飛行模擬器是用來模擬飛行器飛行的仿真設(shè)備,廣泛地應(yīng)用于飛行訓(xùn)練以及航空科研等領(lǐng)域。六自由度運(yùn)動平臺作為飛行模擬器的運(yùn)動機(jī)構(gòu),由于運(yùn)動平臺工作空間有限,不能直接復(fù)現(xiàn)飛行器的真實運(yùn)動。因此在平臺控制中引入動感模擬洗出算法,將飛行器真實的飛行運(yùn)動控制在運(yùn)動平臺有限的工作空間內(nèi)。常見的經(jīng)典洗出算法結(jié)構(gòu)簡單,執(zhí)行速度快,但是也存在參數(shù)固定、錯誤暗示等缺陷。為了提高飛行模擬器運(yùn)動性能,給飛行員提供更加逼真的動感模擬過程,對洗出算法進(jìn)行優(yōu)化改進(jìn)。本文以六自由度運(yùn)動平臺為研究對象,應(yīng)用坐標(biāo)變換法建立了六自由度運(yùn)動學(xué)模型,在此基礎(chǔ)上推導(dǎo)了運(yùn)動學(xué)反解的求解過程。利用SIMULINK建立運(yùn)動學(xué)反解仿真模型,得到各驅(qū)動桿的運(yùn)動規(guī)律曲線并總結(jié)了平臺的運(yùn)動特性,驗證了模型的可靠性。通過設(shè)計研究經(jīng)典洗出算法,發(fā)現(xiàn)濾波器參數(shù)對洗出結(jié)果有較大影響。因此基于遺傳算法對經(jīng)典洗出算法中的濾波器參數(shù)進(jìn)行優(yōu)化,將實際飛行中飛行員感知與模擬器提供給飛行員感知之間的誤差作為目標(biāo)函數(shù),結(jié)合相關(guān)約束條件,利用MATLAB中的遺傳算法工具搜尋濾波器最優(yōu)參數(shù)。優(yōu)化前后洗出對比結(jié)果表明,遺傳算法在一定程度上提高了模擬器的動感逼真度。為了進(jìn)一步... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 運(yùn)動平臺現(xiàn)狀分析
        1.2.1 飛行模擬器簡介
        1.2.2 六自由度運(yùn)動平臺
    1.3 洗出算法介紹
    1.4 并聯(lián)平臺控制方法綜述
    1.5 論文的研究內(nèi)容和主要工作
第二章 六自由度平臺機(jī)構(gòu)分析及仿真
    2.1 六自由度運(yùn)動平臺結(jié)構(gòu)設(shè)計
        2.1.1 自由度數(shù)的計算
        2.1.2 六自由度運(yùn)動平臺參數(shù)
    2.2 六自由度運(yùn)動平臺運(yùn)動學(xué)分析
        2.2.1 坐標(biāo)系選取
        2.2.2 坐標(biāo)變換
        2.2.3 六自由度運(yùn)動平臺位置反解
        2.2.4 運(yùn)動分析
    2.3 影響工作空間的因素
    2.4 運(yùn)動學(xué)仿真
    2.5 本章小結(jié)
第三章 經(jīng)典洗出算法的實現(xiàn)
    3.1 人體前庭感覺系統(tǒng)
        3.1.1 耳石模型
        3.1.2 半規(guī)管模型
    3.2 經(jīng)典洗出濾波算法
        3.2.1 比例限制
        3.2.2 高通加速度通道
        3.2.3 高通角速度通道
        3.2.4 傾斜協(xié)調(diào)通道
    3.3 經(jīng)典洗出算法仿真分析
    3.4 本章小結(jié)
第四章 基于遺傳算法的洗出濾波器參數(shù)優(yōu)化
    4.1 遺傳算法
    4.2 基于遺傳算法優(yōu)化濾波器參數(shù)
        4.2.1 建立目標(biāo)函數(shù)
        4.2.2 確立約束條件
        4.2.3 優(yōu)化過程
    4.3 遺傳優(yōu)化洗出算法仿真
    4.4 本章小結(jié)
第五章 基于模糊理論的洗出算法控制優(yōu)化
    5.1 模糊控制簡介
    5.2 模糊控制的基本原理
    5.3 基于模糊控制的洗出算法優(yōu)化
        5.3.1 算法原理
        5.3.2 模糊控制規(guī)則
        5.3.3 確定輸出信號論域
        5.3.4 輸入、輸出隸屬函數(shù)
    5.4 基于粒子群算法的參數(shù)清晰化過程
        5.4.1 粒子群算法
        5.4.2 基于粒子群算法的清晰化過程
        5.4.3 粒子群算法的參數(shù)設(shè)置
    5.5 優(yōu)化算法仿真
    5.6 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：3381142