摘要高超音速飞机变形的轨迹优化策略,提出了和AMPI方法用于生成在线轨迹与初始状态错误。首先,高超音速的空气动力学模型和推进模型建立了考虑变形飞机翼展和超燃冲压发动机。其次,提出了优化策略通过高斯pseudospectral方法考虑控制变量包括攻角(AOA)的翼展。优化轨迹最终约束和路径约束会见的目的减少时间上升阶段。然后,AMPI方法用于生成在线轨迹没有解决(OCP或NLP轨迹数据库的基础上计算的优化策略。仿真结果表明AMPI方法的高精度和最后的错误对应于不同初始错误是可以接受的。方法的CPU时间的平均值是0.1秒,显示实时能力。
灵感来自鸟类和昆虫可以改变它们的形状在飞行途中没有时间适应环境,飞机设计师提出的想法变形飞机( 变形飞机罗克韦尔的概念提出以来发展迅速积极灵活的翅膀(AFW)在1985年[ 变形飞机的快速发展,许多研究轨迹优化变形车辆已经完成。Jasa [ 此外,对于常见的轨迹优化、高斯pseudospectral方法是一种流行的方法来解决最优控制问题,已广泛应用于轨迹优化 然而,由于耦合的翼展,空气动力系数,变形飞机在飞行的最佳变形策略变得复杂,和最优轨迹的生成需要很长时间,不能满足网络需求的计算,特别是对高超音速飞行器。
很多参数对飞机的性能有很大的影响,翼展和后掠角等。在本文中,我们关注的翼展。飞机可以通过改变翼展显著改变其性能。例如,通过增加的翼展,飞机可以增加飞机的升力和阻力,因此不同飞机的升阻比和飞机的性能产生很大的影响。通过这种方式,在上升阶段,翼展宽使飞机飞得更高,但可能导致减少的最终速度。相反,减少降低高度,但会增加飞机的翼展最终速度。
在本文中,我们提出了一个变形飞行器轨迹优化战略考虑控制变量包括AOA和翼展。在获得最优离线轨迹,通过AMPI[在线轨迹生成 因为没有必要AMPI方法解决(OCP或NLP,它显示了在生成轨迹效率高。计算AMPI只是包括多项式计算和矩阵乘法。AOA和翼展不断变化,适合多项式拟合。随后,AMPI适用于机载代变形飞机轨迹。
上升阶段的运动描述如下:
阻力和升力可以计算如下:
推力可以计算如下: 因为发动机基本上是一个通气孔,<我nline-formula>
质量比率可以计算如下:
在本节中,我们制定了最优控制问题((OCP)的上升阶段,这样我们可以获得最优轨迹。(OCP由态函数,控制变量,成本函数和约束。态函数是增强限制AOA率和翼展率,从而最大限度地减少上升时间。我们认为很多限制,如动态压力路径角速率,控制变量的最终状态和约束。通过这种方式,我们可以通过高斯pseudospectral方法解决提升轨迹问题。
最优控制问题的上升阶段,我们改变了动态功能为以下形式通过引入攻角和翼展: 因为我们介绍了攻角和翼展态函数,的最优控制问题的维数从5到7增强,以便AOA率和翼展率可以是有限的。值得注意的是,翼展率为执行机构的限制,防止翼展改变太快尤其是在高超音速阶段。
的目标是最小化时间提升阶段: 控制变量的约束如下: 约束的路径如下: 终端约束如下:
自适应多变量pseudospectral插值(AMPI)方法提出了Sagliano等人(2016年 离线数据库生成包含两个操作。第一个操作参数的离散化,第二个操作轨迹的生成数据库。和转换矩阵,用于高密度的低密度轨道轨迹上交谈,也是计算离线。在线轨迹生成包括三个操作,即参考空间定义,低密度多元插值,和高多元插值。
AMPI不会满足数值稳定性问题,因为没有需要解决NLP (OCP。AMPI就是多项式的计算计算和矩阵乘法。
我们定义了一个三维参数空间组成的高度、速度、角度和路径是最重要的国家影响轨迹。然后,我们3向量离散参数空间,在每个维度包含一组参数。可以保证算法的鲁棒性的参数空间。一旦最初的错误是在参数空间中,AMPI不会分道扬镳。
在这篇文章中,在每个维度三个值被认为是初始状态。参数空间是离散如下:
的值描述的初始状态和目标终端状态表 图 路径的角度减少20秒,使高度成为低但速度迅速增加。因此,动态压力变得更高,使引擎在一个更好的工作条件,这可以解释为发动机模型。高度降低,密度和速度的增加,造成质量的下降率。然后,路径的角度增加迅速、工艺提升到更高的高度。约为50秒,路径的角度再次降低,满足最终的高度和最终路径角度约束。因此,质量成为率较低的路径后角降低。
图 时间控制的历史。
农产品协定的
翼展
图 攻角速率和时间历史的翼展。
农产品协定的利率
翼展率
图 时间的历史路径约束。
动压
正常负载
路径角速率
我们认为3值在参数空间的每个维度,
我们需要这三个向量的初始状态。
首先,我们AMPI轨迹生成数据库通过优化策略包含所有定义的情况下参数空间。图 离线数据库。
高度
速度
路径的角度
质量
农产品协定的
翼展
在图 我们认为最初的错误如下: 图 AMPI与积分。
高度
速度
路径的角度
质量
农产品协定的
翼展
充分说明AMPI方法的准确性,实验在不同条件下具有不同初始错误,如表所示 最后的错误AMPI轨迹。
均值的CPU时间AMPI方法需要计算轨迹大约是0.1秒,可满足在线轨迹生成的要求。步骤的数量计算的轨迹生成取决于节点低密度和高密度节点的数量。因为节点的不同初始错误的数量是相同的,和每一个模拟的CPU时间几乎是一样的。你选择的节点数量越多,精度越高,花费时间CPU时间。
为了证明AMPI方法的有效性,人物 AMPI与流量。
高度
速度
路径的角度
质量
农产品协定的
翼展
数量
初始误差的高度,速度和路径的角度
最后错误的高度,速度,和路径的角度
1
(500.0米,30.0米/秒,0.5度)
(100.3米,5.1米/秒,0.0度)
2
(500.0米,30.0米/秒,-0.5度)
(97.4米,6.2米/秒,0.0度)
3
(500.0米,-30.0米/秒,0.5度)
(121.6米,6.2米/秒,0.0度)
4
(500.0米,-30.0米/秒,-0.5度)
(106.0米,6.3米/秒,0.0度)
5
(-500.0米,30.0米/秒,0.5度)
(101.9米,6.6米/秒,0.0度)
6
(-500.0米,30.0米/秒,-0.5度)
(114.8米,6.8米/秒,0.1度)
7
(-500.0米,-30.0米/秒,0.5度)
(127米,7.5 m / s, 0.0度)
8
(-500.0米,-30.0米/秒,-0.5度)
(111.8米,6.2米/秒,0.1度)
本文利用AMPI在线轨迹生成方法没有解决(OCP或NLP变形飞机。仿真结果表明该方法的精度高,和方法的CPU时间显示实时能力。比较AMPI轨迹和流量之间的轨迹证明AMPI方法的有效性。
所使用的图像数据来支持本研究的发现可以从相应的作者。
作者宣称他们没有利益冲突有关的出版。
Changzhu魏是哈尔滨工业大学的副教授;他的研究方向是自动化控制和轨迹优化飞机。Chenxin张是国防科技大学的一名医生;他的研究方向是自动化控制和飞机的动力学建模。Yankun张是哈尔滨工业大学的一名学生;他的研究方向是轨迹优化和指导。
这项研究是由中国国家自然科学基金(批准号61403100)和国防重点学科实验室开放的探索外层空间降落并返回控制技术,哈尔滨工业大学(批准号HIT.KLOF.2013.079)。