如图1中所示)。3mopsopid算法3.1跟踪两个“极值”粒子群优化算法PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解。在每一次迭代中,粒子通过跟踪两个“极值”来更新自己,第一个是粒子本身所找到的最优解,此值叫做个体极值pBest;另一个极值是整个种群目前找到的最优解,此值是全局极值gBest。在找到这两个最优值时,粒子根据如下公式来更新自己的速度和位置:其中,V[]是粒子的速度,x[]是粒子的位置,p式中,T3.2pareto最优性理论在实际工程应用领域中普遍存在着对多个目标的方案、计划以及设计的决策问题。在解决这类问题时,寻求满足多个目标的最佳设计方案,这就是所谓的多目标优化问题假定某决策过程,需要同时考察k个目标,且要求所有目标函数在满足约束的条件下越小越好,则这样的优化问题可以表述如下其中F(X)为优化目标向量,g(X)为约束向量,X为决策变量。对于(13)式所描述的多目标优化问题来说,其所包含的不同目标函数之间往往存在着一定的矛盾冲突,因此在求解过程中,很难在问题的约束集合R中找到一个解向量,能够使k个目标函数同时达到最小。法国经济学家V.Pareto最早研究经济领域内的多目标优化问题,发明了Pareto最优性理论,其用Pareto支配(ParetoDominance)原则,作为判断多目标优化问题解优劣的依据,并定义了Pareto最优集(Pareto-optimalset)。定义一:对最小化MO问题,ue055两个目标向量u=(u定义二:对于最小化MO问题,ue055目标向量u=(f所有满足上述定义二的解的集合,构成了MO问题的Pareto最优解集,又称为非劣解集。假若记MO问题的最优解集为P3.3子代子代平均变化的计算本文采用基于Pareto的方法(Pareto-basedapproaches)设计MOPSO算法子代的速度由下式计算:MOPSO_PID算法完整步骤如下:1)将PID控制器各参数作为算法决策变量,且随机初始化种群中各粒子的位置和速度;2)评价每个粒子的适应值,将当前各粒子的位置和适应值存储在各粒子的pbest中,将所有pbest中的适应值最优个体的位置和适应值存储于gbest中,并利用庄家法则构造Pareto最优解集来计算当前的非支配解集C;3)根据式(11)更新每个粒子的速度和位置,其中惯性权重w按式(12)计算;4)对每个粒子,将其适应值与其经历的最好位置比较,选较好值为当前最好位置gbest;5)比较当前所有pbest和gbest的值,更新gbest,更新P6)根据杂交概率选取指定数量的粒子放入杂交池,池中的粒子随机两两杂交产生同样数目的子代粒子,子代的位置和速度按式(15)和(16)计算,且保持pbest和gbest不变;7)若满足停止条件(通常为预设的运算精度或迭代次数),搜索停止,输出结果,否则返回3)继续搜索。4基于gla控制系统的仿真基于线性小扰动原理,对给定飞行状态:h=5000m,Ma=0.5,进行配平线性化,得到某型飞机在该状态点的线性方程。大气紊流采用Dryden模型,参数参考GIB185-86的规定,L作动器考虑了位置限制、速率限制和舵机特性。升降舵δ1)首先设计控制増稳系统(ControlAugmentationSystems,CAS),使过载响应能够较好的跟踪上驾驶杆输入,设计控制律为:利用MOPSO_PID算法调参得到:2)无GLA控制系统的増稳飞机进行仿真,得到其过载响应曲线如图2所示。3)采用方案1实现GLA,此时控制律为:优化调参得到k4)采用方案2实现GLA,此时控制律为:优化调参得到k5)采用方案3实现GLA,此时控制律为:优化调参得到k6)对各方案过载响应作统计分析,见表1。5gla控制方案设计对模型的仿真本文对设计的三种GLA控制方案分别进行了仿真验证,其中的控制器参数是采用MOPSO_PID算法得到的。MOPSO_PID算法就是将改进的基于遗传杂交思想的MOP-SO算法应用到PID控制器参数优化中去。通过对三种GLA控制方案的仿真、调参,得到了各种控制方案的过载响应以及对应统计值,统计结果表明:方案1~3均能起到阵风减缓的作用,其中方案3效果最好,但是它的直接升力舵面为副翼和内侧扰流片,在仅有副翼作为直接升力舵面的飞机上,