由飞行试验数据求取直升机气动导数的最佳方法研究

本文主要介绍利用频率法、卡尔曼滤波和最大似然法求取气动导数的方法。方法的特点是,通过频率法使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减小,最后使用最大似然法使试验数据包含的随机噪声进一步减小,并求取最终的气动导数。计算结果表明,该方法可使试验数据中包含的噪声减至最小,复合相关系数提高到0.95以上,特征根更接近真值,其准确度优于最小二乘法、频率法、卡尔曼滤波方法和最大似然法,它保留了使用低通滤波数据的卡尔曼滤波方法的优点,克服了原方法振荡模态频率偏低的缺点,适合于各种直升机的导数识别。     

消除非线性影响的参数识别技术研究

本文使用卡尔曼滤波和非线性规划技术求取直升机的气动导数,该方法的特点是: 1.使用频率法使旋翼的高频成份影响减至最小; 2.使用卡尔曼滤波技术使试验数据包含的随机噪声和过程噪声减至最小; 3.最后通过拉格朗日的方法使非线性误差减至最小.     

使用改进的卡尔曼滤波方法由飞行数据求取直升飞机气动导数的应用研究

本文分析和研究了低通滤波、最小二乘法、频率法和卡尔曼滤波方法的优点和缺点,将利用卡尔曼滤波求取直升飞机气动导数的方法作了进一步的修改,卡尔曼滤波的输入数据由低通滤波数据改用频率法的输出数据,卡尔曼滤波时的初始导数由单纯的最小二乘法所获得的导数改用由频率法得出的导数。计算结果表明,改进的卡尔曼滤波方法消除了原方法由于低通滤波而造成的相位漂移,振荡频率误差显著降低,复合相关系数提高到0.9以上,特征根已十分接近真值,是一种切实可行的方法,适合于各种直升飞机的导数识别。     

估算飞机气动导数的多维最小二乘方法研究

给出了多维最小二乘法拟合经验曲线的格式.在基于总体布局参数的飞机操稳特性研究中,有些气动参数的估算还处于经验曲线阶段,本文用最小二乘法曲线拟合原理和空间多维理论建立了曲线的数学模型,尤其在开发软件过程中,利用所建立的数学模型可以更加简单、快速的估算飞机气动导数.最后对多种型号飞机进行算例分析,并与计算流体动力学(CFD)方法所求的气动导数、实际飞行试验数据进行对比,结果表明,用此方法对经验曲线所建立的数学模型,在飞机的气动导数估算中,其结果是合理可行的.     

Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。     

基于模型试验的旋翼／机身气动干扰经验算式

试验研究了直升机机身受旋翼气流干扰时的空气动力特性。试验结果证实机身阻力与旋翼前进比和桨盘载荷变化密切相关,机身升力和俯爷力相矩的大小与旋翼桨盘载荷关系更大。通过对试验数据的初步分析,确定机射受旋翼尾流影响的气动干扰算式结构,利用最小二乘原理建立了简单有效的直升机机身在旋翼尾流干扰下的气动力算式,该算法可直接用于直升机气动设计和实时仿真模型中。     

飞行数据相容性检验技术

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。     

飞行数据相容性检验方法

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。     

直升机气动与操纵导数的频域辨识方法研究

对频域辨识求取直升机气动与操纵导数方法进行了探索与研究。建立了直升机横航向运动辨识数学模型,并介绍了频域辨识原理;利用直升机模拟器横向扫频飞行测试数据,进行了直升机横航向气动与操纵导数辨识,并对辨识结果进行了时域验证。结果表明,所建立的频域辨识方法正确、可行,具有一定的工程应用价值。     

用参数辨识法进行直升机悬停性能拓展

准确计算直升机在不同飞行状态的有效气动参数对于确定直升机飞行性能具有重要意义。然而,由于复杂的旋翼空气动力现象以及直升机状态和环境条件的变化,准确预估气动参数有较大难度。为此,采用无量纲分析法建立直升机悬停状态的数学模型,首先对参数重组,确定了几个悬停状态重要参数,包括气动参数和直升机状态参数;然后,以直-9×型直升机为例,结合实际试飞数据,提出了用最小二乘法对该模型进行参数辨识的方法;最后,通过相关性分析,确定了辨识方法的可行性,并将辨识结果有效地用于直升机悬停性能拓展。结果表明,这种利用参数辨识进行性能拓展的方法是可行的,由于辨识结果是利用实际试飞数据确定的,拓展结果具有较高的可信度。这种数据处理方法可有效减少试飞周期,节约试验成本。     

一种改进的数字滤波平方定时的频域算法

在数字滤波平方定时的频域算法基础上,采用了前端进行带通滤波和后端实施卡尔曼滤波的处理方法对其进行改进。带通滤波器减小了定时误差估计的方差,而卡尔曼滤波则降低了整个定时误差估计过程中噪声的影响。实验与仿真的结果表明,改进后的方法达到了预期的效果。     

SNR-based multipath error correction for GPS differential phase

Carrier phase multipath is currently the limiting error source for high precision Global Positioning System (GPS) applications such as attitude determination and short baseline surveying. Multipath is the corruption of the direct GPS signal by one or more signals reflected from the local surroundings. Multipath reflections affect both the carrier phase measured by the receiver and signal-to-noise ratio (SNR). A technique is described which uses the SNR information to correct multipath errors in differential phase observations. The potential of the technique to reduce multipath to almost the level of receiver noise was demonstrated in simulations. The effectiveness on real data was demonstrated with controlled static experiments. Small errors remained, predominantly from high frequency multipath. The low frequency multipath was virtually eliminated. The remaining high frequency receiver noise can be easily removed by smoothing or Kalman filtering     

高速采样测量数据处理方法研究

探讨在新一代高精度测速体制下，外测数据原有处理方法应用到高采样率数据时的缺陷，提出将原始采样数据分段、分层进行多次处理，结合二步最小二乘、等距样条拟舍和区间长度自适应的时间多项式中心平滑技术，可降低每次处理的数据量，并逐步滤除周期噪声与色噪声，提高了处理结果的精度。     

传统组合导航中的实用Kalman滤波技术评述

在随机线性系统建模准确的情况下,Kalman滤波是线性最小方差无偏估计。针对传统惯导/卫导组合导航的实际应用,难以精确建模,给出了常用的建模方法、状态量选取原则、离散化方法及滤波快速计算方法。讨论了平方根滤波、自适应滤波、联邦滤波和非线性滤波等技术的适用场合,并给出了使用建议。针对前人研究可观测度中未考虑随机系统噪声的缺陷,提出了更加合理的以初始状态均方误差阵为参考的可观测度定义和分析方法。提出了均方误差阵边界限制方法,可有效抑制滤波器的过度收敛和滤波发散。该讨论可为工程技术人员提供一些有实用价值的参考。     

Optimum Steady-State Position and Velocity Estimation Using Noisy Sampled Position Data

The Kalman filtering technique is used to obtain analytical expressions for the optimum position and velocity accuracy that can be achieved in a navigation system that measures position at uniform sampling intervals of T seconds through random noise with an rms value of ?x. A one-dimensional dynamic model, with piecewise-constant acceleration assumed, is used in the analysis, in which analytic expressions for position and velocity accuracy (mean square), before and after observations, are obtained. The errors are maximum immediately before position measurements are made. The maximum position error, however, can be bounded by the inherent sensor error by use of a sufficiently high sampling rate, which depends on the sensor accuracy and acceleration level. The steady-state Kalman filter for realizing the optimum estimates consists of a double integrator, the initial conditions of which are reset at each observation.     

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

递推阻尼最小二乘法及其在火控系统中的应用

由于火控系统误差模型未知且稳定性较差,采用Kalman滤波实现滤波时,其滤波特性较差;而此时最小二乘法是实际工程应用中的常用方法,但是容易产生参数爆发现象。文中提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,将其应用到火控滤波系统中。仿真结果表明,利用递推阻尼最小二乘法能达到递推最小二乘法同样的精度,且能明显抑制参数爆发现象,达到良好的滤波效果。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.