文档介绍：中图分类号: 论文编号:1028701 12-S174
学科分类号:082501
硕士学位论文
涵道风扇式无人飞行器飞行动力学
特性分析及控制研究
研究生姓名张宁
学科、专业飞行器设计
研究方向飞行力学
指导教师沈宏良教授
南京航空航天大学
研究生院航空宇航学院
二О一一年十二月
Nanjing University of Aeronautics and Astronautics
The Graduate School
College of Aerospace Engineering
Ducted Fan Unmanned Aircraft Flight
Dynamics Analysis and Control Study
A Thesis in
Flight Vehicle Design
by
Zhang Ning
Advised by
Prof. Shen Hongliang
Submitted in Partial Fulfillment
of the Requirements
for the Degree of
Master of Engineering
December, 2011
承诺书
本人声明所呈交的硕士学位论文是本人在导师指导下进
行的研究工作及取得的研究成果。除了文中特别加以标注和致
谢的地方外,论文中不包含其他人已经发表或撰写过的研究成
果,也不包含为获得南京航空航天大学或其他教育机构的学位
或证书而使用过的材料。
本人授权南京航空航天大学可以将学位论文的全部或部
分内容编入有关数据库进行检索,可以采用影印、缩印或扫描
等复制手段保存、汇编学位论文。
(保密的学位论文在解密后适用本承诺书)
作者签名:
日期:
南京航空航天大学硕士学位论文
摘要
本文对涵道风扇式无人飞行器的动力学建模和控制问题进行了研究。涵道风扇式无人机是
一种新型的可垂直起降的特种无人飞行器,同时具有悬停和低速前飞的能力。本文对作用在该
飞行器上各部件的气动力和力矩做出了较为详细的分析,并依据分析建立了无人机的六自由度
非线性仿真模型。涵道式飞行器本体通常都具有复杂气动特性且高度不稳定,因此要求控制器
具有足够的鲁棒性以应对飞行器动力学中出现的模型不确定性。本文中使用神经网络自适应控
制器控制涵道式无人机,该方法已成功用于许多其它构形的飞行器控制中,在控制器的设计中
由于无人机的精确非线性模型难以获得,在动态逆中使用了无人机悬停状态获得的线性化模型,
并使用在线神经网络补偿动态逆中近似模型引起的模型误差。舵机的动态特性以及其它非线性
因素会对神经网络自适应单元产生不利影响,文中采用了伪控制限制方法(PCH)可将选中的输
入非线性因素从系统动态中消除,避免神经网络进行错误自适应。最后,在 Matlab/Simulink 环
境下验证所设计的控制律,验证了此方法控制涵道式无人机的有效性。
关键词:涵道风扇,无人机,自适应控制,动态逆,神经网络,伪控制限制(PCH)
I
涵道风扇式无人飞行器飞行动力学特性分析及控制研究
ABSTRACT
This paper mainly focuses on the modeling and control study of a small ducted fan autonomous
vehicle. Ducted fan vehicle is a new type of unmanned VTOL aircraft, which is capable of both hover
and low-speed forward flight. A detailed analysis of the forces and moments acting on the vehicle is
offered in advance, and then the nonlinear simulation model is developed based on the analysis.
Ducted fan vehicles are usually highly unstable plex aerodynamics, therefore, essful
controller must be very robust to deal with th