Windkanal-Freiflugmessungen zur Bestimmung flugmechanischer Kenngrößen

Nowack, Jan; Alles, Wolfgang

doi:30348

Windkanal-Freiflugmessungen zur Bestimmung flugmechanischer Kenngrößen = Parameter identification by free flight wind tunnel tests

Nowack, Jan (Author)

2010

Verantwortlichkeitsangabevorgelegt von Jan Nowack

ImpressumAachen : Publikationsserver der RWTH Aachen University 2010

UmfangXVII, 162 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2010

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Alles, Wolfgang (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2010-02-25

Online
URN: urn:nbn:de:hbz:82-opus-32557
URL: https://publications.rwth-aachen.de/record/51809/files/3255.pdf

Einrichtungen

Lehrstuhl und Institut für Flugsystemdynamik (415410)

Inhaltliche Beschreibung (Schlagwörter)
Windkanal (Genormte SW) ; MATLAB (Genormte SW) ; SIMULINK (Genormte SW) ; Inversion <Mathematik> (Genormte SW) ; Identifikation (Genormte SW) ; Adaptivregelung (Genormte SW) ; Neuronales Netz (Genormte SW) ; Ingenieurwissenschaften (frei) ; dynamische Inversion (frei) ; 3D-Kamera (frei) ; pseudo control hedging (frei) ; identification (frei) ; wind tunnel (frei) ; dynamic inversion (frei) ; neural network (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Zur Gewinnung flugmechanischer Kenngrößen von Fluggeräten sind Experimentaltechniken, wie Freiflug- und Windkanalversuche, den heute immer besser werdenden numerischen Verfahren zum Trotz weiterhin essentiell notwendig. Jedoch weisen beide genannten Techniken Nachteile auf: Zum einen entstehen bei Windkanalmessungen aufgrund der Befestigung des Fluggerätes Strömungsinterferenzen. Zum anderen können Kopplungseffekte, welche durch die Bewegung des Luftfahrzeuges in der Strömung entstehen, nur unter größtem Aufwand aufgenommen werden – in manchen Fällen ist nicht einmal dies möglich. Die Nachteile der Freiflugtechnik bestehen in den nicht reproduzierbaren Bedingungen (atmosphärische Störungen), den hohen Kosten sowie in dem Risiko, gerade das bemannte Testflüge bergen. Ziel dieser Arbeit, welche am Lehrstuhl für Flugdynamik der RWTH Aachen durchgeführt wurde, ist der Aufbau einer reproduzierbaren Freiflugumgebung zur kosteneffektiven Identifizierung wichtiger flugmechanischer Kenngrößen in einem dabei frühen Planungsstadium. Dazu werden die Vorteile der Freiflugtechnik mit jenen des Windkanals kombiniert, indem der Freiflug in den Windkanal und damit unter Laborbedingungen gebracht wird. Position und Lage des Modells werden mittels eines 3D-Kamerasystems, das über eine hohe Bildwiederholungsrate und -genauigkeit verfügt, aufgenommen. So muss das Modell lediglich mit Sensoren für die Ruderpositionen sowie die Motordrehzahl ausgestattet werden. Das Modell und der gesamte Prozess werden durch ein Echtzeitsystem gesteuert und geregelt, welches zuvor in MATLAB/Simulink implementiert wurde. Ein adaptiver Parameteridentifizierungsalgorithmus, basierend auf einer Regression im Frequenzbereich, generiert die benötigten Anregungsmanöver und wertet diese in Echtzeit aus. Aufgrund seiner Adaptionsfähigkeit benötigt dieser Algorithmus nur geringe Vorkenntnisse über die Modelleigenschaften. Die Manöver werden so lange angepasst, bis sie möglichst exakt die Eigenfrequenzen des Modells anregen. Die verwendete Regelung hat die Aufgabe, das Fluggerät nach einem Identifizierungsmanöver in eine vorgegebene Position im Windkanal zu führen und dort zu trimmen. Zusätzlich übernimmt der Regler das Fluggerät, sobald sich dieses dem Freistrahlrand nähert, und versucht es zurück in die Mitte der Strömung zu führen. Aufgrund der hohen Nichtlinearitäten und der Agilität der Modelle wird die nichtlineare dynamische Inversion verwendet. Diese wird durch ein Pseudo-Control-Hedging erweitert, um Probleme mit nichtlinearen Raten- und Ausschlagsbegrenzungen sowie die Invertierung der Stelldynamik zu vermeiden. Da diese Kombination gegenüber Parameterunsicherheiten, wie sie gerade in diesem Fall vorhanden sind, noch wenig robust ist, werden zusätzliche adaptive Terme in Form eines neuronalen Netzes integriert. Nach dem Freiflugexperiment erfolgt eine Identifizierung mittels Offline-Algorithmen, in welchen aufgrund der vorhandenen Ressourcen nichtlineare Modelle und bessere Filteralgorithmen zur Anwendung kommen. Aufgrund des Sensorkonzeptes sind Sensordrift sowie Bias in den Signalen nicht vorhanden, so dass hier ein Gleichungsfehlerverfahren ausreicht. Die Validierung erfolgt am Beispiel eines Fluggerätes im Windkanal des Lehrstuhls für Flugdynamik.

To achieve identification of the flight mechanical parameters of aircraft experimental techniques like free flight or wind tunnel tests are still essential, even if the numerical methods are getting better. But the mentioned techniques have both their disadvantages: On the one hand because the mounting of the model during wind tunnel measurements causes interference to the flow. On the other hand coupling effects caused by the movement of the aircraft in the flow can only determined with high costs – in some cases it is even not possible. The disadvantages of the free flight techniques consist of no reproducible conditions (atmospheric disturbances), high costs and the risk of manned test flights. The goal of this work which was conducted at the Chair of Flight Dynamics at the RWTH Aachen University was the creation of a reproducible free flight environment for the cost effective Identification of main flight mechanical parameters even in an early design stage. Therefore the advantages of the free flight techniques will be combined with the advantages of the Wind Tunnel techniques by bringing the free flight into the wind tunnel under laboratory conditions. The position and attitude of the aircraft is affiliated by a 3D Camera System with high frequency and accuracy. Hence, the aircraft must only be equipped with sensor for the control surface positions and the revolution of the engine. The aircraft and the whole process are controlled by a real time system, which is implemented in Matlab/Simulink before. An adaptive identification algorithm, based on a regression in the frequency domain, generates the required excitation manoeuvre and analyses them in real time. Because the algorithm is adaptable, it needs only little a priori knowledge of the aircraft characteristics. The manoeuvre will be adapted until they fit most exactly to the eigenfrequency of the aircraft. The control algorithm has the function to reposition the aircraft after an identification manoeuvre and to trim. Additional, the algorithm takes control of the aircraft if it reaches the border of the free stream and tries to reposition it in the center of the wind tunnel. Because of the high non linearity and the agility of the aircraft the dynamic inversion is used. This is enhanced by a pseudo control hedging to avoid non linear rate- and deflection limits and to avoid the inversion of the dynamic of the actuator. As this combination is not very robust against uncertainties in the parameters, as they appear especially in this case, additionally adaptive terms in form of neural networks where included. After the free flight experiment an identification based on offline algorithms is conducted. Because of the higher resources even nonlinear models and better filter algorithms can be used. Because of the sensor concept, drift and bias in the signals do not exist. Therefore an equation error method is adequate. The Validation exemplary takes place with an aircraft in the wind tunnel of the Chair of Flight Dynamics.

Fulltext:
PDF