针对现代物流系统的特点,引入遗传算法对多个物流配送无人机在多配送目标之间的配送航线进行优化,寻求最优路径,研究重点为无人机物流系统配送航线设计及优化过程中遗传算法的应用。在优化过程过,将单个物流无人机的航线距离和各个物流无人机航线距离的总和作为约束条件,以此来得到更为符合实际的结果。考虑到实际配送目标的情况,引入检测程序,对不符合的实际情况的方案进行重新编译或舍弃。仿真结果表明利用遗传算法对无人机物流系统航线进行多目标优化能够对整个系统的航线距离和单个物流无人机的航线距离进行缩短。从而提高了无人机物流系统的配送效率和物流无人机的利用效率。

以并联式油电混合动力多旋翼无人机的控制系统为研究对象,建立了多旋翼无人机六自由度刚体动力学模型,提出了一种基于量化因子自适应模糊PID控制的改进型模糊PID控制方法。以高度通道及三个姿态角通道为例,利用Matlab/Simulink仿真平台,设计了传统PID控制、模糊PID控制、量化因子自适应模糊PID控制三种控制器并对比分析这三种控制器的控制效果,仿真实验表明量化因子自适应模糊PID控制器的快速性、稳定性、可靠性等性能指标明显优于其他两种控制器,经过飞行试验分析,证明了控制器模型的有效性。

针对某型电动螺旋桨飞机噪声过大问题,在保证螺旋桨气动特性的同时,提出了改进沿展向桨叶形状的降噪方法。采用FW-H模型、非定常滑移网格及大涡模拟方法获得了气动噪声频谱特征;通过地面远场噪声试验,得到了螺旋桨在三种转速下的气动噪声频域特性和声压强度分布规律。对比分析螺旋桨各测点声压级试验数据和数值计算结果,证明了数值计算模型的准确性。基于所建立的计算模型和方法,预测了不同螺旋桨在三个转速下的声压级分布,得出桨叶形状对螺旋桨气动噪声的影响规律。研究表明:当螺旋桨转速高于1000r/min时,新叶片较原叶片气动噪声明显降低。这说明桨叶载荷噪声在气动噪声中起主导作用,可以通过改变沿展向桨叶形状,有效降低叶片的气动噪声。