摘要 本文主要研究涵道风扇垂直起降 (VTOL) 无人机 (UAV) 的过渡控制。为了实现从悬停到高速飞行的稳定过渡,提出了一种基于神经网络的控制器来学习系统动态并补偿飞机动态和所需动态性能之间的跟踪误差。首先,我们推导了飞机全包络动力学的非线性系统模型。然后,我们提出了一种基于神经网络的新型控制方案并将其应用于欠驱动飞机系统。所提出的控制器的主要特征包括投影算子、状态预测器和动态形成的自适应输入。证明并保证在整个神经网络学习过程中,状态预测器和神经网络权重的跟踪误差都有上限。高度自适应的输入形成动态结构,有助于实现所提出的控制器可靠的快速收敛性能,尤其是在高频扰动条件下。从而使飞行器的闭环系统能够以期望的动态性能跟踪一定的轨迹,仿真和实飞试验均取得了满意的结果,完成了设计的飞行路线。
摘要 — 过去几十年空中交通量的增加及其预测对实现碳中和增长目标构成了关键挑战。为了实现这一社会目标,需要采用具有低环境影响的新技术的颠覆性航空运输飞机概念。这种未来的飞行器依赖于系统、学科和组件之间的各种相互作用。因此,本博士研究的重点是开发一种方法,该方法致力于使用创新推进概念探索和评估非常规配置的性能。要考虑的用例是混合翼身与分布式电力推进的概念级优化,这是一个很有前途的概念,结合了高气动性能和电力推进的优势。
为了减少二氧化碳排放,必须考虑一种颠覆性的飞机推进概念。如过去几年所研究的那样,混合分布式电力推进是一种很有前途的选择。在这项工作中,我们研究了使用这项技术的新概念飞机的可行性。我们使用了两种不同的能源:燃料发动机和电池。之所以选择后者,是因为它们在操作过程中具有灵活性,并且在未来几年内有望得到改善。本研究考虑的技术前景是 2035 年:因此我们对电气元件、机身和推进系统做出了一些关键假设。由于这些数据存在不确定性,因此我们进行了敏感性分析,以评估技术变化的影响。为了评估所提出概念的优势,我们将其与基于当今技术(机身、推进系统、空气动力学)发展的传统飞机(EIS 2035)进行了比较。