硕士开题报告范例完整版.docx

硕士开题报告范例完整版.docx

《硕士开题报告范例完整版.docx》由会员分享，可在线阅读，更多相关《硕士开题报告范例完整版.docx（17页珍藏版）》请在冰豆网上搜索。

硕士开题报告范例完整版

XX大学

攻读硕士学位研究生

课题论证报告

姓名

学号

专业

研究方向

指导教师

2013年12月17日

课题名称：

民机飞行特情状态预测及改出控制研究

选题依据（包括课题的来源、研究目的、必要性和重要性、意义以及国内外研究的技术现状分析）

1.课题来源

2.课题研究意义和目的

2.1课题研究的意义

通过多年的飞行事故统计，可以发现由于民航飞机本身的意外系统故障或者突发外部环境干扰诱发的飞行员操纵失误，进而导致飞机失控的事故占到了总事故的75%，伤亡人数更是占到了伤亡总人数的85%以上。

因此，进行有效的飞机状态短时预测对飞行安全有着很大帮助，主要体现在以下两个方面。

第一，通过针对性地设计改出控制律，提高自动飞行的安全性；第二，可向驾驶员提前预警，以便采取应急措施。

研究民用飞机飞行特情的状态预测及改出特情的飞行控制律设计具有理论意义和工程实用价值。

2.2课题研究的目的：

本课题研究的目的是实现在特殊情况下对飞机状态的预测以及控制。

首先建立飞机动力学仿真模型；在此基础上，对受到特定的外部环境或自身故障影响下的飞机进行飞行状态短时预测。

最后，以飞行安全包线保护为控制目标，实现改出特情状态的飞行控制律设计。

3.国内外研究现状分析

3.1由特情造成的飞机失控事故分析

飞行失控（Loss-of-Control,LOC）是指飞机在可控飞行状态下，由于某种原因进入危险姿态而未能正确改出，以致飞机超出正常飞行包线，从而造成飞行事故，是诱发严重飞行事故和人员伤亡的主要原因[1]。

据国际民用航空组织（ICAO）的统计，在2008年商用喷气飞机事故中，由飞机失控和可控飞行触地引发的事故为39起，占总事故的42.8%，造成人员伤亡2887，占总伤亡人数的61.2%。

这其中，由飞机驾驶员错误判断导致飞行事故占到了42.8%[2]。

事故统计分析此类事故是由以下三种不利因素导致的。

第一，机载设备发生故障；第二，外部环境的恶劣变化和扰动；第三，飞机处于异常飞行状态（如飞机处于不正常高度或者不正常的速度）。

而且尤以前两个因素为主要诱因，占据了飞机失控和可控飞行触地事故起因的90%以上。

随着飞机本身的可控性和可靠性的不断发展，由民航飞机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致飞机事故呈下降趋势，并且飞机在遭遇微下击暴流或低空风切变等大多数特殊情况下，只要机组人员做出正确判断和决策，飞机是具有改出的能力的。

所以大多数事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。

因此，对飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助[3]。

3.2飞行状态预测的手段

鉴于飞机失控对飞行安全的严重威胁，2000年以后，FAA，美国波音公司，NASA兰利研究中心等许多著名的航空研究机构就飞行状态预测，飞行控制策略进行了深入的研究。

就飞行状态预测而言，研究主要针对以下几个问题：

（1）如何建立飞行动力学模型来精确反映飞机运动状态的非线性动力学特性。

以往的飞行动力学模型的理论基础是在飞机平衡点附近，对非线性系统应用一阶Taylor展开,所得结果是原非线性系统在特定平衡点周围的局部近似。

这种方法的缺点主要有两点。

第一,由于采用一阶Taylor展开而带来的舍入误差；第二，在遇到实际微下击暴流或者低空飞切变时，飞机的运动状态已不在该平衡点附近，如果仍基于该线化模型进行控制律设计，其控制效果将远不会达到预期效果，有时甚至会导致飞机的振荡、失控进而导致严重的飞机事故。

（2）采用何种算法进行飞行状态预测。

对于商用民航飞机而言，目前预测失控趋势的手段较为单一，只有基于观测数据的预测方法和基于小扰动线化方程设计自适应预测控制模型。

近年来，为解决飞机运动状态的非线性动力学模型的建立问题，线性变参数（LPV）模型在飞行动力学方面有了很大发展，并已成功应用于固定翼飞机[4]和无人机[5]运动建模。

LPV模型是一类重要的时变系统模型，其状态空间矩阵是实时可测且在闭集上变化的变参数的确定函数。

基于LPV模型的鲁棒变增益控制由于能够在理论上保证系统的全局稳定性和鲁棒性，克服了传统变增益控制的缺点。

由于飞机在要根据不同的改出控制策略以及飞行状态变化而动态更新模型，而LPV模型恰好可以通过一定的调度算法更新系数矩阵，计算获得新的状态。

这种在线修正的特点，恰好可以应用于飞机模型的建立。

在LPV建模的基础上，飞行状态预测可以得到进一步完善[6]。

一种方法是采用状态滤波方法，状态滤波方法是，在LPV模型的基础上，应用推广卡尔曼滤波或无味滤波短时估计失控后的飞行状态变化。

只要有完整气动数据的支持，这种估计方法能在很大程度上逼近实际情况。

另一种模型预测方法是采用无模型的神经网络进行预测。

不过这种预测方式一般需要大量事故的飞行数据的支持和风洞试验数据的支持才能有很好的效果。

3.3改出控制

美国波音公司，NASA兰利研究中心等许多著名的航空研究机构为实现更全面的飞行安全控制策略，提出了基于包线保护策略的飞行安全控制律设计方案。

即在有外部环境干扰（如湍流或者低空飞切变）或者飞机本身的意外系统故障（如单发停车或者飞机舵面卡阻）的情况下，预测飞机飞行状态，并给出飞机控制律或者一组控制序列，使飞机可以在安全状态下（即安全的飞行包线内）实现改出或者降落。

飞行包线综合地描述了一架飞机所能安全飞行的高度与速度范围，反映了气动、推力和结构等因素对飞行范围的限制。

以B737飞机为例，如图1（a）所示，为B737飞机建模数据提供的该机襟翼收起的正常飞行的迎角-侧滑角包线，（b）图所示，为襟翼着陆构型时的包线。

可以看出，一般商用飞机经飞行试验验证的包线只是飞行模拟器上所用包线的子包络，只有在经验证的包线内飞行才是绝对安全的。

包线保护系统通过控制律设计、增加限制器等措施使得飞机能够在包线范围内安全飞行。

目前，包线保护系统已广泛应用在改出风切变飞控设计中[7]。

图1B-737飞机迎角-侧滑角包线

由上述可知，飞行安全的关键就是当飞机状态处于飞行包线边缘，即临界状态时，可以通过飞机自动飞行系统自身或者人为干预使得飞机改出可以危险姿态，避免出现超出飞行包线的发生。

因此要实现基于包线保护系统的飞行安全策略关键包括两个方面：

（1）决定性参数的选取与安全包线的制定。

在不利因素干扰下,飞机的运动参数不断变化。

对于这些特殊飞行状态,将那些对飞行安全性具有决定性作用的参数称为决定性参数。

通常情况下决定性参数会包括:

迎角、过载、表速、滚转角速度等。

（2）在危险状态下的改出控制律设计。

目前，主要有两种设计方法。

一种是基于LPV模型的变增益控制器设计。

基于LPV模型的变增益控制器可以利用有限个设计点（平衡点），自行进行自增益调节，进而完成对飞机状态的控制，并且在所考虑的包线范围内保证一定程度的鲁棒稳定性和鲁棒性能。

第二种方法是基于模型预测控制的控制器设计。

这种设计方法主要包括三个关键步骤：

预测系统未来动态；（数值）求解最优化问题，给出控制律或控制序列；将优化解的第一个元素作用于系统。

模型预测控制在飞行控制方面有着很明显的优势，主要包括两个方面。

一是，显式和主动处理约束；二是，预测模型可以进行在线修正。

本课题针对民航商用飞机，尝试应用滤波方法或神经网络方法对飞机进行状态预测，并对可能存在的失控情况，研究改出危险状态的方法，并以一种新的控制器设计思路-模型预测控制为理论基础，探讨基于此理论进行控制器设计的方法。

课题研究方案

（包括具体的研究目标、研究内容和拟解决的关键问题；拟采取的研究方法、技术路线、实验方案及可行性分析）

1.研究目标、研究内容和拟解决的关键问题

课题的研究目标包括：

从B737的真实的飞行数据入手，建立B737飞机飞行动力学模型，实现飞机短时状态预测和危险状态下的改出控制律设计。

其具体研究内容有：

（1）含一定自动飞行系统的B737飞行动力学模型。

从现有的B737飞机数据和已有的六自由度飞机动力学模型的C++开源代码入手，利用数据系统地构建B737飞机模型。

它主要包括气动力/力矩模型、运动方程模型、起落架力和力矩模型、大气紊流和风模型等关键模型。

飞行系统模型所要完成的功能有:

飞机空气动力学的仿真、实现特定状态下的飞机配平和一定的飞机纵向面的自动飞行任务，（如机翼水平状态下的恒速平飞，机翼水平状态下的稳定爬升等）。

飞行动力学模型将用以支持之后课题的飞行仿真及控制律验证可行性。

（2）飞机状态预测及失控趋势检测。

针对B737飞机模型基于动态配平，和典型的大量事故的飞行数据，建立神经网络。

之后验证神经网络的有效性，在舵面突发扰动的情况下，将B737飞机的实际飞行状态轨迹和经神经网络预测的飞行状态进行比较，观察尤其是会影响飞行安全的决定性参数的变化趋势。

（3）飞机危险状态下的改出控制律设计

当B737飞机在遭遇会引起飞机失控的大气扰动的情况，采用模型预测控制设计改出控制律，按“滚动优化”控制策略设置控制变量。

在飞机动力学模型仿真中，让飞机受到突发扰动时，检验模型预测控制的有效性。

课题拟解决的关键问题包括：

（1）神经网络预测问题

神经网络预测模型般需要大量事故的飞行数据和风洞试验数据的支持。

而且，设计神经网络的隐含层数、神经元个数和传输函数的选取都依赖于经验，并没有成熟的理论支持。

（2）决定性参数的选取

如何选取足够的决定性参数来量化计算飞行安全是设计安全飞行包线的难点。

在不同的飞行状态下，不同的状态变量会对飞机安全有着不同程度的影响，明确哪些状态变量更为重要，有着更为重要的控制优先级。

（3）模型预测控制的模型选取问题。

在改出控制律设计时，动力学模型的选取对模型预测控制的控制效果有着至关重要的影响。

因此，对于动力学模型的选取要十分慎重。

目前优先采用无模型的神经网络进行测试，并根据实际需要修正优化预测模型。

（4）模型预测控制的算法选取问题。

在模型预测控制中，优化算法会直接影响控制律的设计，为了使得飞机状态可以更好更快的达到理想的飞行状态，不同的算法将会根据实际需要进行取舍。

2.拟采取的研究方法、技术路线、实验方案及可行性分析

2.1研究方法与技术路线

飞机空气动力学建模是本课题研究的基础。

在此基础上，研究神经网络预测机制，并分别基于模型预测控制技术完成对飞机改出危险的控制律设计。

研究步骤如图2所示。

图2课题研究步骤

（1）飞机六自由度模型。

基于飞行数据建立的非线性动力学模型通过大量插值运算和局部近似，计算空气动力学系数和发动机推，充分反映了气动力和发动机推力的非线性动态。

对简化非线性模型应进行典型操纵输入试验，分别测试纵向长短周期模态、滚转衰减模态。

通过对比验证，对简化模型进行修正和优化。

（2）飞机的状态预测和控制律设计。

收集部分事故的飞行数据，用以建立基于动态配平的神经网络，进行飞机状态预测。

并在此基础上进行有包线保护约束模型预测控制（MPC），如图3所示。

并将计算所得的控制变量输入到飞行动力学模型中，并基于FlightGear进行可视化输出，验证算法的有效性。

图3单步仿真流程图

2.2研究可行性分析

目前，实验室已获得B737NG飞机的建模的相关数据和部分飞机事故飞行数据和开源的飞行动力学模型JSBSim，并已完成了飞行动力学模型的初步建立，可用于飞行模拟器的飞行实时仿真。

在此基础上，进行特情飞行状态预测和MPC控制律设计完全可行。

研究基础

（包括与本项目有关的研究工作积累和已取得的研究工作成绩；课题研究现有的基础和已具备的实验条件，可能遇到的困难或问题和拟解决的途径和措施等）。

1．研究工作积累和已具备的实验条件

（1）掌握飞行动力学建模所需的相关知识，熟悉神经网络建立的各个环节以及一定的理论基础，初步了解MPC的基础知识和使用方法。

（2）熟练C++相关知识，可以熟练使用MicrosoftVisualStudio2010所提供的开发环境。

（3）掌握基于开源的飞行动力学模型代码（JSBSim）软件，并通过适当修改，使飞机动力学模型符合B737的飞行特征。

2．可能遇到的困难及解决途径

（1）神经网络预测问题

神经网络预测在设计神经网络的隐含层数、神经元个数和传输函数的选取时，大都依赖于经验，并没有成熟的理论支持。

这就需要通过对神经网络进行多次实验测试，并在这些测试过程中不断修正及优化神经网络模型。

（2）决定性参数的选取

由于在不同的飞行状态下，不同的状态变量会对飞机安全有着不同程度的影响。

所以可以通过以往文献确立哪些决定性参数更为关键，并通过实验验证选取这些状态变量为决定性参数的可行性及有效性。

（3）模型预测控制的模型选取问题。

在改出控制律设计时，动力学模型的选取对模型预测控制的控制效果有着至关重要的影响。

因此，对于动力学模型的选取要十分慎重。

目前优先采用无模型的神经网络进行测试，并根据实际需要修正优化预测模型。

（4）模型预测控制的算法选取问题。

在模型预测控制中，优化算法会直接影响控制律的设计，为了使得飞机状态可以更好更快的达到理想的飞行状态，不同的算法将会根据实际需要进行取舍。

研究计划和进度

2013年12月-2014年3月：

建立飞行动力学模型，并验证模型准确性。

2014年3月-2014年6月：

完成基于飞行事故数据的神经网络预测，并根据实际仿真情况验证其有效性。

2014年6月-2014年10月：

完成基于模型预测控制的控制律设计。

2013年10月-2014年12月：

完成毕业论文。

研究经费预算与来源（含支持本课题的项目编号）

参考文献

[1]伍开元.飞行技术与航空安全研究[M].成都:

四川科学技术出版社,2006.11.17.

[2]StatisticalSummaryofCommercialJetAirplaneAccidents,WorldwideOperations,1959-2008,BoeingCommercialAirplanes,July2009.

[3]TheBoeingCompany.StatisticalSummaryofCommercialJetAirplaneAccidentsWorldwideOperations1959-2011.

[4]AndresMarcos,GaryJBalas.DevelopmentofLinearParameterVaryingModelsforAircraft.JournalofGuidance,Control,andDynamics,2004,27

（2）:

218-228.

[5]宗群，吉月辉，窦立谦等.无人机侧向系统LPV模型降阶.控制与决策，2010，25（6）:

948-952.

[6]ShinJY.Worst-caseanalysisandlinearparametervaryinggainscheduledcontrolofaerospacesystems[D].UniversityofMinnesota,2000.

[7]AtillaDogan.GuidanceStrategiesforMicroburstEscape.Ph.DDissertationofUniversityofMichigan,2000.

[8]LingMa,YouminZhang.FaultDetectionandDiagnosisforGTMUAVwithDualUnscentedKalmanFilter.In:

AIAAGuidance,NavigationandControlConference,2010,1-12.

[9]YavrucukI.Adaptivelimitmargindetectionandlimitavoidance[M].2003.

[10]葛志浩,徐浩军,孟捷.飞行失控的向量空间建模与应用研究[J].飞行力学,2008,26（3）:

18-21.

[11]RobertAR,JamesEW,WilliamG.DynamicsModelingandSimulationofLargeTransportAirplanesinUpsetConditions[R].AIAA20055933,2005.

[12]JamesEW,JohnVF.DefiningCommercialTransportLossofControlAQuantitativeApproach[R].AIAA20044811,2004.

[13]TulvioSDurand,RichardJWasicko.AnAnalysisofCarrierLanding[R].AIAA65-791,1965,p1～p341

[14]JMUrnes,RKHess,RFMoomaw,RKHuff.H-DotAutomaticCarrierLandingSystemforApproachControlinTurbulence[R]1AIAA79-1772R,1981,Vol.4,p177～p1831

[15]EduardoCamponogara,DongJia,BruceH.Krogh,andSaroshTalukdar.DistributedModelPredictiveControl[J].IEEEControlSystemsMagazine1

[16]JasminFPatry.ModelPredictiveControlDesignwithProcessConstraintsandImplicitEconomicCriteria[J]1IEEEInstrumentationandMeasurement1

[17]BeiHuandArnoLinnemann.TowardInfinite-HorizonOptimalityinNonlinearModelPredictiveControl[J]1IEEETransactionsonAutomaticControl,vol.47,NO.4,APRIL20021

[18]席裕庚.预测控制.北京:

国防工业出版社,1996

[19]王树青.先进控制技术及应用.北京:

化学工业出版社,2001

[20]肖顺达.飞行自动控制系统（上、下册）[M].北京:

国防工业出版社,19801

[21]飞机飞行品质分析[S].中华人民共和国航空工业部,19831

[22]Isidori,A.,NonlinearControlSystems:

AnIntroduction,Vol.72,LectureNotesinControlandInformationScience,Springer-Verlag,Berlin,1985

[23]Tahk,M.,Briggs,M.M.,andMenon,P.K.A.,"ApplicationsofPlantInversionviaStateFeedbacktoMissileAutopilotDesign,"Proceedingsofthe27thIEEEConferenceonDecisionandControl（Austin,TX）,Dec.1988,pp.730-735..

[24]Desoer,C.A.,andWang,Y.-T.,"FoundationsofFeedbackTheoryforNonlinearDynamicalSystems,"IEEETransactionsonCircuitsandSystems,Vol.CAS-27,No.2,Feb.1980,pp.104-123.

[25]Reichert,R.,"ModernRobustControlforMissileAutopilotDesign,"ProceedingsoftheAmericanControlConference（SanDiego,CA）,June1990,pp.2368-2373.

[26]Shamma,J.S.,andAthans,M.,"GuaranteedPropertiesofGainScheduledControlofLinearParameter-VaryingPlants,"Automatica,Vol.27,No.3,May1991,pp.559-565.

[27]Shahruz,S.M.,andBehtash,S.,"DesignofControllersforLinearParameterVaryingSystemsbytheGainSchedulingTechnique,"BerkeleyEngineeringResearchInst.,MemorandumBERIM90/1,Univ.ofCalifornia,Berkeley,CA,Jan.1990.

[28]Shamma,J.S.,andAthans,M.,"GainScheduling:

PotentialHazardsandPossibleRemedies,"IEEEControlSystemsMagazine,June1992.HDesoer,C.A.,andVidyasagar,M.,FeedbackSystems:

Input-OutputProperties,Academic,NewYork,1975

[29]肖业伦,金长江.大气扰动中的飞行原理[M].北京:

国防工业出版社,1993.

文献综述（不少于6千字）

一、概述

飞机失控是民用运输机失事的主要原因之一。

导致飞机失控的原因有多种多样，诱因主要体现在以下三个方面。

第一，机载设备发生故障；第二，外部环境的恶劣变化和扰动；第三，飞机处于异常飞行状态（如飞机处于不正常高度或者不正常的速度）。

随着飞机本身的可控性和可靠性的不断发展，由民航飞机本身的意外系统故障或者突发外部环境干扰直接造成飞机失控进而导致飞机事故呈下降趋势，并且飞机在遭遇微下击暴流或低空风切变等大多数特殊情况下，只要机组人员做出正确判断和决策，飞机是具有改出的能力的。

所以大多数事故是由在特情下对飞机错误操作导致飞机振荡、失控而产生的。

因此，对飞机状态进行短时预测和改出控制律设计对飞行安全是有着很大帮助。

本课题研究的目的是实现在特殊情况下对飞机状态的预测以及控制。

首先建立飞机动力学仿真模型；然后基于模型的基础上，对受到特定的外部环境或自身故障影响下的飞机进行状态预测。

最后，以包线保护为控制目标，实现飞机安全飞行的目的。

二、飞机事故分析

随着飞机安全性水平的提高，