摘要
针对采用空中平台进行直接对接的新型无人机(Unmanned aerial vehicle, UAV)回收方法进行了气动干扰仿真与对接路径研究。在对接回收过程中,UAV需要从远方逐渐接近空中平台。在UAV靠拢平台的过程中,会受到平台翼尖尾涡的影响。如何使UAV以正确的路径接近空中平台是能否成功回收的关键。主要从气动特性方面出发,首先通过计算流体力学(Computational fluid dynamics, CFD)仿真研究分析了UAV沿不同路径与空中平台进行对接回收时的气动性能变化规律,然后使用代理模型对产生的气动干扰进行拟合分析,得出UAV气动干扰在空中平台周围的空间分布。随后针对不同对接路径的气动干扰,使用MATLAB构建了一种抗干扰滑模控制器,并对不同路径下的对接过程进行对比仿真验证。研究结果表明,进近对接过程中UAV从平台前方向后方减速接近平台时气动性能最为稳定。
固定翼无人机(Unmanned aerial vehicle, UAV)飞行速度快,载重能力强,但对起降环境要求较高,同时降落与回收需要专门的机场跑道。为了提升固定翼UAV巡航效率,扩展固定翼UAV的应用场景,以UAV空中充电和UAV空中回收为代表的UAV空中对接技术受到人们关
国内外针对UAV空中对接回收技术已有大量研究。在20世纪50年代,美国空军为了增加喷气式战斗机的航程,提出复合式运输(Compound aircraft transport,CAT)的概念,采用翼尖停靠的方式,将两架F⁃84战斗机与大型飞机对接,到达目的地后发动机重启以节省燃料,该项目成功完成了飞行测
但如何应对C⁃130载机附近的复杂紊流,以及机械臂末端抓取机构的设计是回收系统需要解决的2个难
目前国内UAV对接领域的研究主要集中在空中加油与小型固定翼UAV的回收技
目前UAV空中回收大多采用拖曳线缆和机械臂抓取的对接回收方式,直接进行空中滑行对接的研究还相对较少。本文针对一种基于空中平台的双机交汇对接回收模式进行研究,该模式下产生的问题主要为如何使UAV能顺利稳定地绕过空中平台的尾流区,并在稳定的控制状态下着陆在空中平台上。本文首先分析了空中平台与UAV双机编队飞行过程中的气动干扰,得出空中平台翼尖涡的扩散规律与影响范围。之后分别对UAV以不同路径向起降平台进行对接着陆的气动性能进行计算流体力学(Computational fluid dynamics,CFD)仿真计算,并使用代理模型拟合其他位置的气动干扰。最后针对UAV在预定路径下进行对接所产生的干扰设计了一种滑模控制器,使用MATLAB Simulink对不同路径下的UAV与空中平台的进近对接过程进行了仿真验证,对比分析得出了UAV最佳对接路径。
空中平台对接回收是一种新型的UAV空中回收方法。UAV首先从远方接近至空中平台周围某一相对位置并保持编队飞行,随后UAV从空中平台前方或后方逐渐向空中平台进近,待UAV与空中平台上表面接触后,无人起落架与平台上方甲板固定,UAV与平台完成对接。
平台采用中单翼布局,双机身构型可用于减缓UAV着陆对接过程中的冲击力,机身背部布置全通式跑道,用于回收和固定UAV。空中平台上表面无任何突出部位,因此UAV在着陆对接过程中可从平台前方或后方以任意路径向预计着陆点进近。平台外形示意图如

图1 空中回收平台三视图
Fig.1 Three views of the air recovery platform
待回收UAV为常见的中型固定翼UAV,待回收UAV外形示意图如

图2 UAV外形示意图
Fig.2 Schematic diagram of shape of UAV
UAV与空中平台的对接示意图如

图3 UAV与空中平台对接示意图
Fig.3 Three views of UAV and air platform docking
在UAV对接过程中,UAV会受到空平台产生的翼尖涡干扰。如何选择合适的对接路径,使UAV在对接过程尽可能地避免受到气动干扰是UAV空中回收过程中所需解决的关键问题。
本文中主要采用CFD方法进行计算。计算过程主要为求解雷诺平均N⁃S方程(Reynolds average Navier‑Stokes equations, RANS)。湍流模型采用Spalart⁃Allmaras单方程模型,空间离散格式为基于roe格式的二阶迎风格式。
针对本文的空中平台与待回收UAV进行网格无关性验证。网格类型选择混合网格,对不同网格数量下的UAV算例作阻力系数验证,如
空中平台 | UAV | ||
---|---|---|---|
网格数量 | 阻力系数 | 网格数量 | 阻力系数 |
4 089 956 | 0.193 5 | 3 040 402 | 0.048 5 |
5 452 154 | 0.191 4 | 5 070 997 | 0.045 7 |
7 710 264 | 0.190 1 | 7 300 634 | 0.044 3 |
11 841 988 | 0.189 9 | 11 759 704 | 0.044 1 |
采用1∶10比例风洞模型对空中起降平台进行对比验证。风洞实验与仿真计算的环境参数对比计算如
参数 | 风洞实验 | 仿真计算 |
---|---|---|
来流速度/(m· | 24.9 | 25 |
空气密度/(kg· | 1.222 | 1.225 |
动态黏度/(kg· | 1.789 38e-5 | 1.789 38e-5 |
特征长度/m | 0.146 | 0.145 |
Re | 248 268 | 248 165 |

图4 实验模型支撑系统
Fig.4 Experimental model support system

图5 连杆锥套相对位置示意图
Fig.5 Schematic diagram of relative position of connecting rod cone sleeve
使用700万级网格仿真计算验证空中平台的升阻力特性,计算与实验结果对比如

图6 计算与风洞实验升阻力系数对比
Fig.6 Comparison of lift and drag coefficients between CFD and wind tunnel experiment results
由
使用代理模型拟合建模空中平台与UAV不同相对位置下的气动干扰。神经网格算法是一种新兴的代理模型数值拟合方法,其中反向传播(Back propagation, BP)神经网格是一种按误差逆向传播算法训练的多层前馈神经网格,为目前使用最为广泛的神经网格之一,在工程实际值中常被应用于拟合预测研究。其结构如

图7 BP神经网格结构示意图
Fig.7 BP neural grid structure diagram
本文在MATLAB Simulink环境下进行UAV运动状态仿真计算。考虑UAV对接降落的特殊性,采用比例积分微分(Proportional integral derivative, PID)和滑模控制(Sliding mode control, SMC)联合控制方法。考虑UAV在对接过程中会受到非线性的气动力扰动,因此UAV俯仰角与UAV升降舵面的控制采用抗干扰性能较强的SMC。通过改变UAV的俯仰角可改变UAV整体产生升力的大小,进而改变UAV的下降速度。经过调节后的PID控制器可根据不同的下降速度输入产生相应的姿态角指令,姿态角指令再由SMC控制器转化为相应的升降舵偏量,由此可控制UAV的下降速度,进而控制UAV对接轨迹,控制系统模拟运行流程图如

图8 UAV对接回收控制系统运行逻辑
Fig.8 Operation logic of UAV docking recovery control system
由于空中平台体积要远大于待回收UAV,UAV降落过程中对平台影响较小,但空中平台后方流场受到其翼尖涡的作用,流动特性复杂,扰流变化不规律。UAV在接近平台进行对接的过程中会经过平台后方的扰流区,受到强烈的气动干扰。因此,摸清起降平台翼尖涡对于UAV的气动影响是UAV能否正常对接降落的关键。针对空中平台翼尖涡进行分析,空中平台巡航飞行过程中产生的速度涡量图如

图9 空中平台后方尾流场涡量与流线图
Fig.9 Vorticity and flow diagram of wake field behind air platform
经计算UAV在远离平台15 m后所受干扰可忽略不计,因此本文设定UAV起始位置与空中平台保持15 m的相对距离。“进近距离”即为UAV从起始位置向空中平台对接过程中的位移距离,分别模拟计算UAV以不同角度接近空中平台的气动状态。从后方向平台加速进近角度拟为:15°,30°,45°,60°,75°;从前方向平台接近角度为105°,120°,135°,150°,165°。90°时为垂直向下降低高度接近空中平台。UAV沿不同角度的近进路线示意图如

图10 UAV对接降落时不同相对位置示意图
Fig.10 Different relative positions of UAV docking and landing
设定UAV从后方滑行近进对接,设定从后方向平台近进角度为:15°,30°,45°,60°,75°。横坐标为UAV从初始位置沿当前路径下向空中平台的进近距离。初始UAV与空中平台相距15 m。当UAV进近距离达到15 m,即为UAV与平台对接。纵坐标分别为UAV的阻力、升力和俯仰力矩系数。UAV在接近空中平台的过程中产生的纵向气动参数变化如

图11 后方加速对接过程UAV不同相对位置气动参数变化
Fig.11 Changes of aerodynamic parameters of UAV at different relative positions during rear acceleration docking
设定UAV初始位置位于空中平台前上方,UAV逐渐减少并降低高度,直至空中平台“接住”UAV。从后方向平台近进角度为:105°,120°,135°,150°。

图12 前方减速对接过程UAV不同相对位置气动参数变化
Fig.12 Changes of aerodynamic parameters of UAV at different relative positions during forward deceleration docking
整体而言,UAV从平台前方向后方进近过程中阻力系数更小,升力系数更大,UAV气动特性相较于从后方对接更好
通过上文对UAV从不同方向接近平台过程中的仿真计算,获得了不同对接路径下UAV的气动干扰信息。但UAV动态模拟对接气动力方程需要根据相对位置实时获得UAV的气动干扰,这需要获取空中平台周围所有不同相对位置的气动干扰信息。本文使用已有的CFD计算数据作为训练样本,使用代理模型对没有计算到的相对位置进行拟合,以此得到UAV不同状态下的实时干扰信息。
本文使用BP神经网格作为代理模型,输入为极坐标系下的UAV相对位置:UAV与平台相对夹角,UAV与平台相对距离;输出为UAV的升阻力系数及俯仰力矩系数,训练回归结果如

图13 代理模型回归曲线结果
Fig.13 Regression curve results of the proxy model
参数 | 拟合相关度 | 测试误差范数 | 最大误差 |
---|---|---|---|
Cd | 0.999 6 | 0.000 44 | 0.000 25(1.4%) |
Cl | 0.999 8 | 0.008 41 | 0.003 63(1.1%) |
Cmy | 0.999 8 | 0.002 80 | 0.001 40(3.2%) |
由
使用训练好的代理模型对空中平台周围空间位置的UAV气动参数分布进行拟合计算,UAV升阻力系数与俯仰力矩系数在空中平台周围的空间分布云图如

图14 UAV气动参数沿空中平台周围空间分布云图
Fig.14 Spatial distribution of UAV aerodynamic parameters around the air platform
当UAV进近平台的速度较慢时,不同相对位置下UAV受到的气动干扰变化较为缓慢,规律性较强。本文假设UAV以较慢的速度进行对接,此时可使用基于代理模型拟合的不同相对位置的UAV气动力干扰数据,并对比分析不同路径下UAV的气动性能。使用相同的控制器操作UAV沿不同方向向空中平台近进,研究相同控制规律下UAV的跟踪稳定性,对接过程中产生的误差越小,说明UAV相应路径下对接过程中跟踪性越好,对接回收稳定性越高。UAV位置误差为
式中:xd和zd分别为目标着点的x轴与z轴相对位置;d为UAV当前的位置误差。随着UAV沿指定曲线逐渐向平台进近,d应当逐渐减为0,此时UAV视为停靠在空中平台上。
为了能够突出显示平台周围气动干扰对不同路径下的UAV造成的跟踪误差,设定UAV在进近过程中控制器保持UAV各方向速度不变。UAV在不同相对角度下与平台直线对接的轨迹与误差变化如

图15 UAV后方定向直线对接路径跟踪误差
Fig.15 Tracking errors of UAV along the rear directional straight line docking path

图16 UAV前方定向直线对接路径跟踪误差
Fig.16 Tracking errors of UAV along the forward orientation straight line docking path
相对角度/ (°) | 最大速度 误差/(m· | 平均速度 误差/(m· | 位置积累 误差/m |
---|---|---|---|
15 | 0.043 54 | 0.011 56 | 0.171 50 |
30 | 0.050 60 | 0.013 01 | 0.193 90 |
45 | 0.055 76 | 0.013 15 | 0.196 20 |
60 | 0.056 84 | 0.010 64 | 0.158 90 |
75 | 0.056 86 | 0.008 28 | 0.123 70 |
90 | 0.058 30 | 0.008 61 | 0.128 60 |
105 | 0.057 15 | 0.005 31 | 0.070 94 |
120 | 0.056 81 | 0.003 69 | 0.055 14 |
135 | 0.055 90 | 0.003 07 | 0.045 75 |
150 | 0.053 37 | 0.002 64 | 0.039 29 |
165 | 0.046 27 | 0.002 88 | 0.042 64 |
综上,UAV在与空中平台定向直线对接的过程中,从前方减速靠近平台时UAV控制稳定性要好于UAV从后方接近平台的过程。稳定性最好的对接路径为UAV以150°方向从空中平台前方向后减速对接。
与当前研究较多的“空中加油”式对接回收方法不同,使用大型空中平台、中小型UAV直接降落对接是一种新型UAV回收方法。本文主要针对UAV与大型空中平台对接回收过程中产生的气动干扰进行研究,研究结果如下:
(1)本文使用CFD仿真对不同路径下UAV与空中平台对接过程中的气动干扰变化进行研究,结果表明:UAV从后方接近空中平台过程中的俯仰气动特性受干扰程度较大;UAV从前方接近空中平台时,所受整体干扰量较小。
(2)通过求解气动力方程,研究对比了不同直线路径下UAV的跟踪控制稳定性,仿真结果表明:在相同控制器作用下,UAV以直线靠近空中平台、相对角度为150°时对接轨迹跟踪误差最小。
尽管本文针对双UAV对接的气动干扰进行研究,但研究对象为低速轻小型UAV,对大型飞行器对接过程中可能产生的问题仍有待分析解决。未来将以此为方向,对不同飞行器空中对接的问题进一步研究。
参考文献
王祥科, 刘志宏, 丛一睿, 等. 小型固定翼无人机集群综述和未来发展[J]. 航空学报, 2020, 41(4): 023732. [百度学术]
WANG Xiangke, LIU Zhihong, CONG Yirui, et al. Miniature fixed-wing UAV swarms: Review and outlook[J]. Acta Aeronautica et Astronautica Sinica, 2020, 41(4): 023732. [百度学术]
闫明松. 舰载无人机作战使用及关键技术综述[J]. 航空电子技术, 2020, 51(2): 16-20. [百度学术]
YAN Mingsong. Overview of combat operation and key technologies of shipborne unmanned aerial vehicles[J]. Avionics Technology, 2020, 51(2): 16-20. [百度学术]
MAGILL S, SCHETZ J, MASON W. compound aircraft transport: A comparison of wingtip-docked and close-formation flight: AIAA—2003-0607[R]. [S.l.]: AIAA, 2002. [百度学术]
黄雷. 美军小精灵无人机群项目发展现状综述[J]. 飞航导弹, 2018(7): 44-47. [百度学术]
HUANG Lei. Summary of the development status of the US army elf UAV group project[J]. Aerodynamic Missile Journal, 2018(7): 44-47. [百度学术]
BANGASH Z A, SANCHEZ R P, AHMED A, et al. Aerodynamics of formation flight[J]. Journal of Aircraft, 2006, 43(4): 907-912. [百度学术]
CARUSO B, FATAKDAWALA M, PATIL A, et al. Demonstration of in-flight docking between quadcopters and fixed-wing UAV[C]//Proceedings of 2021 IEEE Aerospace Conference (50100). Big Sky, USA: IEEE, 2021: 1-9. [百度学术]
SUVARNA S, SHUKLA D, PANT R. Project HERCARA: High endurance relocatable crewless aircraft on reconnaissance aerostat[C]//Proceedings of AIAA AVIATION 2022 Forum. Chicago, USA: AIAA, 2022: 4061. [百度学术]
WANG L X, LI H, LIU Y X, et al. Design and realization of a cable-drogue aerial recharging device for small electric fixed-wing UAVs[C]//Proceedings of 2023 International Conference on Unmanned Aircraft Systems (ICUAS). Warsaw, Poland: IEEE, 2023: 926-932. [百度学术]
NICHOLS J W, SUN L, BEARD R W, et al. Aerial rendezvous of small unmanned aircraft using a passive towed cable system[J]. Journal of Guidance, Control, and Dynamics, 2014, 37(4): 1131-1142. [百度学术]
LIN P, HE Y K, CHEN Y Z. Unmanned autonomous air-to-air refueling intelligent docking technology[J]. Chinese Journal of Aeronautics, 2024, 37(5): 1-5. [百度学术]
陈学义, 何庆, 姜勇, 等. 无人机回收技术及其发展[J]. 飞航导弹, 2011(4): 79-82. [百度学术]
CHEN Xueyi, HE Qing, JIANG Yong, et al. UAV recovery technology and its development[J]. Aerodynamic Missile Journal, 2011(4): 79-82. [百度学术]
张博连. 无人机自主空中加油对接控制技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2018. [百度学术]
ZHANG Bolian. Research on autonomous aerial refueling docking control technology of UAV[D]. Harbin: Harbin Institute of Technology, 2018. [百度学术]
李俊国. 蜂群式固定翼无人机空基回收系统设计及动力学分析[D]. 哈尔滨: 哈尔滨工业大学, 2017. [百度学术]
LI Junguo. Design and dynamic analysis of space-based recovery system for bee colony fixed-wing UAV[D]. Harbin: Harbin Institute of Technology, 2017. [百度学术]
苏子康, 徐忠楠, 李春涛, 等. 伸缩套臂式无人机空基回收建模与对接控制[J]. 航空学报, 2023, 44(1): 227-244. [百度学术]
SU Zikang, XU Zhongnan, LI Chuntao, et al. Modeling and docking control of UAV aerial recovery in form of telescopic boom[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(1): 227-244. [百度学术]