直升机在垂直下降或陡下降时,若操纵不当,容易陷入严重危及直升机飞行安全的涡环状态之中,若能在直升机进入涡环时及时告警并提示合理的改出方式,可有效避免此类事故的发生。本文即针对直升机涡环状态告警方法开展研究,主要研究内容包括:(1)通过对现有直升机涡环状态判据进行对比分析,确定了适合的涡环边界计算方法,根据直升机进入涡环区域的不同,用不同边界将涡环区域进行划分,并根据直升机进入不同区域表现出的不同状态,确定了合理的告警方式和相应的改出措施。(2)针对涡环告警的关键问题之一——低空速的准确获取问题,建立了基于BP神经网络的直升机低空速预测模型,并就预测模型中存在的问题,利用主成分分析法解决数据维数过大问题,采用遗传算法优化解决神经网络随机性初始化权值和阈值问题。最后,基于Matlab仿真,以及利用四旋翼无人机平台进行了飞行试验,充分验证了BP神经网络算法用于预测低空速的有效性和准确性。(3)基于Simulink/Stateflow建立了BP神经网络低空速预测模型和涡环告警方式逻辑模型。首先基于Simulink建立了BP神经网络低空速预测模型,进一步基于Stateflow建立了涡环告警方式的逻辑模型,最后将前述两个模型进行了集成,通过仿真并完成了测试,验证了模型的正确性。(4)开展了基于DSP的半物理仿真试验。基于DSP控制器,利用C语言实现了BP神经网络低空速预测算法和涡环告警方式逻辑算法,并开发与之配套的上位机软件,搭建了相应的半物理仿真硬件系统,通过试验,验证了本文所提出的涡环告警方法的正确性和有效性。