硕士开题报告范例完整版

1、XX大学攻读硕士学位研究生课题论证报告姓 名学 号专 业研究方向指导教师2013年 12月17日课题名称：民机飞行特情状态预测及改出控制研究选题依据(包括课题的来源、研究目的、必要性和重要性、意义以及国内外研究的技术现状分析)1. 课题来源2. 课题研究意义和目的2.1课题研究的意义通过多年的飞行事故统计，可以发现由于民航飞机本身的意外系统故障或者 突发外部环境干扰诱发的飞行员操纵失误，进而导致飞机失控的事故占到了总事 故的75%，伤亡人数更是占到了伤亡总人数的 85%以上。因此，进行有效的飞 机状态短时预测对飞行安全有着很大帮助，主要体现在以下两个方面。第一，通过针对性地设计改出控制律，提高

2、自动飞行的安全性；第二，可向驾驶员提前预 警，以便采取应急措施。研究民用飞机飞行特情的状态预测及改出特情的飞行控 制律设计具有理论意义和工程实用价值。2.2课题研究的目的：本课题研究的目的是实现在特殊情况下对飞机状态的预测以及控制。首先建立飞机动力学仿真模型；在此基础上，对受到特定的外部环境或自身故障影响下 的飞机进行飞行状态短时预测。最后，以飞行安全包线保护为控制目标，实现改出特情状态的飞行控制律设计。3. 国内外研究现状分析3.1由特情造成的飞机失控事故分析飞行失控(Loss-of-Control,LOC)是指飞机在可控飞行状态下，由于某种原 因进入危险姿态而未能正确改出，以致飞机超出正常

3、飞行包线，从而造成飞行事 故，是诱发严重飞行事故和人员伤亡的主要原因 。据国际民用航空组织(ICAO) 的统计，在2008年商用喷气飞机事故中，由飞机失控和可控飞行触地引发的事故 为39起，占总事故的42.8%，造成人员伤亡2887，占总伤亡人数的61.2%。这其中，由飞机驾驶员错误判断导致飞行事故占到了 42.8%。事故统计分析此类事 故是由以下三种不利因素导致的。第一，机载设备发生故障；第二，外部环境的 恶劣变化和扰动；第三，飞机处于异常飞行状态(如飞机处于不正常高度或者不 正常的速度)。而且尤以前两个因素为主要诱因，占据了飞机失控和可控飞行触 地事故起因的90%以上。随着飞机本身的可控性

4、和可靠性的不断发展，由民航飞 机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致飞机 事故呈下降趋势，并且飞机在遭遇微下击暴流或低空风切变等大多数特殊情况 下，只要机组人员做出正确判断和决策， 飞机是具有改出的能力的。所以大多数 事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。因此，对飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。3.2飞行状态预测的手段鉴于飞机失控对飞行安全的严重威胁，2000年以后，FAA，美国波音公司， NASA兰利研究中心等许多著名的航空研究机构就飞行状态预测，飞行控制策略 进行了深入的研究。就飞行状态预测而言，研究主要针对以下几

5、个问题：(1) 如何建立飞行动力学模型来精确反映飞机运动状态的非线性动力学特性。以往的飞行动力学模型的理论基础是在飞机平衡点附近，对非线性系统应用一阶Taylor展开，所得结果是原非线性系统在特定平衡点周围的局部近似。这种 方法的缺点主要有两点。 第一，由于采用一阶Taylor展开而带来的舍入误差；第 二,在遇到实际微下击暴流或者低空飞切变时， 飞机的运动状态已不在该平衡点 附近，如果仍基于该线化模型进行控制律设计， 其控制效果将远不会达到预期效 果，有时甚至会导致飞机的振荡、失控进而导致严重的飞机事故。(2) 采用何种算法进行飞行状态预测。对于商用民航飞机而言，目前预测失 控趋势的手段较为单

6、一，只有基于观测数据的预测方法和基于小扰动线化方程设 计自适应预测控制模型。近年来，为解决飞机运动状态的非线性动力学模型的建立问题，线性变参数(LPV)模型在飞行动力学方面有了很大发展，并已成功应用于固定翼飞机和无 人机5运动建模。LPV模型是一类重要的时变系统模型，其状态空间矩阵是实时 可测且在闭集上变化的变参数的确定函数。基于LPV模型的鲁棒变增益控制由于 能够在理论上保证系统的全局稳定性和鲁棒性，克服了传统变增益控制的缺点。由于飞机在要根据不同的改出控制策略以及飞行状态变化而动态更新模型，而 LPV模型恰好可以通过一定的调度算法更新系数矩阵，计算获得新的状态。这种 在线修正的特点，恰好可

7、以应用于飞机模型的建立。在LPV建模的基础上，飞行状态预测可以得到进一步完善 。一种方法是采 用状态滤波方法，状态滤波方法是，在 LPV莫型的基础上，应用推广卡尔曼滤波 或无味滤波短时估计失控后的飞行状态变化。 只要有完整气动数据的支持，这种 估计方法能在很大程度上逼近实际情况。另一种模型预测方法是采用无模型的神 经网络进行预测。不过这种预测方式一般需要大量事故的飞行数据的支持和风洞 试验数据的支持才能有很好的效果。3.3改出控制美国波音公司，NASA兰利研究中心等许多著名的航空研究机构为实现更全 面的飞行安全控制策略，提出了基于包线保护策略的飞行安全控制律设计方案。 即在有外部环境干扰（如湍

8、流或者低空飞切变）或者飞机本身的意外系统故障（如 单发停车或者飞机舵面卡阻）的情况下，预测飞机飞行状态，并给出飞机控制律 或者一组控制序列，使飞机可以在安全状态下（即安全的飞行包线内）实现改出 或者降落。飞行包线综合地描述了一架飞机所能安全飞行的高度与速度范围，反映了气动、推力和结构等因素对飞行范围的限制。以 B737飞机为例，如图1（a）所示，为 B737飞机建模数据提供的该机襟翼收起的正常飞行的迎角-侧滑角包线，（b）图所 示，为襟翼着陆构型时的包线。可以看出，一般商用飞机经飞行试验验证的包线 只是飞行模拟器上所用包线的子包络，只有在经验证的包线内飞行才是绝对安全 的。包线保护系统通过控制

9、律设计、增加限制器等措施使得飞机能够在包线范围 内安全飞行。目前，包线保护系统已广泛应用在改出风切变飞控设计中o由上述可知，飞行安全的关键就是当飞机状态处于飞行包线边缘，即临界状态时，可以通过飞机自动飞行系统自身或者人为干预使得飞机改出可以危险姿 态，避免出现超出飞行包线的发生。因此要实现基于包线保护系统的飞行安全策略关键包括两个方面：(1) 决定性参数的选取与安全包线的制定。在不利因素干扰下，飞机的运动参数不断变化。对于这些特殊飞行状态，将那些对飞行安全性具有决定性作用的 参数称为决定性参数。通常情况下决定性参数会包括 ：迎角、过载、表速、滚转 角速度等。(2) 在危险状态下的改出控制律设计

10、。目前，主要有两种设计方法。一种是 基于LPV模型的变增益控制器设计。基于LPV模型的变增益控制器可以利用有限 个设计点(平衡点)，自行进行自增益调节，进而完成对飞机状态的控制，并且在所考虑的包线范围内保证一定程度的鲁棒稳定性和鲁棒性能。 第二种方法是基 于模型预测控制的控制器设计。这种设计方法主要包括三个关键步骤： 预测系统 未来动态；(数值)求解最优化问题，给出控制律或控制序列；将优化解的第一 个元素作用于系统。模型预测控制在飞行控制方面有着很明显的优势，主要包括 两个方面。一是，显式和主动处理约束；二是，预测模型可以进行在线修正。本课题针对民航商用飞机，尝试应用滤波方法或神经网络方法对飞

11、机进行状 态预测，并对可能存在的失控情况，研究改出危险状态的方法，并以一种新的控 制器设计思路-模型预测控制为理论基础，探讨基于此理论进行控制器设计的方 法。课 题 研 究 方 案(包括具体的研究目标、研究内容和拟解决的关键问题；拟采取的研究方法、技术路线、实 验方案及可行性分析)1. 研究目标、研究内容和拟解决的关键问题课题的研究目标包括：从 B737的真实的飞行数据入手，建立 B737飞机飞 行动力学模型，实现飞机短时状态预测和危险状态下的改出控制律设计。其具体研究内容有：含一定自动飞行系统的B737飞行动力学模型。从现有的B737飞机数据和已有的六自由度飞机动力学模型的 C+开源代码 入

12、手，利用数据系统地构建B737飞机模型。它主要包括气动力/力矩模型、运动 方程模型、起落架力和力矩模型、大气紊流和风模型等关键模型。飞行系统模型 所要完成的功能有：飞机空气动力学的仿真、实现特定状态下的飞机配平和一定 的飞机纵向面的自动飞行任务，(如机翼水平状态下的恒速平飞，机翼水平状态 下的稳定爬升等)。飞行动力学模型将用以支持之后课题的飞行仿真及控制律验 证可行性。(2) 飞机状态预测及失控趋势检测。针对B737飞机模型基于动态配平，和典型的大量事故的飞行数据，建立神 经网络。之后验证神经网络的有效性，在舵面突发扰动的情况下，将B737飞机的实际飞行状态轨迹和经神经网络预测的飞行状态进行比

13、较，观察尤其是会影响飞行安全的决定性参数的变化趋势。(3) 飞机危险状态下的改出控制律设计当B737飞机在遭遇会引起飞机失控的大气扰动的情况，采用模型预测控制 设计改出控制律，按“滚动优化”控制策略设置控制变量。在飞机动力学模型仿 真中，让飞机受到突发扰动时，检验模型预测控制的有效性。课题拟解决的关键问题包括：神经网络预测问题神经网络预测模型般需要大量事故的飞行数据和风洞试验数据的支持。而 且，设计神经网络的隐含层数、神经元个数和传输函数的选取都依赖于经验，并没有成熟的理论支持。(2) 决定性参数的选取如何选取足够的决定性参数来量化计算飞行安全是设计安全飞行包线的难 点。在不同的飞行状态下，不

14、同的状态变量会对飞机安全有着不同程度的影响， 明确哪些状态变量更为重要，有着更为重要的控制优先级。(3) 模型预测控制的模型选取问题。在改出控制律设计时，动力学模型的选取对模型预测控制的控制效果有着至 关重要的影响。因此，对于动力学模型的选取要十分慎重。 目前优先采用无模型 的神经网络进行测试，并根据实际需要修正优化预测模型。(4) 模型预测控制的算法选取问题。在模型预测控制中，优化算法会直接影响控制律的设计，为了使得飞机状态 可以更好更快的达到理想的飞行状态，不同的算法将会根据实际需要进行取舍。2. 拟采取的研究方法、技术路线、实验方案及可行性分析2.1 研究方法与技术路线飞机空气动力学建模

15、是本课题研究的基础。 在此基础上，研究神经网络预测 机制，并分别基于模型预测控制技术完成对飞机改出危险的控制律设计。 研究步 骤如图2所示。图2课题研究步骤(1) 飞机六自由度模型。基于飞行数据建立的非线性动力学模型通过大量插 值运算和局部近似，计算空气动力学系数和发动机推，充分反映了气动力和发动 机推力的非线性动态。对简化非线性模型应进行典型操纵输入试验， 分别测试纵 向长短周期模态、滚转衰减模态。通过对比验证，对简化模型进行修正和优化。(2) 飞机的状态预测和控制律设计。收集部分事故的飞行数据，用以建立基 于动态配平的神经网络，进行飞机状态预测。并在此基础上进行有包线保护约束 模型预测控制

16、(MPC),如图3所示。并将计算所得的控制变量输入到飞行动力学 模型中，并基于FlightGear进行可视化输出，验证算法的有效性。获取仿真时飞行状态是否有失控趋势是根据改出控制律 设定控制输入量结束图3单步仿真流程图2.2 研究可行性分析目前，实验室已获得 B737NG飞机的建模的相关数据和部分飞机事故飞行 数据和开源的飞行动力学模型 JSBSim,并已完成了飞行动力学模型的初步建立， 可用于飞行模拟器的飞行实时仿真。在此基础上，进行特情飞行状态预测和 MPC 控制律设计完全可行。研 究 基 础(包括与本项目有关的研究工作积累和已取得的研究工作成绩；课题研究现有的 基础和已具备的实验条件，可

17、能遇到的困难或问题和拟解决的途径和措施等)1研究工作积累和已具备的实验条件(1)掌握飞行动力学建模所需的相关知识，熟悉神经网络建立的各个环节以及一定的理论基础，初步了解 MPC的基础知识和使用方法。(2) 熟练C+相关知识，可以熟练使用 Microsoft Visual Studio 2010所提供的 开发环境。(3) 掌握基于开源的飞行动力学模型代码(JSBSim)软件，并通过适当修改， 使飞机动力学模型符合B737的飞行特征。2.可能遇到的困难及解决途径神经网络预测问题神经网络预测在设计神经网络的隐含层数、神经元个数和传输函数的选取 时，大都依赖于经验，并没有成熟的理论支持。这就需要通过对

18、神经网络进行多 次实验测试，并在这些测试过程中不断修正及优化神经网络模型。(2) 决定性参数的选取由于在不同的飞行状态下，不同的状态变量会对飞机安全有着不同程度的影 响。所以可以通过以往文献确立哪些决定性参数更为关键，并通过实验验证选取这些状态变量为决定性参数的可行性及有效性。(3) 模型预测控制的模型选取问题。在改出控制律设计时，动力学模型的选取对模型预测控制的控制效果有着至 关重要的影响。因此，对于动力学模型的选取要十分慎重。目前优先采用无模型的神经网络进行测试，并根据实际需要修正优化预测模型。(4) 模型预测控制的算法选取问题。在模型预测控制中，优化算法会直接影响控制律的设计，为了使得飞

19、机状态 可以更好更快的达到理想的飞行状态，不同的算法将会根据实际需要进行取舍。研 究 计 划 和 进 度2013年12月-2014年3月：建立飞行动力学模型，并验证模型准确性。2014年3月-2014年6月：完成基于飞行事故数据的神经网络预测，并根据实际仿真情况验证其有效性。2014年6月-2014年10月：完成基于模型预测控制的控制律设计。2013年10月-2014年12月：完成毕业论文。研究经费预算与来源（含支持本课题的项目编号）参 考 文 献1 伍开元.飞行技术与航空安全研究M.成都：四川科学技术出版社,2006.11.17.2 Statistical Summary of Commer

20、cial Jet Airpla ne Accide nts. WorldwideOperations, 1959-2008, Boeing Commercial Airplanes, July 2009.3 The Boeing Company. Statistical Summary of Commercial Jet Airplane Accide nts Worldwide Operatio ns 1959-2011.4 An dres Marcos, Gary J Balas. Developme nt of Lin ear Parameter Varying Models for A

21、ircraft. Journal of Guida nee, Con trol, and Dy namics, 2004, 27(2): 218-228. 宗群，吉月辉，窦立谦等.无人机侧向系统LPV模型降阶.控制与决策，2010, 25(6): 948-952.6 Shi n J Y. Worst-case an alysis and lin ear parameter vary ing gai n scheduledcon trol of aerospace systemsD . Un iversity of Minn esota, 2000.7 Atilla Doga n. Guida

22、nee Strategies for Microburst Escape. Ph.DDissertatio n ofUni versity of Michiga n, 2000.8 Ling Ma, Youmin Zhang. Fault Detection and Diagnosis for GTM UAV withDual Un sce nted Kalma n Filter. In: AIAA Guida nee, Navigatio n and Con trol Co nference, 2010, 1-12.9 Yavrucuk I. Adaptive limit margin de

23、tect ion and limit avoida nceM. 2003.10 葛志浩，徐浩军，孟捷.飞行失控的向量空间建模与应用研究J.飞行力学, 2008, 26(3): 18-21.11 Robert A R, James EW, William G. Dyn amics Modeli ng and Simulation ofLarge Tran sport Airpla nes in Upset Co nditio ns R . AIAA 2005 5933, 2005.12 James E W, Joh n V F. Defi ning Commercial Tran sport L

24、oss of Con trol A Quantitative Approach R . AIAA 2004 4811,2004.13 Tulvio S Dura nd , Richard J Wasicko. An An alysis of Carrier Landin gR.AIAA 65 - 791 , 1965 , p1 p34114 JMUrnes , RK Hess , RFMoomaw , R K Huff . H - Dot Automatic Carrier Landing System for Approach Con trol in Turbule nceR1 AIAA 7

25、9 - 1772R , 1981 , Vol. 4 , p177 p183115 Eduardo Camp ono gara , Dong Jia , Bruce H. Krogh , and Sarosh Talukdar. Distributed Model Predictive Con trol J .1 EEE Con trol Systems Magazi ne116 Jasm in F Patry. Model Predictive Con trol Desig n with Process Con strai nts and Implicit Econo mic Criteria

26、 J 1 IEEE In strume ntatio n and Measureme nt117 Bei Hu and Arno Linn ema nn. Toward Infin ite - Horiz on Optimality in Non li near Model Predictive Con trol J 1 IEEE Tran sacti ons on Automatic Con trol ,vol. 47 , NO. 4 , APRIL 2002118 席裕庚.预测控制.北京：国防工业出版社，199619 王树青.先进控制技术及应用.北京：化学工业出版社，200120 肖顺达.

27、飞行自动控制系统(上、下册)M.北京:国防工业出版社,1980121 飞机飞行品质分析S.中华人民共和国航空工业部,1983122 Isidori, A., Nonlinear Control Systems: An Introduction, Vol. 72,Lecture Notes in Control and Information Science, Springer-Verlag,Berlin, 198523 Tahk, M., Briggs, M. M., and Menon, P. K. A., "Applicatio ns of Pla ntInversion via

28、 State Feedback to Missile Autopilot Design,"Proceedings of the 27th IEEE Co nference on Decisi on and Con trol(Aust in, TX), Dec. 1988, pp. 730-735.24 Desoer, C. A., and Wang, Y.-T., "Fou ndatio ns of Feedback TheoryforNon li near Dyn amical Systems," IEEE Tran sact ions on Circuitsa

29、 nd Systems, Vol. CAS-27, No. 2, Feb. 1980, pp. 104-123.25 Reichert, R., "Moder n Robust Con trol for Missile AutopilotDesig n,"Proceedi ngs of the America n Con trol Conference (Sa n Diego,CA), June 1990, pp. 2368-2373.26 Shamma, J. S., and Atha ns, M., "Guara nteed Properties of Gai

30、 nScheduled Con trol of Lin ear Parameter-Varyi ng Pla nts," Automatica,Vol. 27, No. 3, May 1991, pp. 559-565.27 Shahru z, S. M., and Behtash, S., "Desig n of Con trollers for Lin earParameter Varyi ng Systems by the Gain Scheduli ng Tech nique,"Berkeley Engin eeri ng Research In st.,

31、 Memora ndum BERI M90/1,U niv. of California, Berkeley, CA,Jan. 1990.28 Shamma, J. S., and Athans, M., "Gain Scheduling: PotentialHazards and Possible Remedies," IEEE Con trol Systems Magazi ne,Ju ne 1992.HDesoer, C. A., and Vidyasagar, M., Feedback Systems: In put-Output Properties, Acade

32、mic, New York, 1975肖业伦，金长江.大气扰动中的飞行原理M.北京：国防工业出版社， 1993.文 献 综 述（不少于6千字）一、概述飞机失控是民用运输机失事的主要原因之一。导致飞机失控的原因有多种 多样，诱因主要体现在以下三个方面。第一，机载设备发生故障；第二，外部 环境的恶劣变化和扰动；第三，飞机处于异常飞行状态（如飞机处于不正常高 度或者不正常的速度）。随着飞机本身的可控性和可靠性的不断发展，由民航 飞机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致 飞机事故呈下降趋势，并且飞机在遭遇微下击暴流或低空风切变等大多数特殊 情况下，只要机组人员做出正确判断和决

33、策，飞机是具有改出的能力的。所以 大多数事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。因此,对飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。本课 题研究的目的是实现在特殊情况下对飞机状态的预测以及控制。首先建立飞机 动力学仿真模型；然后基于模型的基础上，对受到特定的外部环境或自身故障 影响下的飞机进行状态预测。最后，以包线保护为控制目标，实现飞机安全飞 行的目的。二、飞机事故分析随着飞机安全性水平的提高，是近几 10年来技术进步和管理水平提高的 综合效应，是安全性分析、设计、验证及管理技术和各种科学技术进步相结合 的结果。首先，飞行器、发动机、各种安全关键系统设计技

34、术的改进和计算机、 电子、信息、新材料及新工艺等的应用，大大减少了飞行器及各种系统的故障； 其次是各种显示、监控和告警设备的采用，使飞行人员能随时了解飞行器的工 作状况，及时采取有效的防止事故发生的措施；第三是飞行人员的培训方法的 改进及驾驶技术的提高，减少了各种驾驶差错所造成的事故；第四是地面使用、 维修、保障和空中交通管制设施及技术的改进；第五是飞行安全规章及条例的 实施和贯彻。然而，近20多年来，一是因为飞行器的复杂性大大提高，飞行 器研制中仍然存在着一定数量的可能导致灾难性事故的设计缺陷；二是由于人 为因素导致灾难性飞行事故发生的主导因素，而且这些人为因素存在着很大的 随机性。飞机的飞

35、行事故受飞机设计、驾驶员操作、地面维修、空中交通管制和气 象等各种复杂因素的影响，而且许多事故往往是多种相关联的因素影响造成 的；同时，由于各种飞机因使用环境条件、飞行剖面，飞行持续时间等的不同， 造成事故的主导因素也可能不同；此外，随着技术进步，造成事故的主导因素 也可能发生变化。美国把飞机事故主要原因划分为驾驶和后勤两类。驾驶类事 故包括飞机失控、撞地、空中相撞、起飞与着陆过程造成的事故；后勤类事故 包括发动机、飞行操纵系统、燃油系统、起落架、结构、液压系统及电气系统 等的设计缺陷、设备故障或维修差错等造成的事故。近20年来,虽然飞机总的事故次数在不断下降，而这些事故中其中占绝大 算数是由

36、于人为因素而直接或者间接导致的飞行失控而产生的。飞行失控(Loss-of-Control,LOC )是指飞机在可控飞行状态下，由于某种原因进入危险 姿态而未能正确改出，以致飞机超出正常飞行包线，从而造成飞行事故，是诱 发严重飞行事故和人员伤亡的主要原因。据国际民用航空组织(ICAO)的统计，在2008年商用喷气飞机事故中，由飞机失控和可控飞行触地引发的事故为39起，占总事故的42.8%,造成人员伤亡2887，占总伤亡人数的61.2%。这其中， 由飞机驾驶员错误判断导致飞行事故占到了42.8%。事故统计分析此类事故是由以下三种不利因素导致的。第一，机载设备发生故障；第二，外部环境的恶 劣变化和扰

37、动；第三，飞机处于异常飞行状态(如飞机处于不正常高度或者不 正常的速度)。而且尤以前两个因素为主要诱因，占据了事故起因的90%以上。随着飞机本身的可控性和可靠性的不断发展，由民航飞机本身的意外系统故障 或者突发外部环境干扰直接造成飞机失控进而导致飞机事故呈下降趋势，并且 飞机在遭遇微下击暴流或低空风切变等大多数特殊情况下，只要机组人员做出 正确判断和决策，飞机是具有改出的能力的。所以大多数事故是由在特情下对 飞机错误操作导致飞机振荡、失控而产生的。为避免人为差错，一方面是改进飞机安全性设计和分析， 采用自动化技术， 从设计上避免人为差错及其影响；另一方面是开展人为因素研究，尽量避免人为 差错，

38、减少飞机的飞行事故。美英等航空发达国家及世界民航组织都在实施人 为因素研究计划，主要项目包括飞行员疲劳、飞行时差反应、飞行员生理节奏 失调、飞行员之间的协调、人为差错的监控、人为差错的事故链、飞机座舱自动化的人为因素以及显示和告警系统的人为因素等。就第一方面而言，实现飞 机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。三、飞机状态预测模型飞机的飞行状态预测问题历来是飞控系统设计与仿真、机动目标跟踪以及 飞行器系统辨识等领域关心的重大课题。美国学者RKImn于六十年代初提出了 卡尔曼滤波算法，该算法非常适合于计算机递推计算，成为解决状态预测问题 的最有效手段，在工程中获得了广泛的应用

39、。随着应用的展开，人们对卡尔曼 滤波算法进行了种种的改进。为了适应非线性系统，提出了推广卡尔曼滤波， 为进一步提高非线性滤波精度，又研究了迭代滤波、非线性二阶滤波等算法。对于商用民航飞机而言，研究其有无发生失控的趋势，对于提高飞行安全 是很有意义的。如在飞机发生积冰、舵面失效或者遭遇到强对流天气时，短时 预测系统如果能给出飞机有无失控趋势，这将给机组人员及时作出相应对策有 重大帮助。因此如何借助动力学模型，并基于模型给出失控趋势的预测，是目前研究的重点之一。自2000年以后，FAA，美国波音公司，NASA兰利研究中心等许多著名的 航空研究机构就飞行状态预测，飞行控制策略进行了深入的研究。就飞行

40、状态 预测而言，研究主要针对以下几个问题：(1) 如何建立可以精确反映飞机运动状态的非线性动力学特性。以往的飞行动力学模型的理论基础是在飞机平衡点附近，对非线性系统应用一阶Taylor展开,所得结果是原非线性系统在特定平衡点周围的局部近似。这种方法的缺点 主要有两点。 第一，由于采用一阶Taylor展开而带来的舍入误差；第二，在遇 到实际微下击暴流或者低空飞切变时，飞机的运动状态已不在该平衡点附近， 如果仍基于该线化模型进行控制律设计，其控制效果将远不会达到预期效果， 有时甚至会导致飞机的振荡、失控进而导致严重的飞机事故。(2) 采用何种算法进行飞行状态预测。对于商用民航飞机而言，目前预测失

41、控趋势的手段较为单一，只有基于观测数据的预测方法和基于小扰动线化方程 设计自适应预测控制模型。许多成功的工程实践证明变增益是一种非常有效并广泛使用的方法，特别 是在航空航天领域。传统的变增益控制系统的设计思想是采用多个线性控制器来近似替代所要求的非线性控制器。例如飞行控制系统，因为飞机的动力方程在整个飞行包线内不能用一个线性模型表示，所以首先在飞行包线内选取多个 设计点，在这些设计点上进行线性化，然后在每个设计点上采用传统的控制器 设计方法(如PID、LQ)设计线性控制器,最后通过预定的调度程序在这些线性控 制器之间插值，得到一个完整的非线性控制律。传统的变增益控制是补偿已知非 线性特性的一种

42、有效方法，在这种方案中，控制器对变化的运行条件能做出快 速的反应，但是传统变增益方法的局限在于控制器的参数是按开环方式改变 的，没有来自闭环系统性能的反馈作用，而且传统变增益控制缺乏稳定性的严 格理论证明。近年来，许多学者都致力于研究一种称为自增益调度的新控制器综合方 法,这种方法设计出的控制器依赖于调度变量，并且在所考虑的包线范围内能 保证一定程度的鲁棒稳定性和鲁棒性能，最大优点是：(1)同传统变增益控制不 同，设计者不必再考虑如何插值；(2)鲁棒稳定性可以从理论上保证，而不必通 过详尽的计算机仿真来证明。这就是20世纪90年代后期发展的基于线性变参数 (Linear Parameter V

43、arying, LPV)系统的变增益技术,这种技术在工作区域期间 采用自增益，保证了闭环系统的鲁棒性和稳定性，并已成功应用于固定翼飞机 和无人机运动建模。LPV模型是一类重要的时变系统模型，其状态空间矩阵是实时可测且在闭 集上变化的变参数的确定函数。基于 LPV模型的鲁棒变增益控制由于能够在理 论上保证系统的全局稳定性和鲁棒性，克服了传统变增益控制的缺点。由于飞 机在要根据不同的改出控制策略以及飞行状态变化而动态更新模型，而LPV模型恰好可以通过一定的调度算法更新系数矩阵，计算获得新的状态。这种在线 修正的特点，恰好可以应用于飞机模型的建立。就LPV建模而言，目前LPV建模，主要分为两类，一类

44、是基于系统的动态 非线性系统方程的分析法；另外一种则是根据系统的输入输出数据的实验法， 主要是采用不同的辨识算法。两类方法都存在一定的缺点和限制。对于分析法， 第一种方法称为雅可比线性化(Jacobian linearization方法；第二种方法称为状态 变换方法(State transformations);最后一种方法称作函数替换法(Function substitution)。这三种方法的共同点就是都依赖系统的平衡点，其中前两种方法 依赖于系统的多个平衡点，保守性更大些，最后一种方法只依赖于系统的一个 平衡点。由于三种方法的共同缺点就是对平衡点的依赖，并且平衡点的选取对 于系统性能的影

45、响目前还没有计算方法，同时引入了平衡点就增加了系统的误 差，也增加了计算量，而且求取系统的平衡点也是一件非常复杂的事情。另一 类LPV建模是利用实验法，通过系统辨识的方法首先获得系统的神经网络模型， 然后转化为LFT的形式，最后获得LPV系统的多胞形结构，并将结果应用于控 制中。在LPV建模的基础上，飞行状态预测可以得到进一步完善。一种方法是采 用状态滤波方法，状态滤波方法是，在 LPV模型的基础上，应用推广卡尔曼滤 波或无味滤波短时估计失控后的飞行状态变化。只要有完整气动数据的支持， 这种估计方法能在很大程度上逼近实际情况，并且该方法已成功运用在无人机 失控后的状态估计，并与实际飞行状态进行

46、了对比验证。另一种是采用基于动 态配平（dy namic trim）的神经网络分析方法。这种方法先将飞机的状态变量分为 受到扰动后可以快速达到平衡的快速状态变量和受到扰动后缓慢随时间变化 的慢速状态变量，之后以慢速状态变量和飞行控制变量作为神经网络输入，飞 行决定性参数作为神经网络输出，并基于飞机较完整的飞行试验数据训练神经 网络。应用训练好的神经网络对处于各种飞行状态和控制输入情况下的飞机进 行飞行状态预测。不过这种预测方式一般需要大量事故的飞行数据的支持和风 洞试验数据的支持才能有很好的效果。四、飞机改出控制律设计美国波音公司，NASA兰利研究中心等许多著名的航空研究机构为实现更 全面的飞

47、行安全控制策略，提出了基于包线保护策略的飞行安全控制律设计方 案。即在有外部环境干扰（如湍流或者低空飞切变）或者飞机本身的意外系统 故障（如单发停车或者飞机舵面卡阻）的情况下，预测飞机飞行状态，并给出 飞机控制律或者一组控制序列，使飞机可以在安全状态下（即安全的飞行包线 内）实现改出或者降落。飞行包线综合地描述了一架飞机所能安全飞行的高度与速度范围，反映了 气动、推力和结构等因素对飞行范围的限制。以 B737飞机为例，如图1（a）所示, 为B737飞机建模数据提供的该机襟翼收起的正常飞行的迎角-侧滑角包线，（b）图所示，为襟翼着陆构型时的包线。可以看出，一般商用飞机经飞行试验验证 的包线只是飞

48、行模拟器上所用包线的子包络，只有在经验证的包线内飞行才是 绝对安全的。包线保护系统通过控制律设计、增加限制器等措施使得飞机能够 在包线范围内安全飞行。目前，包线保护系统已广泛应用在改出风切变飞控设 计中。图1 B-737飞机迎角-侧滑角包线由上述可知，飞行安全的关键就是当飞机状态处于飞行包线边缘，即临界 状态时，可以通过飞机自动飞行系统自身或者人为干预使得飞机改出可以危险 姿态，避免出现超出飞行包线的发生。因此要实现基于包线保护系统的飞行安全策略关键包括两个方面：(1) 决定性参数的选取与安全包线的制定。在不利因素干扰下，飞机的运动参数不断变化。对于这些特殊飞行状态，将那些对飞行安全性具有决定性作用 的参数称为决