当前位置: 首页 > news >正文

【飞机纵向动力学建模与分析】

飞机纵向动力学建模与分析


文章目录

  • 飞机纵向动力学建模与分析
  • 前言
  • 坐标系定义及转换
    • 机体坐标系定义
    • 机体坐标系定义
    • 气流角定义
    • 气流坐标系与机体坐标系相互转化
  • 纵向动力学方程建立
    • 力的分解
    • 动力学方程的建立
    • 纵向动力学方程
    • 纵向动力学方程状态空间表达形式
    • 纵向运动分析
    • 短周期简化处理
    • 长周期简化处理
  • 附录


前言

主要描述了飞机纵向动力学方程的建立,对影响纵向的短周期和长周期的模态特性进行分析,同时也对纵向短周期和长周期进行简化处理并分别分析影响的特性,给出舵偏角的偏转和发动机的干扰对飞机纵向的特性影响。本文也给出了机体坐标系和气流坐标系详细介绍,并写出了两者之间互相转换的矩阵,同时文末附上了MATLAB求转换矩阵的代码


坐标系定义及转换

机体坐标系定义

  • 固定在飞机机体上的坐标系,其原点位于飞机的重心位置。 x x x轴沿机身纵轴,指向飞机头部方向; y y y 轴垂直于机身纵轴,与 x x x 轴垂直,向上为正; z z z 轴与 x x x y y y 轴构成右手坐标系。主要用于描述飞机自身姿态的变化,如飞机的俯仰(绕 y y y轴旋转)、滚转(绕 x x x轴旋转)和偏航(绕 z z z轴旋转)运动。

在这里插入图片描述

机体坐标系定义

  • 该坐标系的方向是由飞机相对于周围气流的运动方向决定的。 x a {{x}_{a}} xa轴与飞机相对气流速度矢量方向一致,指向飞机前方; y a {{y}_{a}} ya轴垂直于 x a {{x}_{a}} xa轴,在飞机对称平面内,向上为正; z a {{z}_{a}} za轴与 x a {{x}_{a}} xa y a {{y}_{a}} ya轴构成右手坐标系,指向飞机右翼方向。在研究飞机的空气动力学性能方面非常重要。例如,飞机的升力、阻力和侧力等气动力是在气流坐标系中定义和测量的。

在这里插入图片描述

气流角定义

  • 迎角 α \alpha α :迎角也称攻角(Angle of Attack ,AOA)是飞机飞行速度矢量 在飞机对称面的投影与 轴的夹角,以速度矢量投影在 轴下为正。
  • 侧滑角 β \beta β:是飞机飞行速度矢量 与飞机对称面的夹角,以速度矢量在对称面右侧为正。

气流坐标系与机体坐标系相互转化

  • 气流坐标系可通过旋转一个侧滑角 β \beta β和一个迎角 α \alpha α 可以旋转到机体坐标系
    (1)从机体坐标系 o x y z oxyz oxyz转动迎角到 o x 1 y 1 z 1 o{{x}_{1}}{{y}_{1}}{{z}_{1}} ox1y1z1坐标系

[ x 1 y 1 z 1 ] = [ cos ⁡ α 0 sin ⁡ α 0 1 0 − sin ⁡ α 0 cos ⁡ α ] [ x y z ] \left[ \begin{matrix} {{x}_{1}} \\ {{y}_{1}} \\ {{z}_{1}} \\ \end{matrix} \right]=\left[ \begin{matrix} \cos \alpha & 0 & \sin \alpha \\ 0 & 1 & 0 \\ -\sin \alpha & 0 & \cos \alpha \\ \end{matrix} \right]\left[ \begin{matrix} x \\ y \\ z \\ \end{matrix} \right] x1y1z1 = cosα0sinα010sinα0cosα xyz

  • (2)从机体坐标系 o x 1 y 1 z 1 o{{x}_{1}}{{y}_{1}}{{z}_{1}} ox1y1z1转动侧滑角到 o x a y a z a o{{x}_{a}}{{y}_{a}}{{z}_{a}} oxayaza坐标系

[ x a y a z a ] = [ cos ⁡ β sin ⁡ β 0 − sin ⁡ β cos ⁡ β 0 0 0 1 ] [ x 1 y 1 z 1 ] \left[ \begin{matrix} {{x}_{a}} \\ {{y}_{a}} \\ {{z}_{a}} \\ \end{matrix} \right]=\left[ \begin{matrix} \cos \beta & \sin \beta & 0 \\ -\sin \beta & \cos \beta & 0 \\ 0 & 0 & 1 \\ \end{matrix} \right]\left[ \begin{matrix} {{x}_{1}} \\ {{y}_{1}} \\ {{z}_{1}} \\ \end{matrix} \right] xayaza = cosβsinβ0sinβcosβ0001 x1y1z1

  • 从机体坐标系 o x y z oxyz oxyz转动到气流坐标系 o x a y a z a o{{x}_{a}}{{y}_{a}}{{z}_{a}} oxayaza转化矩阵;

E = [ cos ⁡ α cos ⁡ β sin ⁡ β sin ⁡ α cos ⁡ β − cos ⁡ α sin ⁡ β cos ⁡ β − sin ⁡ α sin ⁡ β − sin ⁡ α 0 cos ⁡ α ] E=\left[ \begin{matrix} \cos \alpha \cos \beta & \sin \beta & \sin \alpha \cos \beta \\ -\cos \alpha \sin \beta & \cos \beta & -\sin \alpha \sin \beta \\ -\sin \alpha & 0 & \cos \alpha \\ \end{matrix} \right] E= cosαcosβcosαsinβsinαsinβcosβ0sinαcosβsinαsinβcosα

从气流坐标系 o x a y a z a o{{x}_{a}}{{y}_{a}}{{z}_{a}} oxayaza转化到机体坐标系 o x y z oxyz oxyz,对 E E E求逆矩阵即可;
E − 1 = [ cos ⁡ α cos ⁡ β c o s 2 α c o s 2 β + + c o s 2 α s i n 2 β + c o s 2 β s i n 2 α + + s i n 2 α s i n 2 β − cos α sin β c o s 2 α c o s 2 β + c o s 2 α s i n 2 β + c o s 2 β s i n 2 α + s i n 2 α s i n 2 β − sin α c o s 2 α + s i n 2 α sin α c o s 2 α + s i n 2 β cos ⁡ α c o s 2 β + s i n 2 α 0 cos β sin α c o s 2 α c o s 2 β + c o s 2 α s i n 2 β + c o s 2 β s i n 2 α + s i n 2 α ∗ s i n 2 β − sin α sin β c o s 2 α c o s 2 β + c o s 2 α s i n 2 β + c o s 2 β s i n 2 α + s i n 2 α s i n 2 β c o s α c o s 2 α + s i n 2 α ] {{E}^{-1}}=\left[ \begin{matrix} \frac{\cos \alpha \cos \beta }{co{{s}^{2}}\alpha co{{s}^{2}}\beta ++co{{s}^{2}}\alpha si{{n}^{2}}\beta +co{{s}^{2}}\beta si{{n}^{2}}\alpha ++si{{n}^{2}}\alpha si{{n}^{2}}\beta } & \frac{-\text{cos}\alpha \text{sin}\beta }{co{{s}^{2}}\alpha co{{s}^{2}}\beta +co{{s}^{2}}\alpha si{{n}^{2}}\beta +co{{s}^{2}}\beta si{{n}^{2}}\alpha +si{{n}^{2}}\alpha si{{n}^{2}}\beta } & \frac{-\text{sin}\alpha }{co{{s}^{2}}\alpha +si{{n}^{2}}\alpha } \\ \frac{\text{sin}\alpha }{co{{s}^{2}}\alpha +si{{n}^{2}}\beta } & \frac{\cos \alpha }{co{{s}^{2}}\beta +si{{n}^{2}}\alpha } & 0 \\ \frac{\text{cos}\beta \text{sin}\alpha }{co{{s}^{2}}\alpha co{{s}^{2}}\beta +co{{s}^{2}}\alpha si{{n}^{2}}\beta +co{{s}^{2}}\beta si{{n}^{2}}\alpha +si{{n}^{2}}\alpha *si{{n}^{2}}\beta } & \frac{-\text{sin}\alpha \text{sin}\beta }{co{{s}^{2}}\alpha co{{s}^{2}}\beta +co{{s}^{2}}\alpha si{{n}^{2}}\beta +co{{s}^{2}}\beta si{{n}^{2}}\alpha +si{{n}^{2}}\alpha si{{n}^{2}}\beta } & \frac{cos\alpha }{co{{s}^{2}}\alpha +si{{n}^{2}}\alpha } \\ \end{matrix} \right] E1= cos2αcos2β++cos2αsin2β+cos2βsin2α++sin2αsin2βcosαcosβcos2α+sin2βsinαcos2αcos2β+cos2αsin2β+cos2βsin2α+sin2αsin2βcosβsinαcos2αcos2β+cos2αsin2β+cos2βsin2α+sin2αsin2βcosαsinβcos2β+sin2αcosαcos2αcos2β+cos2αsin2β+cos2βsin2α+sin2αsin2βsinαsinβcos2α+sin2αsinα0cos2α+sin2αcosα

  • 求逆矩阵附录内已附上MATLAB代码

纵向动力学方程建立

力的分解

对于飞机纵向运动,主要考虑总气动作用力、推力和重力,由力分解可知;

F B ≡ F BA + F BT + F BG [ F x F y F z ] = [ F x A F y A F z A ] + [ T x T y T z ] + [ G x G y G z ] \begin{matrix} {{F}_{\text{B}}}\equiv {{F}_{\text{BA}}}+{{F}_{\text{BT}}}+{{F}_{\text{BG}}} \\ \left[ \begin{matrix} {{F}_{x}} \\ {{F}_{y}} \\ {{F}_{z}} \\ \end{matrix} \right]=\left[ \begin{matrix} {{F}_{x\text{A}}} \\ {{F}_{y\text{A}}} \\ {{F}_{z\text{A}}} \\ \end{matrix} \right]+\left[ \begin{matrix} {{T}_{x}} \\ {{T}_{y}} \\ {{T}_{z}} \\ \end{matrix} \right]+\left[ \begin{matrix} {{G}_{x}} \\ {{G}_{y}} \\ {{G}_{z}} \\ \end{matrix} \right] \\ \end{matrix} FBFBA+FBT+FBG FxFyFz = FxAFyAFzA + TxTyTz + GxGyGz

F B F BA F BT F BG {{F}_{\text{B}}}{{F}_{\text{BA}}}{{F}_{\text{BT}}}{{F}_{\text{BG}}} FBFBAFBTFBG分别为定义在机体坐标轴系上的总作用力、气动力、推力和重力

M B = M BA + M BT [ L M N ] = [ L A M A N A ] + [ L T M T N T ] \begin{matrix} {{M}_{\text{B}}}={{M}_{\text{BA}}}+{{M}_{\text{BT}}} \\ \left[ \begin{matrix} L \\ M \\ N \\ \end{matrix} \right]=\left[ \begin{matrix} {{L}_{A}} \\ {{M}_{A}} \\ {{N}_{A}} \\ \end{matrix} \right]+\left[ \begin{matrix} {{L}_{T}} \\ {{M}_{T}} \\ {{N}_{_{T}}} \\ \end{matrix} \right] \\ \end{matrix} MB=MBA+MBT LMN = LAMANA + LTMTNT

M B M BA M BT {{M}_{\text{B}}}{{M}_{\text{BA}}}{{M}_{\text{BT}}} MBMBAMBT分别为定义在机体坐标轴系上的总作用力矩、气动力矩和推力力矩

V B = S α β T V W [ u v w ] = S α β T [ V 0 0 ] = [ V cos ⁡ α cos ⁡ β V sin ⁡ β V sin ⁡ α cos ⁡ β ] \begin{matrix} {{V}_{\text{B}}}=\mathbf{S}_{\alpha \beta }^{\text{T}}{{V}_{\text{W}}} \\ \left[ \begin{matrix} u \\ v \\ w \\ \end{matrix} \right]=\mathbf{S}_{\alpha \beta }^{\text{T}}\left[ \begin{matrix} V \\ 0 \\ 0 \\ \end{matrix} \right]=\left[ \begin{matrix} V\cos \alpha \cos \beta \\ V\sin \beta \\ V\sin \alpha \cos \beta \\ \end{matrix} \right] \\ \end{matrix} VB=SαβTVW uvw =SαβT V00 = VcosαcosβVsinβVsinαcosβ

V B {{V}_{\text{B}}} VB为定义在机体坐标轴系上的速度, v , u , w v,u,w v,u,w在机体轴 x y z xyz xyz轴上速度分量

动力学方程的建立

飞机在外合力作用下的线运动方程如下, m m m飞机质量, V V V为为飞机速度

∑ F = d d t ( m V ) \sum{F}=\frac{\text{d}}{\text{d}t}(mV) F=dtd(mV)

飞机在外合力作用下的角运动方程如下, L L L为动量矩

∑ M = d d t ( L ) \sum{M}=\frac{\text{d}}{\text{d}t}(L) M=dtd(L)

机体系三轴方向上力 X = F x Y = F y Z = F z X={{F}_{x}}\quad Y={{F}_{y}}\quad Z={{F}_{z}} X=FxY=FyZ=Fz为机体三轴上力, X u = ∂ F x ∂ u {{X}_{u}}=\frac{\partial {{F}_{x}}}{\partial u} Xu=uFx为气动导数,线运动方程和角运动方程其实质是牛顿第二定律力与加速度的关系

纵向动力学方程

飞机在纵向稳态状态下无滚转,即飞机无非对称运动(侧力、偏航力矩、滚转力矩为零),其侧滑角、副翼、方向舵偏角为零,其动力学方程为;

{ m u ˙ = X u u + X w w − m g cos θ 0 + Δ X c m ( w ˙ − q U 0 ) = Z u u + Z w w + Z w ˙ w ˙ + Z q q − m g sin θ 0 + Δ Z c I y y q ˙ = M u u + M w w + M w ˙ w ˙ + M q q + Δ M c \left\{ \begin{matrix} m\dot{u}={{X}_{u}}u+{{X}_{w}}w-mg\text{cos}{{\theta }_{0}}+\Delta {{X}_{c}} \\ m(\dot{w}-q{{U}_{0}})={{Z}_{u}}u+{{Z}_{w}}w+{{Z}_{{\dot{w}}}}\dot{w}+{{Z}_{q}}q-mg\text{sin}{{\theta }_{0}}+\Delta {{Z}_{c}} \\ {{I}_{yy}}\dot{q}={{M}_{u}}u+{{M}_{w}}w+{{M}_{{\dot{w}}}}\dot{w}+{{M}_{q}}q+\Delta {{M}_{c}} \\ \end{matrix} \right. mu˙=Xuu+Xwwmgcosθ0+ΔXcm(w˙qU0)=Zuu+Zww+Zw˙w˙+Zqqmgsinθ0+ΔZcIyyq˙=Muu+Mww+Mw˙w˙+Mqq+ΔMc

当无滚转或偏航时,可知 θ ˙ = q \dot{\theta }=q θ˙=q对于 m u ˙ = X u u + X w w − m g cos θ 0 + Δ X c m\dot{u}={{X}_{u}}u+{{X}_{w}}w-mg\text{cos}{{\theta }_{0}}+\Delta {{X}_{c}} mu˙=Xuu+Xwwmgcosθ0+ΔXc F x = X u u + X w w {{F}_{x}}={{X}_{u}}u+{{X}_{w}}w Fx=Xuu+Xww Δ X c \Delta {{X}_{c}} ΔXc为可操控舵面或者发动机的推力产生的力由于执行机构的偏转或增加减小推力而导致的力变化,使用处理小扰动的方法线性化处理这些空气动力学项,可定义为;

Δ X c = X δ e δ e + X δ p δ p \Delta {{X}_{c}}={{X}_{\delta e}}{{\delta }_{e}}+{{X}_{\delta p}}{{\delta }_{p}} ΔXc=Xδeδe+Xδpδp

其中 δ e {{\delta }_{e}} δe升降舵舵偏, δ p {{\delta }_{p}} δp推力变化量, X δ e , X δ p {{X}_{\delta e}},{{X}_{\delta p}} Xδe,Xδp控制稳定的导数

m ( w ˙ − q U 0 ) = Z u u + Z w w + Z w ˙ w ˙ + Z q q − m g sin θ 0 + Δ Z c m(\dot{w}-q{{U}_{0}})={{Z}_{u}}u+{{Z}_{w}}w+{{Z}_{{\dot{w}}}}\dot{w}+{{Z}_{q}}q-mg\text{sin}{{\theta }_{0}}+\Delta {{Z}_{c}} m(w˙qU0)=Zuu+Zww+Zw˙w˙+Zqqmgsinθ0+ΔZc,表示在 Z Z Z轴上建立牛顿第二定律其中 F z = Z u u + Z w w + Z w ˙ w ˙ + Z q q {{F}_{z}}={{Z}_{u}}u+{{Z}_{w}}w+{{Z}_{{\dot{w}}}}\dot{w}+{{Z}_{q}}q Fz=Zuu+Zww+Zw˙w˙+Zqq Δ Z c \Delta {{Z}_{c}} ΔZc为可操控舵面或者发动机的推力产生的力

I y y q ˙ = M u u + M w w + M w ˙ w ˙ + M q q + Δ M c {{I}_{yy}}\dot{q}={{M}_{u}}u+{{M}_{w}}w+{{M}_{{\dot{w}}}}\dot{w}+{{M}_{q}}q+\Delta {{M}_{c}} Iyyq˙=Muu+Mww+Mw˙w˙+Mqq+ΔMc,俯仰方向角运动方程,方程的右边可定义为 M A = M u u + M w w + M w ˙ w ˙ + M q q {{M}_{A}}={{M}_{u}}u+{{M}_{w}}w+{{M}_{{\dot{w}}}}\dot{w}+{{M}_{q}}q MA=Muu+Mww+Mw˙w˙+Mqq,其中 Δ M c \Delta {{M}_{c}} ΔMc升降舵进行调节的俯仰力矩, Δ X c , Δ Z c , Δ M c \Delta {{X}_{c}},\Delta {{Z}_{c}},\Delta {{M}_{c}} ΔXc,ΔZc,ΔMc为控制指令

纵向动力学方程状态空间表达形式

由上面的纵向动力学方程,可将其写为状态空间的表达形式;

[ m u ˙ ( m − Z w ) w ˙ − M w w ˙ + I y y q ˙ θ ˙ ] = [ X u X w 0 − m g cos θ 0 Z u Z w Z q + m U 0 − m g sin θ 0 M u M w M q 0 0 0 1 0 ] [ u w q θ ] + [ Δ X c Δ Z c Δ M c 0 ] \left[ \begin{matrix} m\dot{u} \\ (m-{{Z}_{w}})\dot{w} \\ -{{M}_{w}}\dot{w}+{{I}_{yy}}\dot{q} \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} {{X}_{u}} & {{X}_{w}} & 0 & -mg\text{cos}{{\theta }_{0}} \\ {{Z}_{u}} & {{Z}_{w}} & {{Z}_{q}}+m{{U}_{0}} & -mg\text{sin}{{\theta }_{0}} \\ {{M}_{u}} & {{M}_{w}} & {{M}_{q}} & 0 \\ 0 & 0 & 1 & 0 \\ \end{matrix} \right]\left[ \begin{matrix} u \\ w \\ q \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{X}_{c}} \\ \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] mu˙(mZw)w˙Mww˙+Iyyq˙θ˙ = XuZuMu0XwZwMw00Zq+mU0Mq1mgcosθ0mgsinθ000 uwqθ + ΔXcΔZcΔMc0

为了研究 [ u w q θ ] \left[ \begin{matrix} u & w & q & \theta \\ \end{matrix} \right] [uwqθ]关系,进一步将状态空间方程转化为;
[ m 0 0 0 0 ( m − Z w ˙ ) 0 0 0 − M w ˙ I y y 0 0 0 0 1 ] [ u ˙ w ˙ q ˙ θ ˙ ] = [ X u X w 0 − m g cos ⁡ θ 0 Z u Z w Z q + m U 0 − m g sin ⁡ θ 0 M u M w M q 0 0 0 1 0 ] [ u w q θ ] + [ Δ X c Δ Z c Δ M c 0 ] \left[ \begin{matrix} m & 0 & 0 & 0 \\ 0 & (m-{{Z}_{{\dot{w}}}}) & 0 & 0 \\ 0 & -{{M}_{{\dot{w}}}} & {{I}_{yy}} & 0 \\ 0 & 0 & 0 & 1 \\ \end{matrix} \right]\left[ \begin{matrix} {\dot{u}} \\ {\dot{w}} \\ {\dot{q}} \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} {{X}_{u}} & {{X}_{w}} & 0 & -mg\cos {{\theta }_{0}} \\ {{Z}_{u}} & {{Z}_{w}} & {{Z}_{q}}+m{{U}_{0}} & -mg\sin {{\theta }_{0}} \\ {{M}_{u}} & {{M}_{w}} & {{M}_{q}} & 0 \\ 0 & 0 & 1 & 0 \\ \end{matrix} \right]\left[ \begin{matrix} u \\ w \\ q \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{X}_{c}} \\ \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] m0000(mZw˙)Mw˙000Iyy00001 u˙w˙q˙θ˙ = XuZuMu0XwZwMw00Zq+mU0Mq1mgcosθ0mgsinθ000 uwqθ + ΔXcΔZcΔMc0

将上述式子令 E = [ m 0 0 0 0 ( m − Z w ˙ ) 0 0 0 − M w ˙ I y y 0 0 0 0 1 ] E\text{=}\left[ \begin{matrix} m & 0 & 0 & 0 \\ 0 & (m-{{Z}_{{\dot{w}}}}) & 0 & 0 \\ 0 & -{{M}_{{\dot{w}}}} & {{I}_{yy}} & 0 \\ 0 & 0 & 0 & 1 \\ \end{matrix} \right] E= m0000(mZw˙)Mw˙000Iyy00001 X ˙ = [ u ˙ w ˙ q ˙ θ ˙ ] \dot{X}=\left[ \begin{matrix} {\dot{u}} \\ {\dot{w}} \\ {\dot{q}} \\ {\dot{\theta }} \\ \end{matrix} \right] X˙= u˙w˙q˙θ˙ c ^ = [ Δ X c Δ Z c Δ M c 0 ] \hat{c}=\left[ \begin{matrix} \Delta {{X}_{c}} \\ \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] c^= ΔXcΔZcΔMc0 X = [ u w q θ ] X=\left[ \begin{matrix} u \\ w \\ q \\ \theta \\ \end{matrix} \right] X= uwqθ
A ^ = [ X u X w 0 − m g cos ⁡ θ 0 Z u Z w Z q + m U 0 − m g sin ⁡ θ 0 M u M w M q 0 0 0 1 0 ] \hat{A}=\left[ \begin{matrix} {{X}_{u}} & {{X}_{w}} & 0 & -mg\cos {{\theta }_{0}} \\ {{Z}_{u}} & {{Z}_{w}} & {{Z}_{q}}+m{{U}_{0}} & -mg\sin {{\theta }_{0}} \\ {{M}_{u}} & {{M}_{w}} & {{M}_{q}} & 0 \\ 0 & 0 & 1 & 0 \\ \end{matrix} \right] A^= XuZuMu0XwZwMw00Zq+mU0Mq1mgcosθ0mgsinθ000

可以写成标准状态空间形式 E X ˙ = A ^ X + c ^ E\dot{X}=\hat{A}X+\hat{c} EX˙=A^X+c^ X ˙ = E − 1 ( A ^ X + c ^ ) = A X + c \dot{X}={{E}^{-1}}(\hat{A}X+\hat{c})=AX+c X˙=E1(A^X+c^)=AX+c
A = [ X u m X w m 0 − g cos θ 0 Z u m − Z w ˙ Z w m − Z w ˙ Z q + m U 0 m − Z w ˙ − m g sin θ 0 m − Z w ˙ M u + Z u Γ I y y M w + Z w Γ I y y M q + ( Z q + m U 0 ) Γ I y y − m g sin θ 0 Γ I y y 0 0 1 0 ] A=\left[ \begin{matrix} \frac{{{X}_{u}}}{m} & \frac{{{X}_{w}}}{m} & 0 & -g\text{cos}{{\theta }_{0}} \\ \frac{{{Z}_{u}}}{m-{{Z}_{{\dot{w}}}}} & \frac{{{Z}_{w}}}{m-{{Z}_{{\dot{w}}}}} & \frac{{{Z}_{q}}+m{{U}_{0}}}{m-{{Z}_{{\dot{w}}}}} & \frac{-mg\text{sin}{{\theta }_{0}}}{m-{{Z}_{{\dot{w}}}}} \\ \frac{{{M}_{u}}+{{Z}_{u}}\Gamma }{{{I}_{yy}}} & \frac{{{M}_{w}}+{{Z}_{w}}\Gamma }{{{I}_{yy}}} & \frac{{{M}_{q}}+({{Z}_{q}}+m{{U}_{0}})\Gamma }{{{I}_{yy}}} & \frac{-mg\text{sin}{{\theta }_{0}}\Gamma }{{{I}_{yy}}} \\ 0 & 0 & 1 & 0 \\ \end{matrix} \right] A= mXumZw˙ZuIyyMu+ZuΓ0mXwmZw˙ZwIyyMw+ZwΓ00mZw˙Zq+mU0IyyMq+(Zq+mU0)Γ1gcosθ0mZw˙mgsinθ0Iyymgsinθ0Γ0
c = E − 1 [ Δ X c Δ Z c Δ M c 0 ] = E − 1 [ X δ e Z δ e M δ e 0 X δ p Z δ p M δ p 0 ] [ δ e δ p ] = B u c={{E}^{-1}}\left[ \begin{matrix} \Delta {{X}_{c}} \\ \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right]={{E}^{-1}}\left[ \begin{matrix} {{X}_{\delta e}} \\ {{Z}_{\delta e}} \\ {{M}_{\delta e}} \\ 0 \\ \end{matrix}\begin{matrix} {{X}_{\delta p}} \\ {{Z}_{\delta p}} \\ {{M}_{\delta p}} \\ 0 \\ \end{matrix} \right]\left[ \begin{matrix} {{\delta }_{e}} \\ {{\delta }_{p}} \\ \end{matrix} \right]=Bu c=E1 ΔXcΔZcΔMc0 =E1 XδeZδeMδe0XδpZδpMδp0 [δeδp]=Bu其中 Γ = M w ˙ m − Z w ˙ \Gamma =\frac{{{M}_{{\dot{w}}}}}{m-{{Z}_{{\dot{w}}}}} Γ=mZw˙Mw˙,可以得到
B = [ X δ e m Z δ e m − Z w ˙ M δ e + Z δ e Γ I y y 0 X δ p m Z δ p m − Z w ˙ M δ p + Z δ p Γ I y y 0 ] B=\left[ \begin{matrix} \frac{{{X}_{\delta e}}}{m} \\ \frac{{{Z}_{\delta e}}}{m-{{Z}_{{\dot{w}}}}} \\ \frac{{{M}_{\delta e}}+{{Z}_{\delta e}}\Gamma }{{{I}_{yy}}} \\ 0 \\ \end{matrix}\begin{matrix} \frac{{{X}_{\delta p}}}{m} \\ \frac{{{Z}_{\delta p}}}{m-{{Z}_{{\dot{w}}}}} \\ \frac{{{M}_{\delta p}}+{{Z}_{\delta p}}\Gamma }{{{I}_{yy}}} \\ 0 \\ \end{matrix} \right] B= mXδemZw˙ZδeIyyMδe+ZδeΓ0mXδpmZw˙ZδpIyyMδp+ZδpΓ0 , u = [ δ e δ p ] u=\left[ \begin{matrix} {{\delta }_{e}} \\ {{\delta }_{p}} \\ \end{matrix} \right] u=[δeδp]

纵向运动分析

纵向方向上的主要执行机构是升降舵和发动机推力,升降舵和发动机推力在确定稳定状态/平衡飞行条件方面发挥着关键作用,我们需要确定它们如何影响飞机在平衡条件下的运动
在这里插入图片描述

由状态空间方程;

{ X ˙ = A X + B u y = C X \left\{ \begin{matrix} \dot{X}=AX+Bu \\ y=CX \\ \end{matrix} \right. {X˙=AX+Buy=CX

可得到传递函数 G ( s ) = C ( s I − A ) − 1 B G(s)=C{{(sI-A)}^{-1}}B G(s)=C(sIA)1B,其中 I I I n × n n\times n n×n单位矩阵, C C C是输出矩阵, ( s I − A ) − 1 {{(sI-A)}^{-1}} (sIA)1为特征矩阵的逆矩阵,此过程用到线性代数和现代控制理论中的有状态空间方程转化为传递函数的知识点。

用在阶跃信号下激励,自动控制原理里面的初值定理和终值定理进行分析
终值定理:

l i m t → ∞ y ( t ) = l i m s → 0 s G ( s ) u ^ s = G ( 0 ) u ^ = − ( C A − 1 B ) u ^ li{{m}_{t\to \infty }}y(t)=li{{m}_{s\to 0}}sG(s)\frac{{\hat{u}}}{s}=G(0)\hat{u}=-(C{{A}^{-1}}B)\hat{u} limty(t)=lims0sG(s)su^=G(0)u^=(CA1B)u^

初值定理:

l i m t → 0 y ( t ) = l i m s → ∞ s G ( s ) u ^ s = l i m s → ∞ G ( s ) u ^ = C ( s I − A ) − 1 B + D li{{m}_{t\to 0}}y(t)=li{{m}_{s\to \infty }}sG(s)\frac{{\hat{u}}}{s}=li{{m}_{s\to \infty }}G(s)\hat{u}=C{{(sI-A)}^{-1}}B+D limt0y(t)=limssG(s)su^=limsG(s)u^=C(sIA)1B+D

其中,对于本系统 D = 0 D=0 D=0

在升降舵下偏1度,阶跃下终值响应分析在这里插入图片描述

施加 1 6 \frac{1}{6} 61推力扰动,阶跃下终值响应
在这里插入图片描述

通过以上两个表格可以得到结论,为了提升平衡条件下的爬升率,需要提高推力;为了提高平衡条件下的速度,需要增加舵偏角(使升降舵下偏),以某客机模型为例,其状态空间矩阵A可以写为如下;

A = [ − 0.0069 0.0139 0 − 9.8100 − 0.0905 − 0.3149 235.8928 0 0.0004 − 0.0034 − 0.4282 0 0 0 1.0000 0 ] A=\left[ \begin{matrix} -0.0069 & 0.0139 & 0 & -9.8100 \\ -0.0905 & -0.3149 & 235.8928 & 0 \\ 0.0004 & -0.0034 & -0.4282 & 0 \\ 0 & 0 & 1.0000 & 0 \\ \end{matrix} \right] A= 0.00690.09050.000400.01390.31490.003400235.89280.42821.00009.8100000

求其特征根如下表在这里插入图片描述

为了进一步理解特征向量,对各项进行归一化(适当放缩每项,以比较其之间的相对大小),归一化的方法 u ^ = u / U 0 , w ^ = w / U 0 , q ^ = q / ( 2 U 0 / c ˉ ) \hat{u}=u/{{U}_{0}},\hat{w}=w/{{U}_{0}},\hat{q}=q/(2{{U}_{0}}/\bar{c}) u^=u/U0,w^=w/U0,q^=q/(2U0/cˉ) U 0 {{U}_{0}} U0稳态速度(配平速度), c ˉ \bar{c} cˉ平均气动弦长,再以俯仰角维度的模长为基准长度,计算相对模值和相角
在这里插入图片描述

短周期简化处理

初次简化处理:由于在短周期模态中 ,则 ,可以消除 方向力得到;

[ W ˙ q ˙ θ ˙ ] = [ Z w m − Z W ˙ Z q + m U 0 m − Z W ˙ − m g sin ⁡ θ 0 m − Z W ˙ M w + Z w Γ l y y M q + ( Z q + m U 0 ) Γ l y y − m g sin ⁡ θ 0 Γ l y y 0 1 0 ] [ w q θ ] + [ Δ Z c Δ M c 0 ] \left[ \begin{matrix} {\dot{W}} \\ {\dot{q}} \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{{{Z}_{w}}}{m-{{Z}_{{\dot{W}}}}} & \frac{{{Z}_{q}}+m{{U}_{0}}}{m-{{Z}_{{\dot{W}}}}} & \frac{-mg\sin {{\theta }_{0}}}{m-{{Z}_{{\dot{W}}}}} \\ \frac{{{M}_{w}}+{{Z}_{w}}\Gamma }{{{l}_{yy}}} & \frac{{{M}_{q}}+({{Z}_{q}}+m{{U}_{0}})\Gamma }{{{l}_{yy}}} & \frac{-mg\sin {{\theta }_{0}}\Gamma }{{{l}_{yy}}} \\ 0 & 1 & 0 \\ \end{matrix} \right]\left[ \begin{matrix} w \\ q \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] W˙q˙θ˙ = mZW˙ZwlyyMw+ZwΓ0mZW˙Zq+mU0lyyMq+(Zq+mU0)Γ1mZW˙mgsinθ0lyymgsinθ0Γ0 wqθ + ΔZcΔMc0

进一步简化处理:由于在短周期模态中 u ≈ 0 u\approx 0 u0 ,则 u ˙ ≈ 0 \dot{u}\approx 0 u˙0 ,可以消除 X X X 方向力,通常情况下有 Z w ˙ ≪ m {{Z}_{{\dot{w}}}}\ll m Zw˙m Z q ≪ m U 0 {{Z}_{q}}\ll m{{U}_{0}} ZqmU0 Z q = 4.5 × 10 5 ≪ m U 0 = 6.8 × 10 7 {{Z}_{q}}=4.5\times {{10}^{5}}\ll m{{U}_{0}}=6.8\times {{10}^{7}} Zq=4.5×105mU0=6.8×107 Z W = 1909 ≪ m = 2.8866 × 10 5 {{Z}_{W}}=1909\ll m=2.8866\times {{10}^{5}} ZW=1909m=2.8866×105 由于 Γ = M W ˙ m − Z W ˙ ≈ M W ˙ m \Gamma =\frac{{{M}_{{\dot{W}}}}}{m-{{Z}_{{\dot{W}}}}}\approx \frac{{{M}_{{\dot{W}}}}}{m} Γ=mZW˙MW˙mMW˙,可以得到简化方程;

[ w ˙ q ˙ θ ˙ ] = [ Z w m − Z w ˙ Z q + m U 0 m − Z w ˙ − m g s i n θ 0 m − Z w ˙ M w + Z w ˙ Γ I y y M q + ( Z q + m U 0 ) Γ I y y − m g s i n θ 0 Γ I y y 0 1 0 ] [ w q θ ] + [ Δ Z c Δ M c 0 ] \left[ \begin{matrix} {\dot{w}} \\ {\dot{q}} \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{{{Z}_{w}}}{m-{{Z}_{{\dot{w}}}}} & \frac{{{Z}_{q}}+m{{U}_{0}}}{m-{{Z}_{{\dot{w}}}}} & \frac{-mgsin{{\theta }_{0}}}{m-{{Z}_{{\dot{w}}}}} \\ \frac{{{M}_{w}}+{{Z}_{{\dot{w}}}}\Gamma }{{{I}_{yy}}} & \frac{{{M}_{q}}+({{Z}_{q}}+m{{U}_{0}})\Gamma }{{{I}_{yy}}} & \frac{-mgsin{{\theta }_{0}}\Gamma }{{{I}_{yy}}} \\ 0 & 1 & 0 \\ \end{matrix} \right]\left[ \begin{matrix} w \\ q \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] w˙q˙θ˙ = mZw˙ZwIyyMw+Zw˙Γ0mZw˙Zq+mU0IyyMq+(Zq+mU0)Γ1mZw˙mgsinθ0Iyymgsinθ0Γ0 wqθ + ΔZcΔMc0

再进一步简化处理:对于定常直线水平飞行,设置 ,并在模型中移除 方程,得到简化的方程;

[ w ˙ q ˙ ] = [ Z w m U 0 M w + Z w M w ˙ m M q + M w ˙ U 0 I y y ] [ w q ] + [ Δ Z c Δ M c ] \left[ \begin{matrix} {\dot{w}} \\ {\dot{q}} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{{{Z}_{w}}}{m} & {{U}_{0}} \\ {{M}_{w}}+{{Z}_{w}}\frac{{{M}_{{\dot{w}}}}}{m} & \frac{{{M}_{q}}+{{M}_{{\dot{w}}}}{{U}_{0}}}{{{I}_{yy}}} \\ \end{matrix} \right]\left[ \begin{matrix} w \\ q \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ \end{matrix} \right] [w˙q˙]=[mZwMw+ZwmMw˙U0IyyMq+Mw˙U0][wq]+[ΔZcΔMc]

综上飞机纵向短周期动力学方程简化为 x ˙ s p = A s p x s p + B s p δ e {{\dot{x}}_{sp}}={{A}_{sp}}{{x}_{sp}}+{{B}_{sp}}{{\delta }_{e}} x˙sp=Aspxsp+Bspδe ,其中 δ e {{\delta }_{e}} δe为升降舵输入,可以得到;

x s p = [ w q ] {{x}_{sp}}=\left[ \begin{matrix} w \\ q \\ \end{matrix} \right] xsp=[wq] A s p = [ Z w m U 0 M w + Z w M w ˙ m M q + M w ˙ U 0 I y y ] {{A}_{sp}}=\left[ \begin{matrix} \frac{{{Z}_{w}}}{m} & {{U}_{0}} \\ {{M}_{w}}+{{Z}_{w}}\frac{{{M}_{{\dot{w}}}}}{m} & \frac{{{M}_{q}}+{{M}_{{\dot{w}}}}{{U}_{0}}}{{{I}_{yy}}} \\ \end{matrix} \right] Asp=[mZwMw+ZwmMw˙U0IyyMq+Mw˙U0] B s p = [ Z δ e m M δ e + Z δ e M w ˙ m I y y ] {{B}_{sp}}=\left[ \begin{matrix} \frac{{{Z}_{\delta e}}}{m} \\ \frac{{{M}_{\delta e}}+{{Z}_{\delta e}}\frac{{{M}_{{\dot{w}}}}}{m}}{{{I}_{yy}}} \\ \end{matrix} \right] Bsp=[mZδeIyyMδe+ZδemMw˙]

将纵向运动力学方程进一步简化时,由四阶降为两阶为全量近似模型,可得到短周期全量近似方程;

s 2 + 2 ξ s p ω s p + ω s p 2 = 0 {{s}^{2}}+2{{\xi }_{sp}}{{\omega }_{sp}}+\omega _{sp}^{2}=0 s2+2ξspωsp+ωsp2=0 2 ξ s p ω s p = − ( Z w m + M q I y y + M w ˙ U 0 I y y ) 2{{\xi }_{sp}}{{\omega }_{sp}}=-(\frac{{{Z}_{w}}}{m}+\frac{{{M}_{q}}}{{{I}_{yy}}}+\frac{{{M}_{{\dot{w}}}}{{U}_{0}}}{{{I}_{yy}}}) 2ξspωsp=(mZw+IyyMq+IyyMw˙U0) ω s p 2 = Z w M q m I y y − M w U 0 I y y \omega _{sp}^{2}=\frac{{{Z}_{w}}{{M}_{q}}}{m{{I}_{yy}}}-\frac{{{M}_{w}}{{U}_{0}}}{{{I}_{yy}}} ωsp2=mIyyZwMqIyyMwU0

当给定典型飞机导数的近似大小,将气动导数认为小值,可以得出粗糙近似值;

2 ξ s p ω s p ≈ − M q I y y , ω s p 2 ≈ − M w U 0 I y y 2{{\xi }_{sp}}{{\omega }_{sp}}\approx -\frac{{{M}_{q}}}{{{I}_{yy}}},\omega _{sp}^{2}\approx -\frac{{{M}_{w}}{{U}_{0}}}{{{I}_{yy}}} 2ξspωspIyyMq,ωsp2IyyMwU0 ξ s p ≈ − M q 2 − 1 M w U 0 I y y {{\xi }_{sp}}\approx -\frac{{{M}_{q}}}{2}\sqrt{\frac{-1}{{{M}_{w}}{{U}_{0}}{{I}_{yy}}}} ξsp2MqMwU0Iyy1 ω s p ≈ − M w U 0 I y y {{\omega }_{sp}}\approx \sqrt{\frac{-{{M}_{w}}{{U}_{0}}}{{{I}_{yy}}}} ωspIyyMwU0

长周期简化处理

由于在长周期模态中, w w w q q q 的变化相比于 u u u非常小,因此 w ˙ ≈ 0 \dot{w}\approx 0 w˙0 q ˙ ≈ 0 \dot{q}\approx 0 q˙0 且同样令 θ 0 = 0 {{\theta }_{0}}=0 θ0=0,得到初次简化的方程如下;

[ u ˙ 0 0 θ ˙ ] = [ X u m X w m 0 − g Z u m − Z w Z w m − Z w Z q + m U 0 m − Z w 0 M u + Z u Γ l y y M w + Z w Γ l y y M q + ( Z q + m U 0 ) Γ l y y 0 0 0 1 0 ] [ u w q θ ] + [ Δ X c Δ Z c Δ M c 0 ] \left[ \begin{matrix} {\dot{u}} \\ 0 \\ 0 \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{{{X}_{u}}}{m} & \frac{{{X}_{w}}}{m} & 0 & -g \\ \frac{{{Z}_{u}}}{m-{{Z}_{w}}} & \frac{{{Z}_{w}}}{m-{{Z}_{w}}} & \frac{{{Z}_{q}}+m{{U}_{0}}}{m-{{Z}_{w}}} & 0 \\ \frac{{{M}_{u}}+{{Z}_{u}}\Gamma }{{{l}_{yy}}} & \frac{{{M}_{w}}+{{Z}_{w}}\Gamma }{{{l}_{yy}}} & \frac{{{M}_{q}}+({{Z}_{q}}+m{{U}_{0}})\Gamma }{{{l}_{yy}}} & 0 \\ 0 & 0 & 1 & 0 \\ \end{matrix} \right]\left[ \begin{matrix} u \\ w \\ q \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \Delta {{X}_{c}} \\ \Delta {{Z}_{c}} \\ \Delta {{M}_{c}} \\ 0 \\ \end{matrix} \right] u˙00θ˙ = mXumZwZulyyMu+ZuΓ0mXwmZwZwlyyMw+ZwΓ00mZwZq+mU0lyyMq+(Zq+mU0)Γ1g000 uwqθ + ΔXcΔZcΔMc0

此时 与 的相关的方程就成为了两个等于0的等式,如下(仅考虑升降舵输入);其中 Γ = M w ˙ m − Z w ˙ \Gamma =\frac{{{M}_{{\dot{w}}}}}{m-{{Z}_{{\dot{w}}}}} Γ=mZw˙Mw˙

在这里插入图片描述

再次简化的方程,由近似 Z w ˙ ≪ m , Γ ≈ M w ˙ / m , Z q ≪ m U 0 {{Z}_{{\dot{w}}}}\ll m,\ \Gamma \approx {{M}_{{\dot{w}}}}/m,\ {{Z}_{q}}\ll m{{U}_{0}} Zw˙m, ΓMw˙/m, ZqmU0

[ Z W m U 0 M W + Z W M W m M q + U 0 M W ] [ W q ] = − [ Z u M u + Z u M W m ] u − [ Z δ e M δ e + Z δ e M W m ] δ e \left[ \begin{matrix} {{Z}_{W}} & m{{U}_{0}} \\ {{M}_{W}}+{{Z}_{W}}\frac{{{M}_{W}}}{m} & {{M}_{q}}+{{U}_{0}}{{M}_{W}} \\ \end{matrix} \right]\left[ \begin{matrix} W \\ q \\ \end{matrix} \right]=-\left[ \begin{matrix} {{Z}_{u}} \\ {{M}_{u}}+{{Z}_{u}}\frac{{{M}_{W}}}{m} \\ \end{matrix} \right]u-\left[ \begin{matrix} {{Z}_{\delta e}} \\ {{M}_{\delta e}}+{{Z}_{\delta e}}\frac{{{M}_{W}}}{m} \\ \end{matrix} \right]\delta e [ZWMW+ZWmMWmU0Mq+U0MW][Wq]=[ZuMu+ZumMW]u[ZδeMδe+ZδemMW]δe

可以得到长周期简化的模型;

[ w q ] = [ m U 0 M u − Z u M q Z w M q − m U 0 M w Z u M w − Z w M u Z w M q − m U 0 M w ] u + [ m U 0 M δ e − Z δ e M q Z w M q − m U 0 M w Z δ e M w − Z w M δ e Z w M q − m U 0 M w ] δ e \left[ \begin{matrix} w \\ q \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{m{{U}_{0}}{{M}_{u}}-{{Z}_{u}}{{M}_{q}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} \\ \frac{{{Z}_{u}}{{M}_{w}}-{{Z}_{w}}{{M}_{u}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} \\ \end{matrix} \right]u+\left[ \begin{matrix} \frac{m{{U}_{0}}{{M}_{\delta e}}-{{Z}_{\delta e}}{{M}_{q}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} \\ \frac{{{Z}_{\delta e}}{{M}_{w}}-{{Z}_{w}}{{M}_{\delta e}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} \\ \end{matrix} \right]{{\delta }_{e}} [wq]=[ZwMqmU0MwmU0MuZuMqZwMqmU0MwZuMwZwMu]u+[ZwMqmU0MwmU0MδeZδeMqZwMqmU0MwZδeMwZwMδe]δe

进一步得到全量初步近似模型

[ u ˙ θ ˙ ] = [ X u m + X w m ( m U 0 M u − Z u M q Z w M q − m U 0 M w ) − g Z u M w − Z w M u Z w M q − m U 0 M w 0 ] [ u θ ] + [ X θ e m + X w m ( m U 0 M δ e − Z δ e M q Z w M q − m U 0 M w ) Z δ e M w − Z w M δ e Z w M q − m U 0 M w ] δ e \left[ \begin{matrix} {\dot{u}} \\ {\dot{\theta }} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{{{X}_{u}}}{m}+\frac{{{X}_{w}}}{m}(\frac{m{{U}_{0}}{{M}_{u}}-{{Z}_{u}}{{M}_{q}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}}) & -g \\ \frac{{{Z}_{u}}{{M}_{w}}-{{Z}_{w}}{{M}_{u}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} & 0 \\ \end{matrix} \right]\left[ \begin{matrix} u \\ \theta \\ \end{matrix} \right]+\left[ \begin{matrix} \frac{{{X}_{\theta e}}}{m}+\frac{{{X}_{w}}}{m}(\frac{m{{U}_{0}}{{M}_{\delta e}}-{{Z}_{\delta e}}{{M}_{q}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}}) \\ \frac{{{Z}_{\delta e}}{{M}_{w}}-{{Z}_{w}}{{M}_{\delta e}}}{{{Z}_{w}}{{M}_{q}}-m{{U}_{0}}{{M}_{w}}} \\ \end{matrix} \right]{{\delta }_{e}} [u˙θ˙]=[mXu+mXw(ZwMqmU0MwmU0MuZuMq)ZwMqmU0MwZuMwZwMug0][uθ]+[mXθe+mXw(ZwMqmU0MwmU0MδeZδeMq)ZwMqmU0MwZδeMwZwMδe]δe

进一步简化; ∣ Z w M u ∣ ≪ ∣ Z u M w ∣ , ∣ Z w M q ∣ ≪ ∣ m U 0 M w ∣ , M u X w M w ≪ X u |{{Z}_{w}}{{M}_{u}}|\ll |{{Z}_{u}}{{M}_{w}}|,|{{Z}_{w}}{{M}_{q}}|\ll |m{{U}_{0}}{{M}_{w}}|,\frac{{{M}_{u}}{{X}_{w}}}{{{M}_{w}}}\ll {{X}_{u}} ZwMuZuMw,ZwMqmU0Mw,MwMuXwXu,最终得到长周期模态的粗糙近似形式: x ˙ p h = A p h x p h + B p h δ e {{\dot{x}}_{ph}}={{A}_{ph}}{{x}_{ph}}+{{B}_{ph}}{{\delta }_{e}} x˙ph=Aphxph+Bphδe δ e {{\delta }_{e}} δe 为升降舵输入,可以得到

x p h = [ u θ ] A p h = [ X u m − g − Z u m U 0 0 ] B p h = [ X δ e − X w M w M δ e m − Z δ e + Z w M w M δ e m U 0 ] {{x}_{ph}}=\left[ \begin{matrix} u \\ \theta \\ \end{matrix} \right]\ {{A}_{ph}}=\left[ \begin{matrix} \frac{{{X}_{u}}}{m} & -g \\ \frac{-{{Z}_{u}}}{m{{U}_{0}}} & 0 \\ \end{matrix} \right]\ {{B}_{ph}}=\left[ \begin{matrix} \frac{{{X}_{\delta e}}-\frac{{{X}_{w}}}{{{M}_{w}}}{{M}_{\delta e}}}{m} \\ \frac{-{{Z}_{\delta e}}+\frac{{{Z}_{w}}}{{{M}_{w}}}{{M}_{\delta e}}}{m{{U}_{0}}} \\ \end{matrix} \right] xph=[uθ] Aph=[mXumU0Zug0] Bph= mXδeMwXwMδemU0Zδe+MwZwMδe

因此有 2 ξ p h ω p h = − X u m 2{{\xi }_{ph}}{{\omega }_{ph}}=-\frac{{{X}_{u}}}{m} 2ξphωph=mXu ω p h 2 = − g Z u m U 0 {{\omega }_{ph}}^{2}=\frac{-g{{Z}_{u}}}{m{{U}_{0}}} ωph2=mU0gZu 进一步可以得到;

ξ p h = − X u 2 m ω p h = − X u U 0 2 2 m g = 1 2 ρ U 0 2 S C D 0 ρ U 0 2 S C L 0 = 1 2 C D 0 C L 0 {{\xi }_{ph}}=-\frac{{{X}_{u}}}{2m{{\omega }_{ph}}}=-\frac{{{X}_{u}}{{U}_{0}}}{2\sqrt{2}mg}=\frac{1}{\sqrt{2}}\frac{\rho U_{0}^{2}S{{C}_{D0}}}{\rho U_{0}^{2}S{{C}_{L0}}}=\frac{1}{\sqrt{2}}\frac{{{C}_{D0}}}{{{C}_{L0}}} ξph=2mωphXu=22 mgXuU0=2 1ρU02SCL0ρU02SCD0=2 1CL0CD0

可以得到近似长周期模态的阻尼比与升阻比成反比

在这里插入图片描述

飞机响应主要由以下稳定性导数决定

在这里插入图片描述

附录

MATLAB求逆矩阵代码
% 定义符号变量alpha和beta
syms alpha beta% 定义矩阵E
E = [cos(alpha)*cos(beta)   sin(beta)   sin(alpha)*cos(beta);-cos(alpha)*sin(beta)  cos(beta)  -sin(alpha)*sin(beta);-sin(alpha)            0          cos(alpha)];% 计算矩阵E的符号逆矩阵
E_inv = inv(E);% 打印逆矩阵
disp('逆矩阵E_inv为:');
disp(E_inv)

参考资料:

现代飞机飞行动力学与控制 主编顾诵芬(第三版)
飞行控制系统 吴森堂, 费玉华编著
带自动器飞机的飞行动力学,方振平
北京航空航天大学孙国立老师主讲的先进飞行控制

相关文章:

【飞机纵向动力学建模与分析】

飞机纵向动力学建模与分析 文章目录 飞机纵向动力学建模与分析前言坐标系定义及转换机体坐标系定义机体坐标系定义气流角定义气流坐标系与机体坐标系相互转化 纵向动力学方程建立力的分解动力学方程的建立纵向动力学方程纵向动力学方程状态空间表达形式纵向运动分析短周期简化处…...

【机器人】控制之稳定性判定: 李雅普诺夫Lyapunov (7) 判定是否是李函数,思维导图

要判断一个函数 V(x)是否可以作为某个动力学方程的 Lyapunov 函数,需要满足特定的数学和物理条件。以下是详细说明: 1. 满足 Lyapunov 函数的基本条件 一个函数 V(x)能否作为 Lyapunov 函数,需要满足以下基本条件: 1.1 正定性 …...

Qwen 论文阅读记录

本文仅作自己初步熟悉大模型,梳理之用,慢慢会更改/增加/删除,部分细节尚未解释,希望不断学习之后,能够完善补充。若有同道之人,欢迎指正探讨。 关于后面的code-qwen and math-qwen,我个人认为依…...

ViewModel

ViewMode是MVVM架构模式中VM层对应的类,它的作用是存储界面数据,并和界面发生数据交互。ViewModel能感知生命周期,并且在界面由于配置问题发生重建时候,可以保持当前的数据不变。生命周期如下: ViewMode由ViewModePr…...

AI和SEO的完美结合关键词策略解析

内容概要 在当今数字营销环境中,AI与SEO的结合已成为提升网站流量和转化率的重要策略。为了更好地理解这一主题,本文将首先介绍AI技术在数字营销中的多种应用,其次分析SEO的基础知识和重要性,以便为后续讨论建立坚实的基础。 提示…...

网络基础 - TCP/IP 五层模型

文章目录 一、OSI 参考模型中各个分层的作用1、应用层2、表示层3、会话层4、传输层5、网络层6、数据链路层7、物理层 二、OSI 参考模型通信处理示例 一、OSI 参考模型中各个分层的作用 1、应用层 2、表示层 负责设备固有数据格式和网络标准数据格式间的转换 实际生活中&#…...

pyenv 管理多个 Python 版本(1)

引言 你是否曾希望参与一个支持多个 Python 版本的项目,但又不知道如何轻松地测试所有这些版本?你是否对 Python 的最新版本感到好奇?或许你想尝试这些新功能,但又不想冒险破坏你的开发环境。幸运的是,如果你使用 pyen…...

LLMs之ICL:《Bayesian scaling laws for in-context learning》翻译与解读

LLMs之ICL:《Bayesian scaling laws for in-context learning》翻译与解读 导读:这篇论文的核心议题是理解和建模大型语言模型(LLM)的上下文学习(ICL)能力。文章从贝叶斯学习的角度出发,提出了一…...

泷羽Sec学习笔记-Bp中ip伪造、爬虫审计

ip伪造与爬虫审计 ip伪造 下载插件:burpFakeIP 地址:GitHub - TheKingOfDuck/burpFakeIP: 服务端配置错误情况下用于伪造ip地址进行测试的Burp Suite插件 python版需要配置jython:下载地址:Maven Central: org.python:jython-…...

常用vim命令行-linux008

Vim 是一款功能强大的文本编辑器,广泛应用于编程、配置文件编辑以及日常文本处理。Vim 在其命令行模式下提供了丰富的操作命令,这些命令能够大幅提升编辑效率。以下是 Vim 中常用的命令及操作的总结,覆盖了 Vim 中的基本操作、查找、替换、文…...

Linux相关概念和易错知识点(24)(认识信号、信号捕捉)

目录 1.认识信号 (1)后台进程和前台进程 ①为什么Ctrl C能终止前台进程? ②如何终止这个后台程序? (2)信号、异步和同步 ①同步 ②异步 (3)信号的处理 2.信号捕捉 &#x…...

Scala的导入

//导入 //(1) 创建包:在src上右键,新建软件包 //(2)填写包名:小写 //(3)在包上右键,创建类。自动加入包名 //(4)导入。import 包名.类名 //导入多个类 //import jh.yuanlixueyuan.bigdata.scala03.{A,B,C} //导入包下的所有的类 /…...

strace,tcmalloc,asan使用

1、strace使用 1.1、编译strace strace开源库 解压strace-4.21.tar.xz 编译./configure --hostarm-ca9-linux-gnueabihf --prefix~/out make&&make install 1.2、参数 -c 统计每一系统调用的所执行的时间,次数和出错的次数等. -d 输出strace关于标准错误的调试信息…...

C++中多态性在实际项目中的应用场景;C++中面向对象编程实现数据隐藏的方法

1. C中多态性在实际项目中的应用场景 C中多态性是面向对象编程中的一个重要概念,它允许我们在使用基类指针或引用的情况下,调用派生类对象的特定方法。这种灵活性使得多态性在实际项目中有着广泛的应用场景,具体包括但不限于以下几个方面&am…...

【QT常用技术讲解】使用QMovie+QLabel播放gif动态图片,实现“正在加载”功能(源代码在资源中下载)

前言 界面在实现事件等待时,通过会显示一个转圈圈的动态图片,表示“正在加载”,事件完成之后关闭图片,QT中可以使用QMovieQLabel完成gif动态图片的播放及关闭的效果。 效果图 功能讲解 1、加载动画 void MainWindow::addloadgi…...

iPhone苹果相册视频怎么提取音频?

在数字时代,视频已成为我们记录生活、分享故事的重要方式。然而,有时候我们只想保留视频中的音频部分,比如一段动人的背景音乐或是一段珍贵的对话。那么,苹果相册视频怎么提取音频呢?本文将介绍三种简单且实用的方法&a…...

【PyTorch】动态调整学习率 torch.optim.lr_scheduler.StepLR 调度器

文章目录 1. torch.optim.lr_scheduler.StepLR 官方文档详解2. 使用示例2.1 官方提供使用示例2.2 自己写代码测试方法2.2.1 get_last_lr() 方法2.2.2 state_dict() 方法2.2.3 load_state_dict() 保存和加载调度器 3. 思考3.1 为什么需要state_dict()3.2 get_lr() 与 get_last_l…...

完全二叉树的节点个数

给你一棵 完全二叉树 的根节点 root ,求出该树的节点个数。 完全二叉树 的定义如下:在完全二叉树中,除了最底层节点可能没填满外,其余每层节点数都达到最大值,并且最下面一层的节点都集中在该层最左边的若干位置。若最…...

在销售管理中,客户跟进时会出现什么问题?如何解决?

客户跟进表是销售工作中重要的一部分,用于记录与客户的每次沟通、执行计划和合作动态。然而,在实际使用中,客户跟进表经常会出现一些问题,导致效率低下甚至客户流失。本文就从常见问题出发,一一提供措施,让…...

【代码随想录|动态规划】

一、动态规划理论基础 |、动态规划包含题目类型 (1)背包问题 (2)打家劫舍 (3)股票问题 (4)子序列问题 ||、做一道题需要掌握(动态规划5步曲)&#xff1…...

时间敏感网络与工业通信的融合:光路科技电力专用交换机和TSN工业交换机亮相EP电力展

12月7日,第三十一届中国国际电力设备及技术展览会(EP Shanghai 2024)暨上海国际储能技术应用展览会在上海新国际博览中心圆满落幕。本届展会以“数字能源赋能新质生产力”为主题,系统地呈现了电力设备行业在技术融合、转型升级及上…...

初识Linux · 系统编程done

目录 前言: 死锁 可重入函数 读写锁 自旋锁 前言: 本文作为Linux系统编程的收尾工作,介绍的是些零碎的概念,比如死锁,可重入函数,自旋锁,读写锁等,其中死锁概念要重要些&#…...

JavaScript函数式编程: 实现不可变数据结构

# JavaScript函数式编程: 实现不可变数据结构 什么是不可变数据结构 在计算机编程中,不可变数据结构指的是数据一旦创建就不可更改或者修改。这意味着我们不能在原始数据上进行增删改操作,而是需要创建一个新的数据结构来代替原始数据进行操作。 为什么要…...

union find算法 c++

1.原理参考 labuladong-fucking-algorithm/算法思维系列/UnionFind算法详解.md at master jiajunhua/labuladong-fucking-algorithm GitHub 2.初级模式 #include <iostream>class UF {public:// 记录连通分量/* 构造函数&#xff0c;n 为图的节点总数 */UF(int n) {…...

路径规划 | 改进的人工势场法APF算法进行路径规划(Matlab)

目录 效果一览基本介绍程序设计参考文献 效果一览 基本介绍 改进的人工势场法&#xff08;APF&#xff09;路径规划算法 在路径规划中&#xff0c;人工势场法&#xff08;APF&#xff09;是一种常见的方法&#xff0c;但传统的APF算法容易陷入局部极小值&#xff0c;导致路径规…...

ES语句——DSL(kibana语句)

一、查询操作 查看当前索引的数据结构 _mapping Get ai-open-log*/_mapping 查询当前索引下的文档数以及分片信息 _count Get ai-open-log*/_count { "count": 12345, //当前索引下的文档总数 "_shards": { //分片信息 "total&…...

y3编辑器教学5:触发器2 案例演示

文章目录 一、探索1.1 ECA1.1.1 ECA的定义1.1.2 使用触发器实现瞬间移动效果 1.2 变量1.2.1 什么是变量1.2.2 使用变量存储碎片收集数量并展现 1.3 if语句&#xff08;魔法效果挂接&#xff09;1.3.1 地形设置1.3.2 编写能量灌注逻辑1.3.3 编写能量灌注后&#xff0c;实现传送逻…...

MVC配置文件及位置

配置文件位置 默认位置 WEB-INF目录下&#xff0c;文件名&#xff1a;<servlet-name>-servlet.xml <?xml version"1.0" encoding"UTF-8"?> <web-app xmlns"http://xmlns.jcp.org/xml/ns/javaee"xmlns:xsi"http://www.w3.…...

【razor】echo搭配relay功能分析

echo 要搭配relay 实现作者说relay在linux上跑,可以模拟丢包、延迟目前没看到如何模拟。relay监听9200,有俩作用 echopeer1 发relay,replay 把peer1的包给peer2 ,实现p2p能力。 接收端:采集后发送发给relay的 接收端的地址就是自己,的地址就是本地的9200,因此是让relay接…...

C++类的运算符重载

目标 让自定义的类直接使用运算符运算 代码 头文件及类定义 #include <iostream>using namespace std; class Complex {int rel;int vir; public:void show(){cout <<"("<<this->rel<<","<<this->vir<<&quo…...

Motionface RTASR 离线实时语音识别直播字幕使用教程

软件使用场景&#xff1a; 直播、视频会议、课堂教学等需要实时字幕的场景。 1&#xff1a;系统要求 软件运行支持32位/64位windows 10/11系统&#xff0c;其他硬件要求无&#xff0c;无显卡也能实时识别字幕。 2&#xff1a;下载安装 链接:百度网盘 请输入提取码 提取码&#…...

【论文阅读】相似误差订正方法在风电短期风速预报中的应用研究

文章目录 概述&#xff1a;摘要1. 引言2. 相似误差订正算法&#xff08;核心&#xff09;3. 订正实验3.1 相似因子选取3.2 相似样本数试验3.3 时间窗时长实验 4. 订正结果分析4.1 评估指标对比4.2 风速曲线对比4.3 分风速段订正效果评估4.4 风速频率统计 5. 结论与讨论 概述&am…...

learn-(Uni-app)输入框u-search父子组件与input输入框(防抖与搜索触发)

1.父子组件u-search &#xff08;1&#xff09;父组件 <!-- 父组件 --> <template> <div><searchBar change"change" search"search"></searchBar> </div> </template> <script> // 子组件搜索 import…...

UNIX数据恢复—UNIX系统常见故障问题和数据恢复方案

UNIX系统常见故障表现&#xff1a; 1、存储结构出错&#xff1b; 2、数据删除&#xff1b; 3、文件系统格式化&#xff1b; 4、其他原因数据丢失。 UNIX系统常见故障解决方案&#xff1a; 1、检测UNIX系统故障涉及的设备是否存在硬件故障&#xff0c;如果存在硬件故障&#xf…...

c#动态更新替换json节点

需求项目json作为主模板&#xff0c;会应用到多个子模版&#xff0c;当后续项目变更只需要修改主模板中节点&#xff0c;并且能够动态更新到原来的子模版中去。 主模板示例&#xff1a; {"A": {"A1": "","A2": false,"A3"…...

kubernetes的可靠性测试或者故障测试有哪些?

kubernetes的可靠性测试或者故障测试有哪些? 在 Kubernetes (K8s) 集群中,可靠性测试和故障性测试旨在确保系统能够稳定运行并具备应对各种故障的能力。这些测试主要针对集群的组件、应用程序和基础设施。以下是详细的测试内容和方法: 一、可靠性测试 1. 高可用性测试 目…...

datax和datax-web打包成docker运行

概述 datax和datax-web从一台机器迁移到另一台时&#xff0c;要重新搭建一套运行环境&#xff0c;比较麻烦&#xff1b;打包成docker镜像后迁移就方便多了; 因为我的mysql版本是8&#xff0c;需要在datax的read和write中手动添加8的jdbc驱动 所以我先各自下载好了datax和data…...

ThreadLocal原理解析

ThreadLocal原理解析 本篇将带大家了解ThreadLocal的使用方法&#xff0c;并且深度剖析其原理和作用&#xff0c;通过阅读源码的方式&#xff0c;进一步了解其内部原理 ThreadLocal 是 Java 提供的一个工具类&#xff0c;用于为每个线程维护一个独立的变量副本。每个线程可以访…...

Android 分析 Activity 与 Fragment 的区别,部分使用的差异

一、基本概念 Activity&#xff1a;Activity 是应用中单独一个界面的一个组件&#xff0c;通常一个 Activity 对应一个界面&#xff08;或屏幕&#xff09;。Activity 控制了一个应用界面的生命周期&#xff0c;并且能够处理用户的输入和交互。 Fragment&#xff1a;Fragment …...

前端(Ajax)

1.客户端请求 向https://jsonplaceholder.typicode.com/users发送get请求 const xhr new XMLHttpRequest();console.log(xhr.readyState);xhr.open(get, https://jsonplaceholder.typicode.com/users)console.log(xhr.readyState);xhr.send();console.log(xhr.readyState);xh…...

【C++】约瑟夫环问题:深度解析与高级优化

博客主页&#xff1a; [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: C 文章目录 &#x1f4af;前言约瑟夫环问题&#xff1a;深度解析与高级优化&#x1f4af;题目描述&#x1f4af;解决方案详解直接模拟法&#xff08;基于 C 实现&#xff09;代码解析示例执行过程 &#x1f4af;高级优…...

总结拓展十七:SAP 采购订单行项目“交货“页签解析

《 SAP采购订单行项目“交货”页签字段解析》 在 SAP 系统的采购流程中&#xff0c;采购订单行项目的“交货”页签承载着关键的信息&#xff0c;其中的字段更是对整个交货环节的精准描述和把控的重要元素。理解和正确解析这些字段&#xff0c;对于确保采购流程的顺利进行、优化…...

作业Day2: 多文件编译; 思维导图

目录 ①文件代码 及其所需头文件分析 main.c文件 1.h文件 1.c文件 ②运行结果&#xff1a; ③代码分析 结构体成员 数据类型的设定&#xff1a; 信息录入函数 信息删除 成绩排序 信息显示 自定义初始化函数 ④思维导图&#xff1a;​编辑 ①文件代码 及其所需头文…...

Kioptrix Level 1通关攻略

目录 修改靶机Kioptrix:Level 1 的网络模式 探测靶机IP地址 得到端口信息 扫描TCP端口 扫描UDP端口 脚本扫描 指纹探测 漏洞探测 目录枚举扫描 发现利用脚本 执行exp链接shell 修改靶机Kioptrix:Level 1 的网络模式 Kioptrix: Level 1靶机的默认网络模式是桥接&#x…...

01 下载opencv并配置vs开发环境

01 下载opencv并配置vs开发环境 01 下载windows版本的opencv 下载地址&#xff1a;点击 ​​ WIndows版本的是编译好的代码。 当然国外网站下载很慢&#xff0c;可以通过我分享的网盘链接下载 opencv-4.10.0-windows.exe https://www.alipan.com/s/wV7z4YsmXgN 点击链接保…...

Ubuntu22.04 docker如何发布镜像(和用git差不多)

在dockerhub上创建远程仓库&#xff1a;https://hub.docker.com/ 将本地镜像打tag&#xff0c;并修改成可以上传到 dockerhub 的形式 # 查看本地镜像# 修改镜像 ## docker tag 镜像名称:标签 新的镜像名称&#xff08;要和远程仓库dockerhub上的一致&#xff09;:新的标签pus…...

【Golang】——Gin 框架中的模板渲染详解

Gin 框架支持动态网页开发&#xff0c;能够通过模板渲染结合数据生成动态页面。在这篇文章中&#xff0c;我们将一步步学习如何在 Gin 框架中配置模板、渲染动态数据&#xff0c;并结合静态资源文件创建一个功能完整的动态网站。 文章目录 1. 什么是模板渲染&#xff1f; 1.1 概…...

React的局限性是什么?

性能&#xff1a; 虚拟 DOM 虽然提高了渲染性能&#xff0c;但在某些情况下可能会造成性能瓶颈&#xff0c;尤其是在处理大量数据或复杂更新时。对于非UI任务&#xff08;如计算密集型操作&#xff09;&#xff0c;React 本身并不擅长。 学习曲线&#xff1a; 对于初学者来说&a…...

【Vulkan入门】09-CreateFrameBuffer

目录 先叨叨git信息关键代码VulkanEnv::FindHostVisitbaleMemoryTypeIndex()TestPipeLine::CreateFramebuffers() 与网上大多数文章不同&#xff0c;其他文章基本上都使用窗口框架&#xff08;X11、GLFW、WSL等&#xff09;提供的surface来显示Vulkan渲染出的图像。我认为那样会…...

罗技键鼠更换新台式机无蓝牙通过接收器安装

优联驱动下载&#xff1a; http://support.logitech.com.cn/zh_cn/software/unifying &#xff08;下载安装后按照步骤一步步操作&#xff0c;匹配后即可使用&#xff09; 向京东客服反馈后提供的驱动下载安装连接 有问题欢迎评论沟通~...