学位论文 > 优秀研究生学位论文题录展示

嵌入式大气数据传感系统及其算法研究

作　者: 郑成军
导　师: 陆宇平
学　校: 南京航空航天大学
专　业: 制导与控制
关键词: 嵌入式大气数据传感系统迎角侧滑角广义逆矩阵 BP网络马赫数
分类号: TP212.9
类　型: 硕士论文
年　份: 2005年
下　载: 271次
引　用: 4次
阅　读: 论文下载

内容摘要

嵌入式大气数据传感(Flush Airdata Sensing, FADS)系统是一种依靠嵌入在飞行器前端的压力传感器阵列来测量飞行器表面的压力分布,并由此压力分布间接获得飞行参数的飞行数据传感系统。与传统的基于空速管的大气数据传感系统相比,FADS系统在精度、可靠性、适应范围上都具有更大的优势。飞行器表面的压力分布是大气数据(迎角、侧滑角、动压、静压)的非线性函数,这个函数主要可以从空气动力学模型得到。通过对该数学模型的求解,可以解出大气数据。在求解之后,还需要进行校正。一般是先通过三点法求解当地迎角和当地侧滑角,然后用迭代算法求解动压和静压,最后采用多项式拟合的方法进行校正。这种方法包括迭代运算,运算速度较慢,而且收敛性的分析很困难。用多项式拟合的方法进行的迎角和侧滑角的校正精度较高,但是对于形压系数的校正拟合效果不能令人满意,影响校正的精度。同时多项式拟合实际上包括过多的系数(因为每个系数都是马赫数的函数),校正工作极其繁琐。针对上述不足之处,论文的后半部分提出了关于FADS系统的改进算法。其中包括:1.应用最小二乘法,对马赫数的泰勒求解公式进行优化,优化后的求解公式采用5次多项式即可在精度上优于原有的9次多项式,可以提高运算速度;2.提出应用广义逆矩阵简化非线性方程组:在已经求解出迎角与侧滑角的前提下,直接从原始的压力向量中提取出总压,并且提出了动压修正比的概念。总压、动压修正比,与迎角和侧滑角一起,包括了计算动压和静压的足够信息,并且在求解精度上是原始方程组的最小二乘解。这样后续计算不再依赖原始的压力向量,简化了计算;3.提出改进的迭代算法求解动压、静压和马赫数:改进的迭代算法只有一个迭代变量,有利于分析迭代算法的收敛性,并且提高运算速度;4.提出应用BP网络求解动压和静压以及进行校正:由于训练是飞行前进行的,因此对实时性没有影响。相反,BP网络避免了迭代运算,大大的提高了运算速度和可靠性。另外,应用BP网络进行校正具有较高的拟合精度和可靠性;5.提出了一套完整的FADS系统的BP网络算法:该算法首先应用三点法求取

全文目录

第1章绪论  17-22
  1.1 研究背景  17-19
  1.2 选题依据  19-20
  1.3 研究内容  20-22
第2章 FADS 系统基本原理  22-36
  2.1 传统的大气数据测量方法  22-28
    2.1.1 基本的大气数据  22
    2.1.2 空速管  22-24
    2.1.3 迎角传感器和侧滑角传感器  24-27
    2.1.4 大气数据计算机  27-28
  2.2 多传感器技术和FADS 系统简介  28-30
    2.2.1 多传感器技术  28-29
    2.2.2 FADS 系统简介  29-30
  2.3 系统组成与工作过程  30-36
    2.3.1 压力传感器  30-32
    2.3.2 五孔探针和七孔探针  32-33
    2.3.3 压力传感器布局  33-34
    2.3.4 工作过程  34
    2.3.5 主要测试  34-36
第3章 FADS 的空气动力学模型  36-45
  3.1 FADS 压力模型的推导  36-37
  3.2 FADS 的完整的空气动力学模型  37-40
  3.3 其他确定FADS 压力分布模型的方法  40-45
    3.3.1 应用计算流体动力学软件计算压力分布  40-43
    3.3.2 风洞试验测量压力分布  43
    3.3.3 飞行实验测量压力分布  43-45
第4章 FADS 系统的求解与校正算法  45-59
  4.1 三点法求解迎角与侧滑角  45-47
    4.1.1 求解迎角  46
    4.1.2 求解侧滑角  46-47
  4.2 求解动、静压和形压系数  47-48
  4.3 关于马赫数的求解  48-50
  4.4 校正算法  50-59
第5章 FADS 系统算法的改进  59-94
  5.1 应用广义逆矩阵简化方程组  59-64
    5.1.1 Moore－Penrose 广义逆矩阵简介  59
    5.1.2 基于广义逆矩阵简化方程组  59-61
    5.1.3 容错处理  61-62
    5.1.4 动压修正比  62-64
  5.2 改进的迭代算法求解动、静压和形压系数  64-67
    5.2.1 改进的迭代算法  64-65
    5.2.2 改进迭代算法收敛性分析  65-66
    5.2.3 改进迭代算法的数值计算验证  66-67
  5.3 BP 神经网络  67-75
    5.3.1 BP 网络简介  67-69
    5.3.2 BP 网络进行函数逼近  69-70
    5.3.3 BP 算法的学习过程  70-75
  5.4 用BP 网络求解动、静压等数据  75-79
    5.4.1 设计BP 网络求解动、静压  75-76
    5.4.2 训练BP 网络  76-77
    5.4.3 用BP 网络求解动、静压等数据的算法简单分析  77
    5.4.4 用BP 网络求解动、静压等数据的数值验证  77-79
  5.5 基于BP 网络的校正算法  79-83
    5.5.1 应用BP 网络进行非线性校正简介  79
    5.5.2 原有FADS 系统的校正算法的不足之处  79
    5.5.3 应用BP 网络进行校正  79-81
    5.5.4 FADS 系统的BP 网络校正方法的数值计算结果  81-83
  5.6 FADS 系统的BP 神经网络算法  83-94
    5.6.1 传感器系统及其神经网络学习算法的应用  83-84
    5.6.2 人工神经网络解决FADS 系统的一些问题的简介  84-85
    5.6.3 已有的FADS 系统的两种BP 网络算法  85-87
    5.6.4 基于广义逆的FADS 系统的BP 网络算法基本结构  87-88
    5.6.5 马赫数求解模块  88-90
    5.6.6 其他模块简介  90-91
    5.6.7 数值计算结果与讨论  91-94
第6章与惯性导航系统相结合  94-97
  6.1 惯性导航系统  94
  6.2 与惯性导航系统的结合  94-97
第7章结论  97-100
  7.1 课题研究中的创造性工作  97-98
  7.2 存在的一些问题  98-99
  7.3 进一步的设想与展望  99-100
参考文献  100-103
致谢  103-104
攻读硕士学位期间发表的学术论文  104

嵌入式大气数据传感系统及其算法研究

内容摘要

全文目录

相似论文