过渡飞行模式下倾转定翼无人机动力学建模及运动稳定性研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51575283
  • 项目类别:
    面上项目
  • 资助金额:
    64.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0503.机械动力学
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

For the stability problem of muti-tilt wing unmanned aircraft vehicle’s (MTW-UAV) stall or out of control during transition flight, the method of combination spatial operator algebra and Lyapunov exponent is applied to the dynamics modeling and stability analysis, and the robust control law is obtained under the base of the analysis results of dynamics and stability. Especially, for facing to the analysis of stability and the design of robust control, the dynamics model is established by the method of spatial operator algebra, which is efficiency, modularized and recursive. At the same time, in order to improve the reliability of stability analysis, the quantitative relationship between the kinetic parameters and stability is concluded by Lyapunov exponent which is calculated by dynamics model and time series. For the effection of atmospheric disturbances and other uncertain factors, the time series’ Lyapunov exponent is calculated by multi-resolution wavelet neural network. That is a helpful aided analysis for the theoretical analysis. Moreover, this study provides a set of simple and effective analysis tools for TW-UAV. Also, the nonlinear analysis method proposed in this study can be employed to many multi-disciplinary fields such as mechanical, electrical, aerospace science, and so on.
针对多旋翼倾转定翼无人机在过渡飞行过程中,存在着失速、甚至失控坠机等运动稳定性等问题,本项目拟通过空间算子代数方法与李雅普诺夫指数方法相结合,研究整个系统的动力学及运动稳定性,并在此基础上建立多模式间相互柔性转换的鲁棒控制方法。其中,面向运动稳定性分析及鲁棒控制器设计,拟采用模块化高效递推的空间算子代数方法建立系统的动力学模型。同时,为了提高稳定性分析的可靠性,通过动力学模型和飞行过程时间序列的李雅普诺夫指数方法对比分析,确定整个系统动力学参数与其运动稳定性之间的量化关系。其中,采用多分辨小波神经网络方法计算时间序列的李雅普诺夫指数,拟补了大气扰动等不确定因素造成的理论建模分析的不准确性。本项目的实施不仅可以为倾转定翼无人机等复杂非线性系统的运动稳定性提供一种简单可靠的分析工具,而且将推动多学科耦合动力学建模理论向机电、航空、航天等多学科领域发展。

结项摘要

为提高倾转定翼无人机的过渡飞行模式下运动稳定性和可靠性,本项目从整个系统的动力学建模、运动稳定性及控制等几个方面开展研究,取得主要研究结果如下:1)结合直升机飞行模式和固定翼飞行模式动力学建模方法,基于空间算子代数理论实现了倾转定翼无人机系统动力学简洁高效率建模,并通过计算机仿真验证了算法的有效性;2)基于李雅普诺夫指数方法研究了倾转定翼无人机的过渡飞行模式下系统运动稳定性与系统结构参数之间的量化关系,确定了影响系统运动稳定性的主要参数;3)基于含噪声混沌时间序列的李雅普诺夫指数计算,实现了系统运动稳定性分析;4)基于多分辨小波神经网络方法,实现了时间序列的李雅普诺夫指数计算,弥补了大气扰动因素造成的影响;5)在完成的样机基础上,开展了基于实验数据的稳定性研究,分析了动力学参数变化与系统运动稳定性之间的关系。总之,本项目通过一种准确高效率的建模方法和运动稳定性定性、定量分析方法,确定了导致飞行器失稳的关键因素,实现多模式间相互转换时可柔性切换的鲁棒控制方法,为满足倾转旋翼无人机飞行过程高精度、高稳定性要求提供理论支撑,将推动多学科耦合动力学建模理论向机电、航空、航天等多学科领域发展,具有重要科学和实际意义。

项目成果

期刊论文数量(20)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(10)
倾转定翼无人机的动力学建模与控制
  • DOI:
    10.13245/j.hust.190819
  • 发表时间:
    2019
  • 期刊:
    华中科技大学学报(自然科学版)科技大学
  • 影响因子:
    --
  • 作者:
    张永宏;邓云霏;刘云平
  • 通讯作者:
    刘云平
四旋翼无人机偏航飞行过程量化稳定性分析
  • DOI:
    10.14177/j.cnki.32-1397n.2016.40.05.003
  • 发表时间:
    2016
  • 期刊:
    南京理工大学学报
  • 影响因子:
    --
  • 作者:
    刘云平;李先影;王田苗;张永宏;梅平
  • 通讯作者:
    梅平
多区域时滞电力系统稳定判据的优化
  • DOI:
    10.7641/cta.2017.70269
  • 发表时间:
    2018
  • 期刊:
    控制理论与应用
  • 影响因子:
    --
  • 作者:
    刘云平;王皖东;梅平;张永宏
  • 通讯作者:
    张永宏
基于滑模PID的飞行机械臂稳定性控制
  • DOI:
    10.14177/j.cnki.32-1397n.2018.42.05.003
  • 发表时间:
    2018
  • 期刊:
    南京理工大学学报
  • 影响因子:
    --
  • 作者:
    刘云平;周玉康;张永宏;黄希杰;杨健康
  • 通讯作者:
    杨健康
四旋翼飞行器的滑模PID轨迹跟踪控制
  • DOI:
    10.13433/j.cnki.1003-8728.2017.1210
  • 发表时间:
    2017
  • 期刊:
    机械科学与技术
  • 影响因子:
    --
  • 作者:
    刘云平;黄希杰;李先影;陈城
  • 通讯作者:
    陈城

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Offline Single-Polarization Radar Quantitative Precipitation Estimation Based on a Spatiotemporal Deep Fusion Model
基于时空深度融合模型的离线单偏振雷达定量降水估算
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    Advances in Meteorology
  • 影响因子:
    2.9
  • 作者:
    张永宏;陈诗伟;田伟;马光义;陈帅
  • 通讯作者:
    陈帅
利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    张永宏;曹庭;王剑庚;田伟
  • 通讯作者:
    田伟
神经内分泌因子对体外培养新生犊
  • DOI:
    10.1007/s00779-020-01372-9
  • 发表时间:
    --
  • 期刊:
    中国畜牧兽医,2007(8):45~48
  • 影响因子:
    --
  • 作者:
    张永宏;孙玉成;刘国文;李小兵
  • 通讯作者:
    李小兵
采用深度学习的异步电机故障诊断方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    西安交通大学学报
  • 影响因子:
    --
  • 作者:
    王丽华;谢阳阳;张永宏;赵晓平;周子贤
  • 通讯作者:
    周子贤
人类白细胞抗原一B特异性抗原表位Bw4对丙型肝炎病毒感染的影响
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中华传染病杂志
  • 影响因子:
    --
  • 作者:
    赵艳;刘金华;刘宁;桥桂芳;王爽;李昂;闫惠萍;张永宏
  • 通讯作者:
    张永宏

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

张永宏的其他基金

基于双偏振雷达多参量-多任务时空深度学习的强降雨短临预报方法研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    58 万元
  • 项目类别:
灾害监测预警用自动识别Met-bot及上下文驱使方法研究(CALM)
  • 批准号:
    41911530242
  • 批准年份:
    2019
  • 资助金额:
    10 万元
  • 项目类别:
    国际(地区)合作与交流项目
基于天气系统自动识别的新疆牧区雪灾遥感监测与预警研究
  • 批准号:
    41875027
  • 批准年份:
    2018
  • 资助金额:
    62.0 万元
  • 项目类别:
    面上项目
基于FY-3卫星多源遥感资料融合的青藏高原积雪分布研究
  • 批准号:
    91337102
  • 批准年份:
    2013
  • 资助金额:
    70.0 万元
  • 项目类别:
    重大研究计划

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码