直升機旋翼振動主動控制方法研究進展

陳 鈺,宗 群,張秀云,竇立謙

(天津大學 電氣自動化與信息工程學院,天津 300072)

直升機升降對于場地要求較小,同時其特有的旋翼結構可以使其完成空中懸停、貼地飛行、向后飛行等高難度機動動作。另外,直升機還擁有重型貨物運輸能力。這些特點使得直升機在地質勘探、水電建設、交通管理、搶險救災等任務上能夠發揮重大作用[1]。然而,其旋翼結構在提供升力和機動性的同時,也是機身振動的重要來源,所以,進行旋翼振動控制方法的的研究至關重要。

直升機在工作過程中,旋翼旋轉和機身前飛的組合運動會使槳葉在不同方位角、不同展向位置的馬赫數差異很大,槳葉在不同方位角受到后行槳葉失速、動態失速、槳渦干擾和超臨界流等因素的影響,如圖1所示。復雜非對稱的氣流環境和具有氣動翼型剖面的細長旋翼結構相互耦合[2],在槳葉上引起交變的氣動載荷[3],載荷沿柔性槳葉從槳根連接處匯集到槳轂處,經過槳轂的過濾后傳遞到直升機機身,引發機身振動[4]。振動會對機艙人員的判斷能力、理解能力和個人健康等造成不良影響[5],另外,長期的交變載荷會加速機艙齒輪箱、傳動機構、發動機等重要零部件磨損,嚴重時還會導致機身的結構疲勞等[6]。因此,振動控制已成為新一代直升機設計的重點關注領域。

圖1 直升機流場重要特征示意圖[2]

由于振動問題的重要性,相關領域已有大量研究成果。早期的減振方法多為被動減振,常見采用吸隔器、減振材料[7]或氣動剪裁等方式,在直升機產生振動后再進行處理[3]。然而,被動減振方法無法根據直升機飛行狀態進行調整,性價比相對較低,無法滿足整個飛行包絡線內的減振需求。

由于被動減振的弊端,從上世紀50年代開始,以美國和歐洲為代表的科研機構開展了主動減振控制方法的研究。目前已有國外許多學者進行了相關綜述,已有的綜述大致可分為兩個方向:1)主要圍繞主動減振驅動機構方式。如利物浦大學Mottershead等[8]提出的直升機座椅處減振技術,德國飛行系統研究所的Ch[9]重點介紹了基于傾斜盤的高階諧波控制與基于連桿的獨立槳葉控制的相關發展情況。密歇根大學的Friedmann[10]針對不同類型的驅動機構進行了比較。2)聚焦于驅動機構內部的構型和材料,尤其是壓電材料在直升機減振中的應用[11]。印度科學院的Shivashankar等[12]綜述了壓電智能彈簧在直升機連桿中的響應效果。西里西亞技術大學的Degefa等[13]通過有限元分析法得到了不同組合形式、不同幾何形狀的壓電材料對于不同頻率驅動電壓的響應關系。

與此同時,國內的學者也結合現實需求針對直升機振動特性[14]以及主動控制技術開展了大量工作。軍事醫學科學院衛生裝備研究所的劉孝輝等[15]綜述了針對軍用直升機減振的研究進展。南京理工大學的黎亮[16]針對剛柔復合梁系統開展了主被動混合振動控制研究。另外,南京航空航天大學的陸洋等[17-18]綜述了主動控制在降低噪聲方面的研究成果,進一步證明了主動控制技術的潛力。

直升機旋翼振動主動控制的關鍵點在于根據當前飛行狀態及旋翼工作情況,由控制器給出合適的指令并讓驅動機構進行跟蹤控制,通過改變槳葉的氣動力分布以及槳葉彈性響應抵消原有諧波載荷,實現在源頭上降低振動載荷的目標。因此,控制方法是實現減振控制的關鍵,所設計的方法需要在復雜氣流環境、強外界干擾、快參數時變的飛行環境下保證減振性能,這就對控制方法的實時性、魯棒性和適應性提出了挑戰。上述研究的主要意義在于指導驅動機構的設計,然而,針對給出減振指令的控制方法,還沒有相關的綜述文章進行梳理和總結。

因此,本文主要聚焦于直升機旋翼振動主動控制技術中的控制方法,通過分析直升機振動的頻率特征,并結合相關風洞、飛行試驗結果對各類控制方法進行對比總結。最后在現有工作不足的基礎上展望未來發展方向,為相關科研工作者提供有益參考。

1 直升機振動的頻率特征

相比于固定翼飛行器,直升機的傳動系統和操縱系統更加復雜。在工作過程中,直升機機身以及駕駛艙可能同時受到多個振動源所產生的振動影響[19],其中包括主減速器[20]、發動機[21]、主旋翼等。本文主要關注由主旋翼產生的振動載荷,并對相應控制方法展開綜述,由于該載荷從高速旋轉的槳葉根部通過槳轂傳遞到直升機機身乃至其他部位,因此分析振動載荷傳遞關系至關重要[22]。

定義轉速Ω為1/(r·min-1),在旋轉坐標系轉換到非旋轉坐標系的過程中,振動載荷可以拆分成傅里葉級數的形式,除KN/(r·min-1)(其中N為直升機槳葉數,K為正整數)的振動載荷外,其他階次的振動載荷均在槳轂處抵消。因此直升機槳轂在載荷傳遞的過程中起到了濾波器的作用,只向機身傳遞旋翼槳根力和力矩的KN/(r·min-1)振動載荷[19]。振動載荷在旋轉系統和非旋轉系統之間的轉換關系為:旋轉系統的KN/(r·min-1)垂直剪切力轉化為非旋轉系統的KN/(r·min-1)槳轂垂向力,旋轉系統的KN/(r·min-1)擺振彎矩轉化為非旋轉系統的KN/(r·min-1)槳轂軸力矩,旋轉系統的KN±1/(r·min-1)平面內剪切力轉化為非旋轉系統的KN/(r·min-1)槳轂橫向和側向力,旋轉系統的KN±1/(r·min-1)揮舞彎矩轉化為非旋轉系統的KN/(r·min-1)俯仰力矩和滾轉力矩。

另外,由于隨著諧波階次的升高,諧波幅值逐漸減小,更高階次的振動諧波對于整體的振動響應影響很小,因此在直升機振動控制中,K值取1,即僅考慮非旋轉系統中的N/(r·min-1)振動載荷。分析振動載荷的諧波階次特點對于振動控制來說具有重大意義,由上述分析可知,在槳葉數和轉速確定時,振動載荷在非旋轉系統上的階次是確定的。因此,可以通過外加驅動器產生頻率相同、幅值相反的諧波來抵消振動,這也是直升機振動主動控制的原理[23]。

2 直升機旋翼振動主動控制方法研究進展

在直升機旋翼振動主動控制方法中,根據驅動機構的不同,可以大致分為4種控制方式,即后緣襟翼[24]、槳尖扭轉[25]、高階諧波[26]或者獨立槳葉[27]等,旋翼振動主動控制總體框圖如圖2所示,旋翼系統通過振動傳感器獲得振動輸出,并將信號處理過的振動輸出作為下一輪控制器的輸入,通過控制器中的控制方法以及諧波調制得到主動控制信號,并作用于直升機振動模型,最終使傳感器所測量的振動載荷逐漸減小并達到指標要求,實現振動抑制。另外,由于在多旋翼直升機系統中,獨立控制的單槳葉特性可以決定非旋轉系統中的準靜態振動響應,因此在閉環控制中,常采用以單個槳葉的控制方法為基準,另外N-1片槳葉控制按方位角相移的方法[28]。

圖2 直升機振動主動控制總體框圖

目前,直升機旋翼振動主動控制方法可以分為頻域和時域兩大類,其中,時域控制方法分為時域高階諧波方法、魯棒控制方法、智能控制方法3類,下面將分別展開討論。

2.1 頻域振動控制方法

頻域高階諧波控制(Higher harmonic control,HHC)方法是直升機頻域振動控制中最常見的控制方法。對于直升機而言,HHC也可以代指一種基于直升機自動傾斜盤的減振驅動方式。然而,由于其存在選擇頻率范圍窄、對飛行控制有影響等缺點[10],后來逐漸被其他驅動方式所取代。這里的頻域HHC方法指基于T逆矩陣的減振控制方法,其簡單可靠且具有很強的實用性[29],并為其他方法的發展提供了理論基礎。

1981年,波音公司的Shaw等[30]提出準靜態假設,即當旋翼沒有嚴重失速時,主動控制的諧波輸入和槳轂振動載荷諧波分量之間的關系接近線性,并可以表示為線性矩陣(T矩陣),T矩陣也被稱為線性準靜態模型。隨后,馬里蘭大學和芝加哥大學[31-32]也針對直升機旋翼模型開展建模工作,驗證了文獻[30]所提出的假設,為頻域HHC方法的實現奠定了理論基礎。

頻域HHC方法是一種離散時間方法[33],通常在旋翼旋轉的一個周期或周期的整數倍時進行更新,其閉環控制方法框架由波音公司的Shaw團隊[30,34]建立。標準的頻域HHC控制框圖如圖3所示,其中旋翼系統為閉環控制對象,旋翼系統輸出的yp為由于主動控制輸入產生的振動響應,d為無控振動載荷,zn為兩者抵消之后的振動輸出,其中右下角標n為當前的周期數。控制器將振動輸出zn進行傅里葉分解并在1周期內進行積分取平均值,通過T逆矩陣得到控制輸入的cos和sin幅值增量,并需要保持整周期數后才能更新得到控制輸入θn,實現閉環控制。

圖3 頻域HHC方法[34]

從圖3中可以看出,T矩陣是整個閉環控制的關鍵,所建立的T矩陣精度將直接影響控制效果。1982年,Johnson[35]在給NASA提交的報告中,根據T矩陣更新方式的不同,將頻域HHC方法分為參數固定HHC方法和自適應HHC方法。

參數固定HHC方法是指在穩定的飛行平衡點采用最小二乘法對T矩陣進行離線辨識, 在應用時,T矩陣保持不變。1974年,NASA的Sissingh等[36]采用高階諧波輸入對美國軍方的相關項目進行了試驗,證明了此方法可以對槳葉俯仰和滾轉力矩產生顯著影響。隨后,由約翰霍普金斯大學的Rugh等[37]從理論上進一步分析了參數固定方法在線性系統中的有效性。1989年,Shaw等[38]針對頻域HHC方法進行了一系列測試,測試結果表明,在提前辨識的基礎上,參數固定HHC方法可以降低不同平衡點的大部分振動。同時,基于傳感器測量數據建立的靈敏度矩陣具有高度可重復性,這也說明了試驗的成功。

然而,參數固定HHC在應用中存在一定局限性,康涅狄格大學的Molusis等[39]指出參數固定HHC要求在不同飛行狀態下都預先進行測量試驗以重新建立T矩陣,并且需要對T矩陣進行存儲,這使得當T矩陣維數較高時會占用較多的計算機容量。此外,由于T矩陣保持不變,可能會導致驅動機構達到物理約束,從而無法實現減振效果[40]。因此,能夠隨著飛行狀態的變化而在線辨識的自適應HHC方法擁有更大的潛力。

1980年,Shaw[34]提出基于卡爾曼濾波的T矩陣估計方法,對控制器中的T逆矩陣進行更新以實現精確求逆,結果表明這種方法可以很好地適應飛行條件的變化,同時結合了卡爾曼濾波器,對噪聲環境中的振動載荷數據進行了進一步處理。但這種方法并未考慮振動幅值變化的隨機性特征。1982年,NASA的Johnson[35]針對旋翼模型識別參數的隨機性特征,提出基于遞歸參數估計與線性反饋結合的謹慎控制器。1998年,Ames研究中心的Jacklin[41]總結了5種用于自適應HHCD 的在線辨識方法,包括最小均方法、廣義最小均方法、加權最小二乘法、卡爾曼濾波法以及廣義卡爾曼濾波法等,并分別在開環以及閉環試驗中對這5種辨識方法進行了仿真對比。試驗結果表明,最小均方法的收斂速度較快且調節參數較少,卡爾曼濾波則精度較高,除加權最小二乘法外,其他4種方法均能實現在線辨識。2005年,密歇根大學的Patt等[42]提出在T矩陣更新過程中加入松弛因子,并設計了一種松弛HHC方法,比較了包括參數固定HHC方法、自適應HHC方法以及松弛HHC方法的性能指標函數以及穩定性等不同。

為了進一步驗證不同方法的性能,美國陸軍學院的Nygren等[43]進行了一系列數值模擬試驗。研究表明,只有直升機的前飛速度保持在離線識別37.04 km/h范圍內時,參數固定HHC方法才可以取得滿意的結果,而自適應HHC方法可以更好的適應速度變化。另外,自適應HHC方法對T矩陣初始參數的設置不敏感,即使初始控制律與最優控制律相差較大也能快速調整。

除上述方法研究外,2004—2016年,NASA和美國軍方還針對特定型號的直升機進行了大量載荷測量試驗以分析T矩陣的響應特性,其中最典型的是針對UH-60型直升機所進行的振動響應數據采集試驗。在試驗過程中,通過調整集合模式和周期變距模式進行直升機配平[44],以風洞試驗測量所得到的空氣動力學數據為基礎,通過開環掃相的方式獲得了T矩陣的具體參數,并利用插值法建立不同平衡點之間T矩陣的變換關系[45]。美國陸軍裝備研究院在試驗數據的基礎上,對UH-60直升機的物理構造以及節點分布進行了詳細的建模工作[46-47]。

在試驗方面,1982年,美國Hughes直升機公司與美國軍方以及NASA合作,針對帶HHC技術的OH-6A型號直升機進行了一系列開環以及閉環前飛試驗,試驗照片如圖4所示。飛行試驗開始前,首先建立了包含故障安全功能的集成系統,保證OH-6A型直升機搭載HHC裝置后能同時滿足振動控制的驅動機構物理約束以及飛行控制的安全約束[48]。開環試驗證明了HHC技術可以有效的改變由主旋翼產生的垂向振動載荷,但當飛行速度過高時,尾槳的影響也需要進一步考慮。在閉環前飛試驗中,應用基于卡爾曼濾波的頻域自適應HHC方法后,在0～185.20 km/h前飛速度下,駕駛艙位置的垂向加速度均能降低到0.05 g及以下[49]。

圖4 搭載了HHC系統的OH-6A[49]

除頻域HHC方法外,也存在其他頻域控制方法。2001—2002年,南京航空航天大學的李春明等[50-52]通過神經網絡在線擬合帶后緣襟翼的旋翼系統模型,并設計前饋神經網絡控制器降低由槳轂六力素組成的振動指標。理論上,神經網絡方法具有更強的非線性映射能力,但該方法暫未進行試驗驗證,需要進一步探索。

從理論方法以及相關的風洞、飛行試驗結果中可以看出,頻域振動控制方法的發展時間較早,研究成果主要集中于20世紀之前。作為早期的主要研究方法,頻域振動控制方法對直升機旋翼振動特性研究、振動閉環控制機理、穩定性分析等各方面都進行了深入的探索,并積累了大量試驗數據。其主要優勢在于實現上較為容易,對計算機容量以及計算能力的要求都比較小,并且可以避免更新過于頻繁帶來的瞬態響應,但其需要滿足整周期控制,對外界環境的變化響應速度過慢。另外,更新時刻的信號階躍變化也可能會導致對驅動機構的沖擊,存在安全隱患[53]。因此,出于實時性等方面的考慮,提出了時域振動控制方法。

2.2 時域振動控制方法

2.2.1 時域高階諧波方法

針對頻域HHC方法的不足,馬里蘭大學的Wereley等[54]進一步開發了時域HHC方法,其框架如圖5所示。從圖5中可以看出,與圖3所示的頻域HHC方法相比,時域HHC方法將采樣環節變成了k/s,并取消了積分保持模塊。通過以上變化,所采用的積分器k/s可以調節振動控制頻率,積分器可以在N/(r·min-1)頻率下產生無窮大的增益,從而使得N/(r·min-1)振動載荷分量被完全消除[10],并且避免了整周期更新的要求。另外,時域HHC方法的有效性可以在頻域框架下進行檢驗,方便對比的同時,還進一步避免了更換檢驗標準帶來的影響。

圖5 時域HHC方法[54]

2000年,麻省理工學院的Prechtl[55]在風洞中進行了帶后緣襟翼的CH-47型直升機閉環減振試驗,結果表明,在相同的飛行條件以及T矩陣更新方式下,時域HHC 方法的減振速度要優于頻域HHC方法。

時域HHC方法被廣泛應用于各種風洞和飛行試驗中,最具有代表性是SMART計劃[56],Sikorsky公司開展的電控襟翼計劃[57]以及波音MRRAP計劃[58]。2008年,由美國國防部以及NASA組織的SMART計劃進行了為期11周的風洞試驗測試,如圖6所示,該測試評估了速度高達287.06 km/h的直升機前飛特性,試驗結果表明,時域HHC方法可有效抑制80%的槳轂垂向振動載荷。

圖6 風洞中的SMART項目[56]

除NASA外,歐洲直升機公司進一步考慮基于時域HHC 方法的真機試驗中存在的噪聲雜波濾除、信號處理、坐標轉換等需求,設計了閉環振動控制系統,如圖7所示。整個閉環控制系統由兩個動態模塊組成:用于預處理傳感器信號的清洗濾波器和作為伺服補償的陷波濾波器以及增益矩陣,增益矩陣將根據采樣信號實時產生一個與無控振動載荷幅值相同、相位變化180°的振動載荷增量并與無控振動載荷抵消[59]。

圖7 歐洲直升機公司的試驗閉環控制系統[59]

基于上述結構,歐洲直升機公司開展了ADASYS[60]和BLUE PULSE旋翼項目[61],如圖8所示。2006年開展的ADASYS試驗中采用了三片相鄰的后緣襟翼結構,實現了50%～90%的減振效果,且在不同前飛速度的平衡點下都能保持振動抑制水平。平飛狀態的飛行試驗中,副駕駛座位處的垂向加速度降到了0.05 g以下。除平穩前飛狀態外,還測試了其他機動情況下的減振效果。2009—2011年,歐洲直升機公司進一步開發了BLUE PULSE項目,采用改進的時域HHC方法,并開發了多片小翼的模塊化驅動機構,在185.20 km/h飛行速度下實現了80%振動抑制[61]。

圖8 2006年的ADASYS(上)以及2009年的BLUE PULSE(下)

綜上所述,時域HHC方法在頻域HHC方法的基礎上對更新周期等方面進行了優化,比頻域HHC方法取得了更好的控制效果,實時性進一步提升。然而,兩種HHC方法均針對線性準靜態模型設計,忽略了建模誤差、外界擾動、信號處理所帶來的影響,因此,當出現模型不確定或外界環境變化較大時,難以達到較好的控制效果,這就對減振控制的魯棒性提出了要求。

2.2.2 魯棒控制方法

考慮到氣動、干擾等問題,直升機的振動響應通常呈現出很強的動態不確定性,直升機旋翼所處的空氣動力學環境十分復雜,最新的流場計算方法,如自由尾跡模型[62],黏性尾跡模型[63]、CFD綜合求解[64]等方法,都無法精確描述直升機的旋翼的復雜受力關系。因此,減振控制方法還應具有克服動態不確定的魯棒性。

2013年,MIT的Fan[65]設計了固定階H∞控制器,通過穩定性代價函數實現了控制器優化和降階,仿真結果表明,降階之后的控制器基本保留了全階控制器的性能。在文獻[65]的基礎上,為保證振動控制的全局穩定性,MIT的Patterson[45]基于李雅普諾夫函數設計了帶寬可調的加權濾波器,當前進比變化時,這種考慮過渡狀態的線性變參數方法取得了更好的減振效果。2014年,米蘭理工學院的Mura等[66-67]針對N/(r·min-1)單入單出振動系統,研究基于H∞的魯棒減振控制方法,以槳距角作為輸入信號,以槳葉根部的槳轂垂向力作為輸出,解決了在模型不確定情況下的閉環系統的魯棒性。Duc等[68]在上述單入單出系統的基礎上,擴展到多入多出系統,為簡化控制器設計,將控制對象模型進行解耦設計補償器,實現了LQR與H∞控制方法的綜合設計。2016年,Mura[69]為改進振動控制收斂時間緩慢的問題,考慮穩定衰減水平和期望的瞬態性能方面的需求,設計了離散時間H∞控制器。2020年,英國萊斯特大學的Alotaibi等[70-71]針對帶后緣襟翼的EC145直升機旋翼模型,設計了考慮綜合振動控制誤差和控制器增益的混合靈敏度H∞控制器,并降低了70%以上的振動。

除H∞方法外,主成分方法(PC)[72-75]也被應用于直升機振動主動控制。PC控制一般采用估計濾波器和諧波調制器來完成傅里葉系數及其諧波時域信號的變換。2021年,萊斯特大學的Yang等[75]通過時間提升法,考慮開環動力學、周期性時變效應、多速率問題、建模誤差等影響,利用積分二次約束完善了閉環控制的魯棒性條件,在8.52～92.60 km/h的飛行條件下與混合靈敏度H∞控制器進行了對比。研究結果表明:在不考慮驅動機構約束的情況下,同樣的飛行速度,相比于H∞方法[73],PC方法可以提升3%左右的減振性能。

在試驗方面,歐洲直升機公司采用BK117型直升機進行了飛行試驗[76],如圖9所示。在這次試驗中,設計了混合靈敏度H∞控制器,并在74.08～185.20 km/h的速度范圍進行了水平飛行試驗以及185.20 km/h的水平飛行(轉速從98%～101%)試驗,測試結果表明,所設計的H∞控制器能明顯降低N/(r·min-1)的槳轂垂向振動載荷,在飛行速度為74.08 km/h時,槳轂垂向和橫向載荷下降了約90%,側向載荷下降了約75%。旋翼轉速的變化對控制效果幾乎沒有影響,該結論證明所采用的H∞控制器可以克服由于快速機動帶來的氣動環境不確定性。

圖9 安裝混合靈敏度H∞減振控制器的真機試驗系統[76]

綜上所述,魯棒控制方法通過魯棒性條件合理地平衡了直升機旋翼系統強不確定性、穩定衰減水平與瞬態性能方面的需求,相比于HHC方法,魯棒方法可以在跨域較大的飛行條件下保證振動控制的穩定性,但這種方法也存在收斂時間長,調節參數過于復雜的缺點。

2.2.3 智能控制方法

目前,已有越來越多的先進智能方法應用于實時控制領域,如遷移學習、增量學習、小樣本學習、元學習等,在機器人探索新環境[77]、飛行器在線軌跡跟蹤[78]、對方行為預測[79]的研究中,都已經有相關的研究成果。其主要思路為首先針對任務環境、控制性能、動態約束等離線建立控制網絡架構,并通過歷史經驗數據確定網絡權值,獲得穩定的初始控制器。在線應用過程中,通過傳感器的實時數據以及與外界環境的交互,通過梯度下降的方式迭代更新控制網絡權值,在已有控制網絡的基礎上進行微調和優化,以保證對環境的在線適應性。對于直升機振動控制,目前智能方法主要應用于兩個方面,一方面采用神經網絡作為智能控制器,另一方面則將智能方法應用于槳葉優化設計。

1998年,馬里蘭大學的Spencer等[80]首先采用徑向基神經網絡作為控制器,以槳根彎矩作為指標建立性能損失函數,在前進比0.1～0.3的變化過程中測試了動態控制性能,所設計的控制器在7～8個槳葉旋轉周期內收斂并實現了88%以上的N/(r·min-1)振動載荷降低。2000年,馬里蘭大學的Spencer等[81]采用陷波濾波器和人工神經網絡控制器結合的方法進行了閉環振動抑制試驗,在執行器動作范圍為2°～6°的約束下,實現80%～95%的減振效果。在此工作的基礎上,2004年,卡拉森大學的Jha等[82]提出采用自適應預測神經網絡作為控制器,并與馬里蘭大學的徑向基神經網絡控制器進行對比,發現自適應預測神經網絡在各種階次的諧波中都能達到更好的減振控制效果。上述方法均采用單個神經網絡作為控制器,從試驗結果來看,神經網絡的在線迭代會導致收斂時間較長。2011年,南京航空航天大學的汪亞敏[83]結合模糊控制建立了時域自結構神經網絡控制器,在仿真中達到98%以上的減振效果。2014年,南京航空航天大學的范明賢[84]運用粒子群優化方法尋找對應最小振動的最優輸入參數,降低了尋找最優參數的時間成本和計算量。與上述方法不同,2019年,南京航空航天大學的張華欽[85]設計了模糊神經網絡參數自整定PID控制器,相比于單純的模糊神經網絡,結合傳統PID方法保證了基礎控制性能。

除用作控制器外,智能方法還能優化主動控制機構的設計,使其在有限的動作和功率范圍內實現更好的減振效果。2011年,印度科學研究院的Saijal等[86]擴展了神經網絡的用途,使用神經網絡優化低轉速時雙后緣襟翼布置和動葉扭轉剛度,利用二階多項式響應函數和神經網絡元模型逼近目標。優化后,在達到相同減振效果的前提下,后緣襟翼驅動功率降低約45%。在上述研究的基礎上,Kizhakke[87]進一步采用遺傳算法簡化了優化模型的計算過程。2012年,斯旺西大學的Murugan等[88]針對 NACA 0015型旋翼,采用實數編碼遺傳算法求解出最優截面對應的疊加序列并對槳葉進行了優化設計,與標準翼型相比,在相同飛行狀態下,優化后的槳葉振動減少了26%～33%。2021年,斯旺西大學的Chatterjee等[89]分別采用卷積神經網絡、多層感知器、隨機森林、支持向量機等智能方法擬合了直升機旋翼系統的響應模型,并開發了一個針對直升機的機器學習框架用于指導槳葉優化設計。

綜上所述,上述智能控制器的優勢在于不需要模型的信息,可以直接與復雜的氣彈耦合模型進行交互,并且不需要對模型進行辨識或者線性化處理等工作,避免了對精度的損失,并且,從仿真結果中來看,智能控制的減振精度較高。然而,現有的智能方法應用還比較簡單,并沒有考慮非穩定狀態或過渡狀態的振動控制需求。另外,在進行風洞試驗前,還必須解決智能方法收斂過程中的穩定性和安全性等問題。

2.3 小 結

在直升機界,普遍以“仿真設計”—“旋翼塔試驗”—“風洞試驗”—“飛行試驗”—“真機應用”5個研究階段來表示研究水平。以美國NASA和歐洲直升機公司為代表的國外機構從上世紀90年代開始進行風洞試驗,已經完成了多種方法的試驗驗證。對國外試驗進展和成果,相關的綜述[10,90]已經較為充分。

通過上述對研究進展的分析,從各類代表性方法對模型依賴程度、實時性、魯棒性、適應性、研究水平等方面進行對比,具體見表1。從表1中可以看出,HHC方法對于模型的依賴程度較高,這主要是由于在控制器求解中需要用到T矩陣,T矩陣辨識的精度會極大的影響控制效果,H∞方法擁有克服模型不確定的能力,神經網絡方法則可以自適應的改變控制器參數。從表中可以看出,現有的方法還無法很好的兼顧實時性、魯棒性和適應性。時域控制方法由于不需要受到整周期更新的約束,在實時性方面會略強于頻域控制方法,然而,現有的魯棒方法由于穩定性條件的約束,其實時性和適應性受到了限制。而智能方法缺乏初始控制網絡的設計和增量優化的過程,實時性還待進一步提升。

表1 振動控制方法比較

3 其他類型振動主動控制技術研究進展

以上介紹的方法主要從槳葉處減弱振動載荷的大小,從而達到抑制機身振動水平的目的,這種方法雖然能從源頭上抑制振動,但驅動機構通常安裝在旋翼葉片上,不僅需要適應旋轉系統帶來的非定常氣動載荷等影響,還需要對葉片進行一定程度的改造,增加設計和測算難度。

為了降低機身或關鍵位置的振動水平,還可以采用自適應振動傳遞抑制技術。最典型的如主動結構響應(Active control of structural response,ACSR)技術,其作用原理是在機身梁上附加驅動機構產生激勵并抵消槳轂傳遞來的振動載荷,如圖10所示,驅動機構還可以安裝于其他位置,如齒輪箱附近[91]、座椅下方[92]等。由于驅動機構設置在非旋轉系統中,減弱整個機身振動的同時也減輕了維護難度。

圖10 ACSR振動傳遞抑制技術[10]

振動傳遞抑制技術中的控制器方法通常也分為兩種,分別是頻域方法以及時域方法。

頻域方法針對直升機機體振動的周期性特征進行設計[93-94]。由上文可知,在頻域方法中T矩陣的辨識精度對控制性能有較大影響,1994年,Pearson等[95]采用遞推最小二乘法進行T矩陣辨識。2009—2010年,南京航空航天大學的趙燦峰等[96-97]用最小均方法和卡爾曼濾波法分別對單入單出以及四入兩出的振動控制系統進行了在線T矩陣更新,并通過仿真實驗掌握了權值等參數的影響規律,但該方法對T矩陣初值較為敏感。在此基礎上,2013—2014年,南京航空航天大學的宋來收等[98-99]進行了兩種常見辨識方法在魯棒性、收斂速度、參數調節等方面的比較,并提出了基于最小均方法的二次卡爾曼濾波辨識法,降低了對于T矩陣初值選擇的依賴性。Song等[100]進一步提出了諧波同步辨識-修正方法,采用遞歸最小二乘方法進行辨識,并在同步采樣頻率下基于最陡梯度方法實時修正控制輸入的諧波系數。該方法可降低97%以上的模擬振動,并降低75%的實測振動。

時域法主要基于數字信號處理和自適應濾波技術[101]。2004年,南京航空航天大學的楊鐵軍等[102]提出了基于濾波x-最小均方法的誤差通道在線辨識方法,并應用于直升機結構振動控制。在此基礎上,魯民月等[103]提出了自適應反饋預測控制方法,對帶有單頻外擾的單入單出系統進行了控制律設計,所提出的預測控制方法對受到周期性外擾污染的振動系統,具有很好的控制效果,并在后續研究中進行了簡化[104],減少了計算量。2008年,為驗證濾波x-最小均方法的有效性,南京航空航天大學的李明強[105]針對直-11相似模型,搭建了時域自適應振動控制的通用仿真系統。然而,簡單的自適應前饋方案或者反饋方案仍然存在不足,主要體現在控制收斂速度較慢,并且,對于未知干擾的魯棒性較差[106]。針對該問題,2012年,南京航空航天的陸洋等[107]開發了一種基于輔助隨機噪聲的在線二次路徑建模方法,然而,由于飛行試驗過程中外部環境復雜,振動殘差較大,控制性能并不理想。2016—2018年,Lu等[108-109]提出了基于前饋-反饋混合的控制律結構,前饋控制器負責消除主振動分量,反饋控制器負責消除剩余振動分量,并利用離散滑模控制和模型預測控制相結合的反饋環,使系統狀態以最優方式精確地到達滑模面,仿真驗證結果表明該方法能同時處理主諧波殘差及其他階次諧波,同時收斂速度更快。2018年,陸洋團隊[110]進一步簡化了主動控制過程和誤差通道識別過程,并在自由梁上進行了ACSR控制試驗,驗證了該方法的有效性和魯棒性。2021年,陸洋團隊[111]基于H∞理論,設計了基于重構參考信號的混合靈敏度魯棒控制器,兼得了前饋和反饋控制的優點,能有效抑制多頻振動,并在適應性、魯棒性和收斂速度方面具有明顯優勢。除此之外,2018年,南京航空航天大學的夏品奇團隊[112]設計多輸入多輸出的諧波前饋自適應控制方法,針對Z-11型直升機框架結構降低了目標點99%的振動水平。2019—2020年,夏品奇團隊[113]提出了自適應諧波前饋/滑模反饋的混合主動控制方法,然而,滑模反饋方法的實現需要實時獲取控制系統的完整狀態數據。因此,在2022年的最新研究中[114],將頻域和時域方法相結合,提出了諧波前饋/滑模輸出反饋的混合方法。從理論上證明了混合方法的收斂速度快于單純的諧波前饋方法,并避免了對系統的全狀態識別。

另一方面研究聚焦于傳動裝置或安裝位置等的改良上。2016年,南京航空航天大學的張旭[115]選擇液彈隔振器的剛度作為受控參數,設計了變剛度鋼板彈簧和變阻尼機構,改善了隔振效果。2018年,印度理工學院的Gamar等[116]采用L1自適應控制方法改進了安裝于旋轉系統和非旋轉系統之間的阻尼器結構,將其從被動阻尼器變成了參數動態可調的半主動阻尼器。2019年,加拿大飛行實驗室的Chen等[117]采用基于最小均方法的自適應前饋濾波器,濾除了傳遞到座椅上3個方向的振動載荷。2019—2020年,南京航空航天大學的王志偉等[118-119]基于神經網絡擬合了阻尼器質量位置與直升機工作頻率之間的關系,并通過在線辨識振動載荷主要頻率的變化,開發了自動調節阻尼器位置的頻率跟蹤方法,使系統在不同工作頻率下始終有隔振效果。2019年,南京航空航天大學的楊仕鵬[120]以濾波x-最小均方法為基礎,探究了不同激勵作用下的壓電驅動機構最優安裝位置。

綜上所述,振動傳遞抑制技術中頻域方法同樣需要進行整周期控制,因此響應時間較慢,其優勢在于在穩態多頻情況下擁有良好的控制性能[97],并且不需要復雜計算。時域控制方法的修正速率高,因此對于變化環境的適應性較強[101],其主要缺點體現在：對于離散多頻振動分量的控制能力較弱,并且可能出現系統收斂后發散的情況[100]。近年來,隨著先進控制理論方法的發展,頻、時域相結合的方法已被證明可以在多頻下實現魯棒自適應振動控制[114],能夠有效降低各方向的振動殘差并保證收斂速度,因此,擁有進一步發展的潛力。除控制方法外,激勵頻率、阻尼器的位置、結構等也會影響振動抑制的效果,為了提升控制性能,還需要進行深入研究。

振動傳遞抑制技術的發展已經相當成熟,其中的ACSR技術已經在Sikorsky S-76B直升機上取得了飛行試驗的成功,并正式應用于EH-101直升機,達到了70%的減振效果[121],且在S-92[122],EC225[123]型直升機上相繼應用。

4 國內相關試驗進展

直升機振動控制是旋翼結構動力學、流場分析力學、智能材料、信號處理技術以及閉環控制方法等多學科的綜合應用,具有重要的實用價值。從上世紀70年代起,美國軍方就提出了ADS-27航空器設計標準,要求航空器的機身垂向振動載荷應低于0.05 g。在此背景下,除文中提到的以NASA為代表的美國以及以歐洲直升機公司為代表的德國外,加拿大[124],法國[125],日本[126]等國家也進行了旋翼塔或風洞試驗,驗證了振動控制的有效性。在2010年后,中國的相關研究也出現了大幅度增長,在理論研究、仿真試驗、硬件平臺等多方面取得了一定進展。由于風洞試驗場地的造價較高,國內的直升機減振控制試驗主要集中于南京航空航天大學以及中航工業直升機設計研究所。

南京航空航天大學在直升機振動主動控制方面處于國內領先水平,其中楊衛東教授帶領其團隊在架構設計、測試開發、試驗驗證方面進行了多項研究。2007年,楊衛東團隊[127]采用碳纖維彎扭耦合梁和基于壓電片的主動驅動機構進行了風洞試驗,這也是中國首次開展相關試驗研究。試驗結果表明,在高速前吹風下,受控狀態下的可動槳尖沿扭轉輸出軸上、下偏轉可以明顯改變槳葉氣動力的相應諧波分量,進而影響槳葉的振動,這一試驗結果為直升機振動主動控制奠定了硬件基礎。2007—2014年楊衛東團隊[128-131]對基于壓電和鐵電材料等多種形式的驅動機構進行了設計、分析和性能試驗,所設計的驅動機構能夠在強離心力場下正常工作并驅動后緣襟翼產生足夠的偏角。2016年,陸凱華[132]通過理論建模和對比試驗得到了驅動性能最優的菱形框尺寸參數,并驗證了動態環境下的主動控制偏角與輸入電壓、來流速度等之間的關系[90]。基于上述研究,2021年,陸洋團隊[133]基于卡爾曼濾波的自適應HHC方法進行了懸停狀態下和前飛狀態下的風洞試驗,如圖11所示,其所設計的閉環控制系統實現了橫向、垂向以及側向的槳轂力載荷的顯著降低。另外,受到 ADASYS等相關國外研究的啟發,國內也開展了多片襟翼的研究。2015年,周金龍[134]對帶雙后緣襟翼的旋翼結構進行了研究,采用差分法對雙后緣襟翼的控制器參數進行了優化。2013年,夏品奇團隊[135]在減振控制基礎上,研究了多片襟翼對于避免后行槳葉動態失速方面的潛力。在理論研究的基礎上,周桓[136]于2020年設計了帶雙后緣襟翼的智能旋翼復合材料槳葉,通過固定參數的HHC方法實現了雙后緣襟翼的閉環控制。

圖11 主動控制系統框圖以及振動加速傳感器安裝示意圖[133]

中航工業直升機設計研究所也進行了相應試驗工作。2016年3月,中航工業直升機設計研究所開展了基于后緣襟翼的開環懸停試驗研究,并通過此次試驗獲得了不同工況的試驗數據。2019年,中航工業直升機設計研究所實現了懸停與前飛試驗中的閉環減振控制。在兩次真機試驗的基礎上,研究所積累了大量關于空氣動力學分析[137],旋翼設計方法[138-139]、驅動機構參數選擇[140]以及結構設計[141]、壓電材料扭轉特性[142]、槳葉變形特性[143]和總體綜合設計等方面的成果,為厘清旋翼主動控制與減振規律奠定了基礎。

除用于減振外,主動控制技術還可以用于直升機性能提升,北京航空航天大學的學者在這方面發表了相應的研究成果。2007—2010年,北京航空航天大學的王晉軍等[144-145]在低速風洞中研究了彈性和柔性變形對于機翼特性的影響,通過激光測振儀探究了氣動載荷作用下的槳葉變形規律。在此研究的基礎上,黎軍等[146]進一步探索了以后緣襟翼為例的主動驅動機構在提升氣動效益方面的潛力,并在北航 D1風洞1/20半模模型中進行了風洞試驗,如圖12所示,結果表明在與常規襟翼相同偏角情況下,帶后緣襟翼的槳葉具有更大的增升效益。在常規襟翼失效的偏角情況下,后緣襟翼仍能提供額外升力,在試驗攻角范圍內后緣襟翼比常規襟翼平均增升20%以上。為了更加精確測量直升機旋翼振動特性,郭占社等[147]設計了一種基于加速度計的直升機旋翼振動測試裝置,并進行了標定試驗和轉臺模擬試驗,通過對直升機傳動系統故障以及各級傳動系統的可靠性要求的設計和測試,建立了直升機傳動系統可靠性設計分析與驗證的技術框架,為主動減振技術標準化、工業化做出了貢獻。

圖12 后緣襟翼試驗模型[146]

綜上所述,中國近年來對于直升機主動控制方法的理論研究已經較為深入,在閉環風洞試驗方面也有了突破性成就。然而,由于中國對于主動旋翼控制技術的研究起步較晚,國內總體水平和研究進度比國外晚20年左右,并且相關研究主要依靠于仿照國外已有的研究成果,創新性還有待提高。在未來,理論方法的進一步智能化、創新化以及試驗環境的進一步成熟化、系統化,是中國直升機振動控制試驗設計的發展方向。

5 現有不足與未來展望

綜上所述,本文對直升機旋翼振動主動控制方法的研究進行了綜述與總結,從上述成果中可以看出,直升機振動控制是各國關注的焦點問題,而振動控制方法則是閉環控制中最關鍵的環節。然而,現有的控制方法仍存在一些問題,為了進一步推動中國直升機振動控制的發展,針對控制方法,提出以下不足以及未來值得關注的研究方向。

5.1 針對穩定飛行狀態的魯棒自適應控制

目前,大部分文獻均采用平衡點的線性化模型,這種方式簡化了控制器的設計,也要求當存在模型建模誤差或外界干擾時,控制方法具有足夠的調節能力保證振動控制的魯棒性。然而,現有的以H∞為主流的魯棒方法一方面由于要保持干擾上界的系統穩定性,收斂速度較低,另一方面,控制參數調整過于復雜。在未來,可以考慮對不確定性以及擾動進行實時估計,并結合先進控制方法設計有限時間快速減振控制方法。為了簡化參數調節的過程,可以基于擾動誤差反饋和傳感器振動輸出等信息, 設計性能指標函數,利用神經網絡等智能方法在線優化更新擴張狀態觀測器和控制器參數,實現自適應參數調節。

5.2 針對全飛行狀態的智能自學習控制

現有的較為成熟的振動控制方法主要在穩定狀態下進行振動控制,然而,實際上,當直升機以小速度前飛或變速度機動飛行時,主旋翼工作產生的振動最大[85]。目前,已有研究[45]針對過渡狀態,基于李雅普諾夫方法設計了適合線性參數時變模型的變參數減振控制器。另外,文獻[148]基于模態依賴平均駐留時間設計了不同狀態之間的切換信號。然而,變參數減振控制器的設計需要滿足峰值靈敏度等約束,在實際應用中可能出現無法求解的情況,而切換控制則面臨抖振以及系統穩定性差等問題。智能控制作為一種新興的控制方法,在理論上可以適應各種動態變化,并且避免了傳統方法的求解困難等問題,已有文獻[149]采用貝葉斯主動學習結合深度強化學習算法來處理渦流振動問題。由于在真實飛行過程中,直升機所處的氣動環境以及速度、前進比、飛行朝向等自身狀態都在動態變化過程中,減振方法應該在原有策略基礎上,通過遷移學習/小樣本學習,根據傳感器實時反饋數據以及任務目標,對策略進行增量迭代,實現自學習控制。另外,智能方法還需進一步考慮安全性,即滿足執行器約束的基礎上,同時還要保證控制的穩定性和可實現性。

5.3 面向性能提升的綜合主動控制系統設計

單個主動控制機構很難在執行器約束范圍內實現期望的減振或性能提升效果,因此,以后緣襟翼為例,歐洲直升機公司開展的ADASYS和BLUE PULSE試驗中,通過集成多片后緣襟翼實現了振動和噪聲控制。由文中介紹可知,國內的南京航空航天大學已經進行了探索,在最新的研究中[136],兩片襟翼采用的控制均采用固定參數的頻域HHC方法,缺乏對多襟翼控制律的在線更新設計,也沒有考慮多片襟翼相互影響和配合協調。本文認為,對于多個減振機構,控制策略不應只是簡單的加法,而應該基于帶多片小翼的旋翼系統,設計多小翼振動控制的整體性能指標函數,建立多目標、多約束的動態行為策略模型并進行求解。另外,多機構協調的控制方法也會對機載電腦的計算能力以及數據存儲能力提出挑戰[150],因此,如何在有限的計算資源下實現綜合主動控制設計,還需要深入研究。

6 結 論

直升機主動控制技術自提出以來,就一直受到人們的廣泛關注。總的來說,中國的直升機振動控制方法的研究應該兼顧兩個方面:能夠快速實現的成熟控制方法以及先進的具有引領性的智能方法,兩者需要齊頭并進,提升中國新一代直升機的整體性能。除振動控制外,直升機主動控制技術還擁有降低噪聲[151]、避免動態失速[152]、改善飛行性能[153]等應用方向。主動控制技術是一個涉及空氣動力學、結構動力學、智能驅動材料以及控制方法的綜合工程,隨著研究的深入,直升機振動主動控制技術必將展現出更多的魅力與價值,為中國的國防和民生作出更大的貢獻。