买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利物理信息驱动的高速飞机飞行品质分析及智能控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121277007B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511865019.7，技术领域涉及：G05B13/04；该发明授权物理信息驱动的高速飞机飞行品质分析及智能控制方法是由兰烁文;王冠;刘凯;杨峰;李华东;王跃方设计研发完成，并于2025-12-11向国家知识产权局提交的专利申请。

本物理信息驱动的高速飞机飞行品质分析及智能控制方法在说明书摘要公布了：本发明属于高速飞机控制技术领域，涉及一种物理信息驱动的高速飞机飞行品质分析及智能控制方法。本发明的目的是为了提供基于数据与知识驱动的智能控制方法。该方法包括基于刚性体数学模型、气动耦合模型，建立高速飞机动力学模型；对飞机的纵向和横航向进行飞行品质评价，为控制器设计提供参考；得到大量飞行样本数据下，进行基于数据与知识驱动的神经网络训练；设计基于物理信息神经网络的智能控制器，实现对参考指令的稳定跟踪。该方法是一种高速飞机的数据与知识驱动学习控制方法，且具有广阔的应用前景。

本发明授权物理信息驱动的高速飞机飞行品质分析及智能控制方法在权利要求书中公布了：1.一种物理信息驱动的高速飞机飞行品质分析及智能控制方法，其特征在于，步骤如下： 步骤1、高速飞机动力学模型构建 基于刚性体数学模型、气动耦合模型，建立高速飞机动力学模型： 1 式中，上标“”表示一阶导数；是攻角，是侧滑角，是倾侧角，是滚转角速率，是偏航角速率，是俯仰角速率，是弹道倾角，为质量，为重力加速度，为飞 行速度，、、分别表示沿、、轴的转动惯量；为惯性积；为动压，是机 翼参考面积，为机翼参考长度；分别为滚转力矩系数、偏航力矩系数、俯仰力矩 系数，分别为滚转阻尼力矩系数、偏航阻尼力矩系数、俯仰阻尼力矩系数，分别为侧向力、升力和阻力，具体表达式为： 2 式中，分别为轴向力系数、法向力系数、侧向力系数；均是与相关的函数，为马赫数，控制 量，分别为副翼舵偏角、方向舵偏角和升降舵偏角；使用二阶 环节描述执行机构动态过程如下： 3 式中，是拉普拉斯变量；表示对应通道的实际舵偏，表示对应通道的指令舵偏， 对应通道是指对应着滚转、偏航和俯仰方向；和分别表示伺服系统的固有频率和阻 尼比； 步骤2、高速飞机飞行品质评估 步骤2.1、纵向飞行品质评价 将式1分成纵向和横侧向方程，其中纵向方程为： 4 将式4小扰动线性化，得到以为状态量、以升降舵偏角为输入量的状态空间 方程如下所示： 5 式中，为攻角的偏量，为俯仰角速率的偏量，为升降舵偏角的偏量，为 攻角导数的偏量，为俯仰角速率导数的偏量，偏量是指扰动量与未扰动量的差值；，为攻角变化引起的升力变化；，为单位俯仰舵偏变化引 起的升力变化；；，为俯仰力矩系数对攻角的导数；，为单位俯仰舵偏变化引起的俯仰力矩变化； 设，其中为常数，代入式5，令并消去，得 到特征方程式为： 6 式6与标准二阶方程的对应项进行对比，分别为自 然频率和阻尼比，表达式为； 在得到自然频率和阻尼比后，有两种方法进行飞行品质评估； 步骤2.1.1、短周期俯仰响应 根据GJB185《有人驾驶飞机固定翼飞行品质》，飞行品质规范对短周期模态特性有要求，短周期模态评判指标是阻尼比和自然频率；在求得飞机的阻尼比和自然频率后，通过判断其在不同飞行阶段所属范围，来进行飞机纵向的飞行品质评估； 步骤2.1.2、依据CAP参数进行评价 操纵期望参数CAP，是将驾驶员对俯仰角速度的敏感性与感知到的飞行器法向过载相关联，从初始姿态响应来预测航迹的最终情况，CAP表达式为： 7 式中，为法向过载，具体定义为；在得到CAP参数后，根 据GJB185《有人驾驶飞机固定翼飞行品质》判断其在不同飞行阶段所属的CAP规定范围， 来进行飞机俯仰轴的飞行品质评估； 步骤2.2、横航向飞行品质评价 步骤2.2.1、滚转模态时间常数 滚转模态时间常数描述了飞机的滚转阻尼特性，表达式如下： 8 式中，为滚转力矩系数对侧滑角的导数，为偏航力矩系数对侧滑角的导数；根据 GJB185《有人驾驶飞机固定翼飞行品质》，滚转模态时间常数具有最大值；在得到滚转模 态时间常数后，通过判断其所属的规定范围，来进行飞机滚转轴的飞行品质评估； 步骤2.2.2、荷兰滚模态 荷兰滚模态频率和阻尼比计算公式为： 9 10 式中，是大气密度；是侧向力对侧滑角的导数；根据GJB185《有人驾驶飞机固定 翼飞行品质》，确定荷兰滚模态飞行品质规范标准；在得到荷兰滚模态频率和阻尼比后，通过判断其所属的规定范围，来进行飞机航向轴的飞行品质评估； 步骤3、基于数据与知识驱动的神经网络训练 首先在地面设计的基于自适应控制带宽的自抗扰控制器基础上，进行海量仿真，并对力矩系数和大气密度进行拉偏，以获得最优的自抗扰控制参数；在得到大量不同工况下的飞行样本数据形成训练数据集后，离线建立飞行器状态与增益调节参数和舵偏之间的映射关系，以形成数据与知识混合驱动的自抗扰控制参数优化的神经网络；获得的物理信息神经网络具有更新控制器参数的功能，将作为参数优化器用于后续智能控制器的设计； 步骤4、基于物理信息神经网络的智能控制器设计 设计自适应控制增益且能实时适应模型偏差的纵向反馈控制率如下： 21 式中，是反馈控制舵偏，分别为角度误差和角速度误差，自适应控制增益如下式所示： 22 式中，是舵效，是物理信息神经网络的输出之一；是预设的固定阻尼比；表 示自适应带宽，自适应带宽根据实际控制效果对离线控制增益进行修正，更新律如 下： 23 式中，为带宽的自适应增益，其中，和为带宽自适应增益的 最小值和最大值；为标称控制带宽；为增益调节参数，其中为最大 值；是角速率经过带通滤波器的传感器信号；、分别表示误差对带宽的影响强度 和振颤对带宽的影响强度；表示飞行器实际状态与参考模型之间的误差； 扩张状态观测器用于估计出系统的状态和总扰动，依据扰动估计值对系统进行扰动补偿，纵向姿态动力学方程如下所示： 24 式中：为；为；包含未建模动态和动态耦合项；是舵效；为升降舵偏 角；为系统的输出； 设计纵向线性扩张状态观测器方程为： 25 式中：为的观测值；为的观测值；为总扰动的观测值；是舵效，也是决 定补偿强弱的补偿因子；为观测值与系统输出的差值；为观测器增益，用观测 器带宽来表示观测器增益： 26 利用扩张观测器进行实时估计补偿总扰动作用，把原系统补偿成线性积分器串联型系 统的过程称为动态补偿线性化，扩张状态观测器干扰补偿舵偏设计如下： 27 俯仰通道的控制量表示为反馈控制舵偏和扩张状态观测器干扰补偿舵偏的和： 28。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。