关键词： 非平面多旋翼无人机   匹配干扰   非匹配干扰   预测控制   轨迹跟踪  

摘要： 得益于垂直起降、任意位置悬停、易操控和结构简单等优点,多旋翼无人机被广泛应用于军用和民用领域,执行诸如侦察、监测、勘探和植物保护等复杂任务。目前,多旋翼无人机中的非平面构型渐渐地从理论研究走向实际应用。相比于传统的平面构型,非平面构型的旋翼无人机在保留其原有优点的基础上又增加了空中运动的稳定性。尽管非平面布局的多旋翼无人机极大拓宽了无人机领域的应用场景,但是针对非平面多旋翼无人机控制系统设计的研究较少且范围不够全面。大多数现有研究并未考虑实际飞行任务执行过程中无人机主要受到的持续风场和突风干扰影响,这些影响使得飞行性能遭受严重破坏,进而对飞行稳定性造成极大影响。为此,本文提出一种新型鲁棒预测控制方法,可同时降低两种风场带给无人机的影响,在轨迹跟踪应用场景下显著提升无人机的控制性能。本文的主要工作以及成果总结如下:(1)基于牛顿-欧拉法构建了非平面无人机六自由度运动模型。传统平面构型的每个桨叶所产生的升力均垂直于机体水平面,依靠非零姿态角使得总升力产生惯性坐标系下的三轴方向分量以实现无人机的平动运动,依靠驱动桨叶旋转的电机的反扭矩实现无人机的角运动。在六个空间运动自由度,传统平面布局的旋翼无人机仅有总升力、滚转力矩、俯仰力矩和偏航力矩这四个控制输入,这使得其运动系统具有欠驱动特性。本文所设计的非平面构型由于配置特殊,桨叶升力与机体水平面不再垂直,使得在不依赖非零姿态角的情况下总升力在惯性坐标系下就具有三轴分量,实现全驱动控制。(2)基于非平面无人机六自由度运动模型,分别设计了位置和姿态控制系统。传统的平面布局的旋翼无人机由于欠驱动特性,必须引入滚转角和俯仰角这两个虚拟控制输入并配合总升力和三轴力矩以实现无人机的空间六自由度运动控制,造成姿态子系统与位置子系统无法解耦,增加控制系统设计难度。俯仰和滚转运动具有饱和限制,使得无人机抗干扰能力不强。无人机通过总升力在竖直方向的分量抵消重力影响以实现竖直方向的运动控制,而非平面无人机平动运动与旋转运动完全解耦,在无需姿态介入的条件下即可实现三轴方向的平动运动控制,使得姿态控制与位置控制相互独立。俯仰和滚转运动不再具有饱和限制,无人机抗干扰的鲁棒性显著提升。由于平动和旋转运动完全解耦,无人机能够以任意姿态角实现平动运动,在受到突变干扰影响情形下即使姿态值发生跳变也不会影响系统稳定性。(3)设计基于干扰补偿的预测控制系统。持续风场对无人机的速度和加速度均会对无人机产生扰动,在位置子系统中以匹配和非匹配干扰的形式同时存在。本文设计了线性扩张状态观测器,将受两种干扰影响的无人机系统转化为仅受匹配干扰影响的等效系统,用以估计系统的状态变量。突风会对无人机产生瞬间冲击,使得系统输出短时间内发生较大超调,引发输入激增问题。针对等效系统设计预测控制器以降低系统输出振荡和输入激增,设计干扰补偿器以提升闭环系统抗干扰的鲁棒性。(4)通过数值仿真和试飞实验验证,证明了所提方法可显著降低无人机轨迹和姿态的跟踪误差,提升机体稳定性,使得运动轨迹更为平滑,避免了输入激增现象的发生,只需较小的能量输入就可降低跟踪误差,实现精确控制。

关键词： 固定翼无人机   自适应控制   内模控制   模型预测控制   轨迹跟踪  

摘要： 固定翼无人机因其具有飞行速度高、飞行续航长、机动灵活等优点,在国防和民用领域都具有广泛的应用。因此多年来各国的专家学者在固定翼无人机领域进行了大量的研究,从有人机发展到无人机。轨迹跟踪控制便是其中比较热门的话题。轨迹跟踪是固定翼无人机在执行巡逻和目标跟踪等任务的基础,因此能否实现对预定轨迹的跟踪,关乎到任务是否能够完成。此外,固定翼无人机系统是欠驱动的、非线性的,而且各个系统状态之间的耦合性非常强,难以通过机理建立非常准确的数学模型,导致设计控制器时比较困难。此外固定翼无人机在飞行中非常容易受到风的干扰。针对以上问题,本文对固定翼无人机的轨迹跟踪控制做了以下工作:(1)分析了固定翼无人机的飞行原理,建立了非线性的动力学模型和运动学模型。为了方便设计控制器,设定固定翼无人机的平衡状态,并在平衡状态下将非线性模型泰勒展开,只取其第一项。由此便得到固定翼无人机的线性模型。并考虑到固定翼无人机的巡航轨迹与降落轨迹的区别,针对不同的飞行阶段分别设计控制器;(2)采用了内模控制作为固定翼无人机的降落轨迹控制器。为了避免由于系统参数摄动以及模型误差对控制效果产生影响,本文使用参数自适应算法对内部模型进行实时修正,确保模型准确。由于实际模型并非完全可逆,便无法很好的抑制干扰和模型的非最小相位带来的影响,本文通过借用模型参考自适应算法的思想,设计了一个自适应补偿器补偿控制输出。通过以上两点确保系统的稳定性和抗干扰能力;(3)采用模型预测控制作为固定翼无人机的巡航轨迹控制器。首先,为了减小静态误差,将状态空间方程改为增量的形式。其次,考虑到在巡航阶段轨迹变化大,由于模型预测控制器的时域参数固定,有时并不能取得良好的跟踪效果。因此,本文设计了一个参数匹配机制,通过判断当前的位置与跟踪位置之间的误差大小,根据固定翼无人机当前的状态信息匹配最优的时域参数,使控制器对不同的期望轨迹有一定的适应能力;(4)将圆锥螺旋曲线和降落轨迹曲线相连作为期望轨迹进行仿真实验,仿真结果表明本文所提出的控制方法能够较好的完成控制目标。

关键词： 直线电机   耦合动力学模型   自适应控制   轮廓误差估计   迭代学习   轮廓控制  

摘要： 随着现实需求的不断增加，对制造业的工艺水平提出了更高的要求。高精度轮廓控制作为不可或缺的加工过程，在提高产品质量、降低生产次品率以及缩小产品尺寸等方面发挥着重要作用，因而受到了广泛的关注和重视。多轴龙门直线电机因其具有传动机构简易、响应速度快、加工精度高等优良特性，被广泛应用于高精度轮廓加工系统中，然而其多轴协调控制、轮廓误差实时获取以及驱动推力波动抑制等问题仍需要进一步解决。　　为保证多轴的协调控制，本文首先对多轴龙门直线电机平台的动力学特性进行了细致的机理分析，考虑滚珠弹性形变和横梁旋转角度，建立了龙门电机三自由度刚柔耦合动力学模型，从模型层面抑制了电机多轴协同效果差的问题。　　电机在运行过程中，模型参数和外部干扰往往具有时变特性。为提高系统鲁棒性，本文设计了能够对模型参数和时变干扰进行在线回归的时变参数自适应轮廓控制器，并利用Lyapunov函数证明了算法的半全局渐进稳定性。据作者所知，该方法首次被应用于直线电机平台，仿真结果表明，在外加干扰情况下，该方法相对于自适应鲁棒控制器能够取得更好的参数回归能力和轮廓控制效果，保证了系统加工精度和鲁棒性。　　实时、快速、准确的轮廓误差估计对保证轮廓加工精度具有重要作用。本文提出一种具有四阶收敛率的轮廓误差迭代估计方法，并给予了严格证明。仿真结果表明，该方法相对于基于双Taylor展开的轮廓误差解析法、Newton迭代轮廓误差估计法和Atiken加速Newton迭代轮廓误差估计法具有更高的估计性能。　　考虑到轮廓加工往往具有周期往复的特点，为进一步提高轮廓控制精度，本文设计了迭代学习轨迹补偿控制框架。基于所提出的轮廓误差迭代估计方法的估计结果，利用迭代学习控制器补偿期望轨迹，改进轮廓控制效果。仿真结果表明，该方法能够大幅度改进轮廓控制精度，并且相对于交叉耦合迭代学习控制补偿框架具有更好的改进效果。　　最后，为验证本文控制方法的有效性，进行了三轴龙门电机实物平台实验。实验结果表明，所设计的刚柔耦合动力学模型与平台匹配度高，时变参数自适应控制算法参数回归能力优越、鲁棒性强，具有四阶收敛率的轮廓误差迭代估计方法估计精度高，基于迭代学习轨迹补偿的整体轮廓控制框架轮廓控制精度高。

关键词： 复杂系统建模   燃气轮机冷却系统   解耦控制   智能优化算法   缩比模型  

摘要： 燃气轮机以其产能效率高、使用寿命长、可靠性高等优点被广泛应用,燃气轮机冷却系统是维持燃气轮机长期稳定运行的重要环节,通常燃气轮机冷却系统是典型的多变量强耦合系统,且存在随机性、非线性和幅值较大的扰动,系统难以精确控制。本文以冷却燃气轮机各级组件的二次水冷却系统为研究对象,为解决系统流量、压力和温度的多输入多输出耦合系统精确控制问题,对燃机冷却系统自适应智能控制方法进行深入研究,主要研究内容如下:(1)基于二次水冷却系统输入输出特性数据,对耦合系统的模型进行辨识;设计耦合系统解耦补偿器,削弱变量之间关联,实现耦合变量间的解耦,将多变量系统转化为多个单回路系统独立控制问题。(2)为实现二次水冷却系统自适应智能控制,提出改进智能仿生跳蛛优化算法自适应调整实际工况下的控制器参数,自适应整定PID(Proportional Integral Derivative)控制器参数,实现二次水冷却系统自适应智能PID控制。(3)为进一步提高控制效果,提出正余弦白鹭优化算法模拟白鹭种群捕食行为进行迭代优化,实现PID控制器参数的自适应整定,实现非线性、强耦合、扰动幅值大等条件下二次水冷却系统温度、流量、压力精确控制问题。(4)基于搭建的二次水冷却系统缩比模型,完成信号采集监测,通过正余弦白鹭优化算法自适应整定PID控制器参数,设计监控界面实时监测被控变量,完成二次水冷却系统自适应智能控制方法的实物验证。本文设计的二次水冷却系统自适应智能控制,可达到系统的性能需求,能够维持换热器进水流量恒定,误差在5m3/h内;换热器进水温度恒定,误差在0.2℃内,最大超调不超过2℃;主管道压力恒定,误差在0.01MPa内。设计的二次水自适应智能冷却系统可以解决现有系统控制调节时间长、输出变量不稳定和依赖人工经验等问题,解放劳动力,提高燃气轮机冷却系统的控制效果与控制精度。

关键词： 智能机床   误差补偿   自适应加工   模糊控制   切削颤振  

摘要： 机床智能控制系统是智能机床的核心和大脑,而智能机床又是智能制造领域的关键组成部分。因此,对机床智能控制系统的研究和改善有助于提升制造业核心竞争力,具有重要工程价值。区别于传统数控系统,机床智能控制系统具有自感知、自决策及可代替人工经验进行智能判断等功能。因此本文以能够提高数控机床加工过程智能化水平的三个途径(误差补偿、自适应加工、颤振监测与抑制)着手展开研究,旨在为机床智能化发展提供一定的理论参考依据。首先,针对机床误差补偿进行研究,通过误差溯源分析得到了占据机床总误差比重最多的是几何误差及热误差。对于几何误差,使用激光干涉仪测量并辨识了三轴机床的21项误差元素,并采用切比雪夫多项式对误差元素进行拟合,改善了龙格现象,又建立了基于齐次坐标变换原理的几何误差空间数学模型。对于热误差,本文主要以发热量最大的电主轴为研究对象,提出了基于热弹性理论与温度场积分中值定理的电主轴径向、轴向热误差建模方法,分别得到了温度与径向热漂移的数学模型及温度与轴向热伸长的数学模型,尤其是建立了轴向热误差的线性模型(仅需一个传感器测量关键点处温度即可得到热伸长量)大大减少了传感器的数量及操作难度。又提出了一种基于球杆仪的电主轴热误差测量新方法,并将测量值与建模值做了比较,验证了所提热误差建模方法的可靠性。然后,针对自适应加工进行研究,提出了基于模糊控制理论的主轴恒功率自适应加工控制系统,为了克服模糊控制器在反模糊化时计算量大、占用资源多的问题,提出了使用Matlab建立模糊控制表的方法,在控制时只需进行查表即可得到控制量,大幅提高了控制效率和响应速度。而模糊控制器由于其特性,会产生稳态误差,且响应速度不佳,针对该问题本文又提出了双模态控制和引入误差积分环的控制优化方法,在消除稳态误差的同时改善了系统响应速度。而对于模糊控制中参数选取过度依赖人工经验且缺乏理论依据的问题,提出了基于鲸鱼优化算法并使用Matlab与Simulink联合仿真的参数寻优技术路线。其次,切削过程发生的颤振也是阻碍机床提高加工效率和智能化水平的重要因素。针对颤振的监测与抑制进行研究,本文提出了改进的小波包能量熵颤振监测指标,排除了主轴转频及齿通过频率对能量熵值计算的影响,提高了监测灵敏度和可靠性。因为单一能量熵指标易受环境高频噪音的干扰,为了改善该问题,本文从刀具运动机理着手,并结合庞加莱截面分析法,提出了与主轴转频同步采样的方差监测指标,使用双指标对颤振进行监测将大幅提高鲁棒性。为了抑制颤振,对切削系统进行了动力学建模分析,得到了基于转速迭代的颤振抑制算法。最后,为了对前文所提出的误差补偿及颤振监测抑制方法进行试验验证,开发了基于坐标原点偏移法的外挂式误差补偿器,对机床几何误差和热误差进行了补偿试验。但由于该补偿器是并行数据传输方式,占用机床硬件资源较多,后又使用C#语言和Visual Studio 2015开发了基于TCP/IP通讯协议的机床智能控制系统,并用该系统完成了误差补偿、颤振监测与抑制试验。试验表明该控制系统提高了机床加工精度并有效提升了机床的智能化水平。

关键词： 并联机构   自激振动   振动控制   模糊神经网络   自抗扰控制  

摘要： 平面3-■RR柔性并联机构的闭链耦合约束作用导致其奇异性复杂，而机构在逆向雅可比奇异位形附近易发生自激振动，严重影响机构的精度并对其结构造成破坏。为了让并联机构重新恢复正常工作，设计振动主动控制算法对自激振动进行抑制。首先，建立了机构的逆向运动学模型，并基于速度雅可比矩阵获得并联机构的奇异判定条件；其次，在完成自激振动产生机理分析的基础上，对振动加速度信号进行了滤波和移相处理；然后，结合加速度反馈与位置误差补偿，设计了模糊神经网络非线性控制器、反向传播（back propagation，简称BP）神经网络自抗扰控制器；最后，通过振动主动控制实验，验证了2种智能控制算法的有效性。实验结果表明，所设计的2种控制算法能够在保障并联机构位置精度的条件下，对自激振动进行快速且有效的抑制。

关键词： 快递分拣   柔性机械臂   输入非线性   通讯约束   自适应控制  

摘要： 在快递分拣中,随着业务量的逐年提升,分拣过程的自动化水平在不断加强。在提高分拣效率上,机械臂发挥着重要作用。采用柔性材质制造的机械臂,相比传统的刚性机械臂有着能耗低,灵活性强的优点,因而在快递分拣中的应用越来越广泛。但由于其组成材质的柔性,在执行过程不免产生较大的形变与弹性振动,影响柔性机械臂执行分拣工作的定位精度。除此之外,系统中存在的输入非线性与通信约束将影响输入的控制信号,使其不能完全发挥应有的控制作用,降低系统的控制精度和分拣效率。本文将对系统中存在的输入非线性与通信约束进行分析,开发相应的鲁棒自适应控制算法来实现系统的振动抑制与轨迹跟踪,从而提高柔性机械臂的分拣精度与效率。主要内容包括:(1)针对系统中存在的未知死区,对其非线性模型进行解构,设计估计变量与自适应迭代律去估计死区的未知参数,在控制器设计中消除死区的不利影响,减少系统分拣定位的稳态误差。(2)考虑系统中存在死区与输入量化,应用滞回量化器来模拟信号的量化过程,对死区和输入量化的耦合效应进行分析,在控制器设计中消除量化误差,从而使得系统在执行分拣快递时能在低通信速率下保持足够的控制精度。(3)当系统中存在输入饱和时,应用双曲正切函数描述输入饱和的非线性模型,基于反步法与Nussbaum函数进行控制器设计,补偿饱和非线性,避免控制信号的抖振现象,保证系统在输入幅值受限下仍能稳定快速地执行分拣工作。对于所设计的控制策略,本文将在理论上应用李雅普诺夫直接法进行稳定性分析,确保系统状态的有界性。利用Matlab软件对系统运行情况进行数字仿真,同时在Quanser公司开发的柔性尺控制平台上开展实验。引入其他的控制策略进行对比,观察所设计策略的执行效果,从而验证所设计控制策略的有效性与实用性。

关键词： 直流微电网   凸多面体方法   线性矩阵不等式   鲁棒模型预测控制   Tube不变集  

摘要： 直流微电网易于和分布式发电集成,且具有效率高、经济性好等特点,因而得到广泛应用。在直流微电网运行过程中,分布式发电单元的投切、负载突变和拓扑结构的变化都会引起母线电压波动,降低系统的稳定性。因此,对直流微电网母线电压稳定性控制方法的研究具有重要意义。本文针对直流微电网中的不确定性变化引起的母线电压波动问题,从三个方面展开了深入地研究和分析。(1)为了提高所设计控制器在不同运行条件下的鲁棒性,引入了凸多面体方法。首先建立了两个分布式发电单元互联的状态空间模型,并对其拓展得到了具有一般拓扑结构的直流微电网参数确定性模型。然后对直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化等不确定性利用凸多面体方法描述,建立了直流微电网的凸多面体模型。(2)针对直流微电网中不确定性变化引起的系统稳定性问题,研究了基于凸多面体方法的直流微电网分散式鲁棒H控制策略。利用扩展的线性矩阵不等式得到分布式发电单元子系统和直流微电网系统渐近稳定的条件,通过闭环极点位置约束提升了分布式发电单元的动态性能。然后通过求解分布式发电单元子系统的凸优化问题,得到了基于凸多面体方法的直流微电网分散式鲁棒控制器。在MATLAB/Simulink中模拟了直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化,观察系统的动态性能。结果表明:基于凸多面体方法的分散式鲁棒H控制能有效地保持电压稳定,与参数确定性模型的鲁棒H控制相比,该方法能够更好的抑制负载突变引起的母线电压波动。(3)为了降低不确定性变化对直流微电网母线电压的影响,研究了基于凸多面体方法的直流微电网分散式Tube鲁棒模型预测控制策略。首先对直流微电网凸多面体模型进行离散化处理,将互联耦合项视为扰动,建立了直流微电网的凸多面体离散化模型。然后将直流微电网的凸多面体离散化模型分解为标称系统和误差系统,通过求解模型预测控制器得到分布式发电单元的最优状态轨迹,对误差系统设计辅助反馈控制器,保证了误差系统的渐近稳定性。在MATLAB/Simulink中模拟了直流微电网中分布式发电单元的即插即用、负载突变和拓扑结构变化,观察系统输出电压波动情况。结果表明:基于凸多面体方法的分散式Tube鲁棒模型控制能有效地抑制系统母线电压波动,与分散式鲁棒H控制方法相比,该方法对直流微电网中负载突变时具有更强的鲁棒性。

关键词： LoRa通讯   无线传感网络   支持向量机   LSTM神经网络  

摘要： 随着物联网技术以及各类科技手段的飞速发展,高新技术在现代农业中的应用也逐渐增多,使得温室大棚管理逐步走向模块化、高效化和智能化。虽然现代温室大棚的发展呈现多样化,但针对环境内参数采集、设备调控方面的研究却仍然无法满足对现代温室的需求,还存在着各类弊端,例如功耗高、价格昂贵等诸多问题。因此大部分温室还停留在以人工管理为主的阶段。为解决温室管理系统中环境采集、数据传输处理以及控制手段中存在的一系列问题,本文设计一套基于物联网的日光温室智能控制系统,经实验测试,系统能够长期可靠运行,可以用于现代温室的应用及管理。本文研究内容如下:(1)针对日光温室智能化、模块化水平不高等问题,本文设计了一套完整的温室智能控制系统。以网络层、传输层、应用层为系统框架,集成环境参数信息采集、传输、环境因子耦合调控、视频监控、数据处理及异常报警多种功能,为现代温室系统提供了新的控制方案,具备现实意义。(2)针对现阶段环境采集中的诸多限制,设施调控智能化水平不高,设备价格昂贵、通讯距离受限等现状,以Atmega328P-AU为核心控制器,结合Lo RA通信技术,进行采集节点、控制节点的软硬件设计,研究了面向智慧农业的环境采集节点和通用控制节点;以Atmega-2560控制器为核心处理器,进行了汇聚网关节点的软硬件设计,实现了采集节点、控制节点、汇聚节点的温室内部Lo RA自组网络通信。为降低采集过程中的功耗,对各节点进行了参数增量式低功耗算法设计,结果表明:低功耗节点工作时长从48H增长到62H,效率提升29%;中等功耗节点工作时长从41H提升到52H,效率提升26%;高功耗节点工作时长从36H提升到47H,效率提升30%。(3)针对实际应用中温室内部二氧化碳及光照调控需求,进行了温室光气耦合智能调控设计,利用Matlab建立环境参数预测模型、光合速率预测模型、二氧化碳调控模型,结果表明:温室光气耦合调控决策方案相比传统控制方式,功耗减少,控制方式也更加科学,设备工作效率得到了明显提升,可以为温室环境调控提供决策支持。(4)对系统各部分进行了测试。结果表明,采集节点与控制节点通讯距离与稳定性成反比,当通讯距离处于100m范围内,LoRa通信丢包率保持在2%以内,满足系统功能需求。对系统各部分硬件环境搭建完成后,经测试能够实现温室内部环境采集、设备联动及远程监控,该系统有较高的实际应用性,较传统温室相比,智能化水平得到大幅度提升。

关键词： 飞机起落架   PID   模糊神经网络   自适应着陆  

摘要： 起落架作为直升机重要的组成部分,直接对其起飞以及着陆性能有着重要的影响。飞机最终的着陆效果与起落架控制系统的性能也息息相关。传统PID控制因其简便且较优的控制效果被广泛应用,但其调节性能的好坏主要是由指定的控制参数所决定的,这就导致很难满足一些特殊的、时变的操作过程的需求。模糊PID控制作为一种通过模糊推理能力来实现对PID中的参数进行自适应的新型控制方法,适应能力强,但控制精度不足,且稳定性差。本文提出了一种以模糊神经网络为基础的PID控制方法。通过应用神经网络的学习能力,可以实现对模糊规则的调节,使系统具备了强大的数据处理能力和学习能力,使得控制系统的响应速度与稳定性得到提升。最后通过试验验证这种新型控制方法在起落架自适应着陆模拟试验中的具体效果。主要研究内容与成果如下:(1)根据起落架机械性能及着陆规划,建立自适应起落架模型。通过对起落架的运动特点进行分析,建立飞机起落架单腿结构运动控制系统的数学模型,即先建立双闭环控制的数学模型,之后建立电机以及丝杠的数学模型,并运用复数矢量法对起落架单腿结构进行运动学分析,得出其数学模型,最终得到起落架单腿结构的运动控制模型。(2)为了验证模糊神经PID控制方法所具有的良好特点,应用Matlab中Simulink工具箱建立三种控制方法的数学模型,分别对他们进行了不同状态下的动态仿真。通过对比传统PID、模糊PID以及模糊神经PID在阶跃信号、扰动信号以及正弦信号下的仿真结果,分析得出模糊神经PID控制系统具有更好的控制性能。(3)设计并搭建飞机起落架模拟运行试验平台,分析控制方法在着陆过程中所发挥的实际效果。试验结果表明,在起落架控制系统中应用模糊神经PID控制方法后,其姿态调节时运动状态更加平稳,响应速度更快,同时整体抖动较小。在不同地形的起落架自适应着陆模拟试验中,应用此PID控制方法可以实现起落架结构在复杂地形的平稳着陆,进一步验证了此控制方法的实用性。综上可以得出,在飞机起落架控制系统中,应用模糊神经PID控制方法可以提高直升机着陆的安全系数,提高系统的响应速度,使其稳定性更强,鲁棒性更好,增强了飞机起落架对复杂地形的适应能力。