直升机旋翼负载模拟计算机控制系统研制

《直升机旋翼负载模拟计算机控制系统研制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西北工业大学顿十:学位论文第一帝绪论第一章绪论'1.1选题的意义及必要性航空工程的铁鸟试验台加载系统是模拟飞机在飞行过程，卜舵面所受空气动力的加载装置。其功能是在实验室条件下复现飞机的舵面在空，}，所受的各利，载荷，从而检测其操纵系统、液压系统的技术性能指标，将全实物试验转化为实验室条件下的验证性研究以达到缩短研制周期、节约研究经费、提高可靠性和成功率的口的。为此研制了不同的加载装置。加载伺服系统中由于电液力伺服系统具有结构紧凑，容易获得各种加载特性，调整控制方便以及便于进一步自动化等一系列优势，因而加载铁鸟试验台土首选的加载系统是电液力伺服系统。它能模拟飞

2、行器在飞行过程中各舵面、螺旋桨等机构所受空气动力或力矩，其功能是在复现飞行器在空中所受的各种载荷。鉴于电液伺服加载系统在仿真实验中的重要性和研制复杂度，现阶段加载系统在设计和工程实践中还有许多尚待探讨并待以完善的问题，其中多余力是被动式加载系统，}，的主要控制指标，因此如何有效的抑制多余力是被动式加载系统的主要任务。'1.2直升机旋翼加载系统的特点飞机气动载荷模拟具有关联性强、实时性姿求高、以及加载力和加载力梯度大等特点。直升机旋翼气动载荷还具有频率高、桨叶载荷之间相位协调的特点。要保证系统稳定的前提下，实现对舵面载荷谱的点点跟踪加载，而且操纵系统的加载受到

3、位置系统的干扰，会产生多余力，如果不减小，往往小的位移阶跃会引起相‘，’l大的多余力。鉴于以上特点，采用以计算机为核心的加载控制系统，设计复合控制器，从软件方面消除多余力。引用结构不变性原理，通过对加载对象运动的速度及加速度信号进行前馈补偿来减小多余力:辅助同步补偿，在加载系统中增加两北工业大学顽1L学位论文第一章绪论个位置补偿环节、将承载对象的输出信号引到力函数发生器，产生加载系统所需的指令信号、同时承载对象的输入指令信号引-T7加载系统，使得加载作动筒土动与承载对象一起运动，达到消除多余力的目的。'E.3技术难点与技术关键概述负载干扰、外干扰、交叉祸合是

4、直升机加载系统设计的难点。直升机旋翼气动载荷模拟加载系统是三通道加载系统，单通道受三个位置系统运动千扰，兼具了负载千扰、外千扰、交义藕合等各方面难点。根据直升机旋翼载荷谱特点、精度要求和技术要求，该项任务的主要技术难点与技术关键可妇纳成以下几点:1、由子载荷谱中交变动载荷的频率较高(对主桨旋翼f之乃.5角，对9-桨旋翼几?107Hz)，在系统设计、结构布局时必须首先考虑有利于展宽系统的M宽a1如选用频带宽的伺服阀、尽量减小容腔，增大传动刚度等，一些减小多余力的措施也应在统筹兼顾频宽豹条件下谨慎的来选取。伺服油缸应按超低摩擦的伺服油缸的要求设计生产或选购。2,

5、由于在助力器2Hz运动加载对，多余力要达刹指标的要求。因此必须莱取有效的补偿校正措施Y除了常用的速度补偿措施外，像预开口、缓冲等方法均不宜采用，因为这些措施会影响系统的频宽。根据本课题的实际情况可采J19加载油缸与助力器同步运动的方法来减小多余力，其思路是通过状态估计取得助力器运动的状态变髦，然后利用这些状态变量来驱动加载油缸，使其跟踪助力器的运动，进行位置同步补偿。3,由于所要求加载力的频率较高，主桨助力器动作有严格的协调关系。所以主控信号的给出、输出信号的采集及数字控制规律的计算等要求在极短的时间内完成，采样周期必须在。.5m以内:另一方面为了方便操作人

6、员的使用维护，试验前的状态选择、参数设定，试验中豹数据显示、记录，以及试验后结果的处理、要求人机界面友好等，因而选择由上、一厂位机的分布式测控系统是有必要的。西北1业大学硕十学位论文第一草绪论4.针对上面所述系统的技术难点，在设计系统时要综合考虑各方面的因素，从软件、硬件以及液压系统等方面对系统进行优化设计，在保证系统各项性能指标的前提下，使加载系统能安全可靠的运行。'1.4电液伺服加载系统的研究发展现状电液伺服系统结合了微电子、信息技术与液压伺服技术的长处，有其突出的优点，因此在重载高响应的工业系统中用得特别广泛。近十多年来，由于科技的不断发展，对本系统的

7、工作性能要求亦不断提高。科研工作者提出了各种不同的控制系统及相应的算法。由于电液伺服系统是非线性时变的复杂系统，日前用得较多的是模型参考自适应控制，近年来提出的智能自适应控制策略具有重要优点，在这方面，主要的方式是采用模糊自适应控制与神经网络自适应控制两大类。北京农大、北京理工大学、燕山大学、浙江大学等都对模型参考自适应控制(MRAC)做了大量工作，对模型的简化提出了一些方法:德阿亨大学、英勃列斯托尔大学、上海交通大学、日本上智大学等对具有在线辨识一类自适应控制提出了很多方法:在自适应控制中引入智能控制技术，当前用得较成功的是模糊控制及神经网络与自适应控制相

8、结合的系统，这方面台湾成功大学、加拿大萨斯卡特切文大