模型降阶在折叠机翼主动控制中的应用研究

针对以主动控制为目的的模型降阶中的降阶精度以及控制系统的降阶设计问题,以变体飞机折叠机翼为对象,建立以模态综合法为基础的动力学模型,对该模型分别采用模态价值分析方法和平衡截断降阶方法建立结构的降阶模型;利用可控度、可观度对两种降阶模型的精度进行对比分析,对降阶模型进行设计并施加主动控制律,抑制翼尖的位移响应。结果表明:平衡截断降阶模型具有较高的可控度,模态价值分析降阶模型具有较高的可观度;两种降阶模型均可以快速精确地得到高阶动力学的降阶模型,并且该模型可以有效地应用于主动控制系统的设计。     

基于迭代SVD—切向插值方法的MIMO系统降阶

为了进一步提高多输入多输出(MIMO)时不变系统模型降阶算法的精度和效率,结合奇异值分解(SVD)降阶和切向插值降阶方法的优点,提出了一种基于迭代SVD-切向插值模型降阶方法(ISTIA)。对于MIMO时不变系统模型降阶,其优点是计算简单有效、性能鲁棒。最后通过对标准算例和气动伺服弹性(ASE)模型的降阶仿真,证明了本文方法的准确性和有效性。     

高保真气动伺服弹性系统降阶技术研究

采用高保真非定常气动力辨识技术获得的气动伺服弹性(ASE)系统时域模型往往阶次较高,不利于控制系统设计的应用.为了有效降低高阶ASE系统阶次,研究了高保真ASE模型的降阶特性,分别采用平衡截断、奇异摄动以及平衡奇异摄动模型降阶技术,结合BACT系统讨论了各种方法在ASE模型降阶中的应用情况,通过仿真比较得知,平衡奇异摄动法应用于ASE模型的降阶具有一定的优势,可以大幅降低模型阶次,且能够保证降阶模型的精度.     

识别信号对尾流激励的叶片气动力Volterra 降阶模型的影响

针对涉及动、静叶干涉的叶片气动弹性振动问题,基于Volterra级数方法,建立了尾流激励的叶片气动力降阶模型,分析了稳态条件和识别信号幅值对气动力降阶模型辨识精度的影响。结果表明:所建立的气动力降阶模型能够正确表征尾流对叶片的激励作用,不同流场稳态条件和阶跃信号幅值下气动力降阶模型的结果基本相同。     

基于优化拟形的航空发动机控制器降阶方法

提出了一种基于优化输出拟形的航空发动机多变量控制器降阶方法,并以LQG/LTR控制器降阶为例,成功地将原控制器从8阶降为3阶.首先将控制器分为积分环节部分和稳定子系统部分,采用输出拟形的方法用低阶系统去逼近稳定子系统使二者具有相近的阶跃响应,利用遗传算法优化出低阶系统的参数,将低阶系统和分离出来的积分环节合并后即得到降阶后的控制器.与采用平衡截取Schur降阶方法比较,本方法可将系统阶次降得更低并取得更好的动态响应效果.     

基于可观测性分析的旋转式惯导系统在线自标定方法的设计

本文建立了速度误差外观测量的静基座双轴旋转式惯导系统在线标定卡尔曼滤波模型,其状态向量包括地速误差、姿态失准角和惯性器件零偏、标度因数误差、安装误差,可估计旋转式惯导系统失准角与惯性器件误差参数。通过分段线性定常系统(PWCS)可观测性分析方法分析不同旋转方式下系统可观测性变化情况,得出双轴连续旋转的角运动方案可以改善卡尔曼滤波滤波的可观测性。根据基于奇异值分解的可观测度分析结果进行模型降阶,同时结合旋转式惯导系统的工程应用特性,得到12阶卡尔曼滤波参数模型。降阶系统阶数降低约55%,可以显著降低运算量,有效提高了导航计算机运算效率和实时性。仿真实验表明：降阶模型的估计精度不低于原模型,而且部分状态量的滤波收敛速度有提高。     

柔性空间结构选频二阶保结构平衡降阶

利用传统的一阶选频内平衡降阶方法进行降阶时,不但破坏了原二阶系统动力学结构,而且降阶过程中的选频Gramian矩阵的求解计算量大、数值稳定性差.利用解耦模态坐标的二阶柔性空间结构(FSS)方程的特殊性,给出了可控和可观Gramian矩阵的选频闭合解析解.为了将FSS动力学模型在指定频段进行降阶并保留原系统的二阶动力学结...     

武装直升机控制增稳系统的设计

用现代控制理论的方法，对武装直升机的控制增稳系统进行了设计。所给的状态方程为２９阶，其中包括了执行机构及旋翼动态、机体挠性动态的参数。采用内部平衡系统的性质来获得一个降阶模型，用特征结构配置的方法来设计一个控制器，从而提高现代攻击直升机的操纵品质。同时还比较了降阶前后系统的性能，用降阶的方法说明了旋翼动态、直升机挠性动态对系统的影响。设计结果证明，系统得到了良好的解耦效果及闭环特性。     

一种加速的参数化模型降阶方法

参数化模型降阶(PMOR)方法离线阶段训练数据的过程比较耗时,因此提出了一种加速方法。在基于矩阵插值的PMOR方法的基础上,采用组合近似的重分析技术对基于振型向量的模型降阶(MOR)过程进行加速,利用初始刚度分解矩阵生成迭代计算基向量以对系统矩阵降阶,通过降阶矩阵生成参数化模型的振型向量,对参数空间上的采样点重复整个加速计算过程生成离线数据库。并以电磁振动台动圈为例,采用普通方法和加速方法对均布采样样本点展开仿真研究,结果表明,在保证所构建的离线模型数据库准确度的前提下,此方法能减少80%以上的MOR计算时间,且随着采样点的增多,增速越明显,可以大幅度提高参数化降阶模型离线训练效率。      

基于自编码器和LSTM的模型降阶方法

自编码器是一种有效的数据降维方法,可以学习到数据中的隐含特征,并重构出原始输入数据.本文提出了一种基于多层自编码器和长短期记忆网络的模型降阶方法,以提升降阶模型的精度.文中以二维圆柱绕流为例,对该方法进行了分析与验证.首先用多层自编码器对原始数据进行降阶和特征提取,然后构建基于长短期记忆网络的预测模型,最后将自编码器和...     

遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

Multiple-model estimation with variable structure- part VI: expected-mode augmentation

A new class of variable-structure (VS) algorithms for multiple-model (MM) estimation is presented, referred to as expected-mode augmentation (EMA). In the EMA approach, the original set of models is augmented by a variable set of models intended to match the expected value of the unknown true mode. These models are generated adaptively in real time as (globally or locally) probabilistically weighted sums of mode estimates over the model set. This makes it possible to cover a large continuous mode space by a relatively small number of models at a given accuracy level. The paper presents new theoretical results for model-set design, a general formulation of the EMA approach, along with theoretical analysis and justification, and three algorithms for its practical implementation. The performance of the proposed EMA algorithms is evaluated via simulation of a generic maneuvering target tracking problem.     

Global aerodynamic design optimization based on data dimensionality reduction

In aerodynamic optimization, global optimization methods such as genetic algorithms are preferred in many cases because of their advantage on reaching global optimum. However, for complex problems in which large number of design variables are needed, the computational cost becomes prohibitive, and thus original global optimization strategies are required. To address this need, data dimensionality reduction method is combined with global optimization methods, thus forming a new global optimization system, aiming to improve the efficiency of conventional global optimization. The new optimization system involves applying Proper Orthogonal Decomposition (POD) in dimensionality reduction of design space while maintaining the generality of original design space. Besides, an acceleration approach for samples calculation in surrogate modeling is applied to reduce the computational time while providing sufficient accuracy. The optimizations of a transonic airfoil RAE2822 and the transonic wing ONERA M6 are performed to demonstrate the effectiveness of the proposed new optimization system. In both cases, we manage to reduce the number of design variables from 20 to 10 and from 42 to 20 respectively. The new design optimization system converges faster and it takes 1/3 of the total time of traditional optimization to converge to a better design, thus significantly reducing the overall optimization time and improving the efficiency of conventional global design optimization method.     

SSME parameter model input selection using genetic algorithms

Genetic algorithms are used for the systematic selection of inputs for a parameter modeling system based on a neural network function approximator. Due to the nature of the underlying system, issues such as learning, generalization, exploitation, and robustness are also examined. In the application considered, modeling critical parameters of the Space Shuttle Main Engine (SSME), the functional relationships among measured parameters are unknown and complex. Furthermore, the number of possible input parameters is quite large. Many approaches have been proposed for input selection, but they are either not possible due to insufficient instrumentation, are subjective, or they do not consider the complex multivariate relationships between parameters. Due to the optimization and space searching capabilities of genetic algorithms, they were employed in this study to systematize the input selection process. The results suggest that the genetic algorithm can generate parameter lists of high quality without the explicit use of problem domain knowledge     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。     

大型可展开天线太空结构频率预测

由于空间大型可展开天线口径较大,在地面模拟太空环境难度高,使得直接在天线原型上进行性能测试非常困难或不可能。为了解决该问题,提出了一种“两步法”,利用空间大型可展开天线的缩比模型进行地面性能测试,以预测天线原型在太空中的工作性能。据此对周边桁架可展开天线太空工作的结构固有频率进行性能预测研究,首先推导了结构固有频率的相似准则,然后考虑结构参数畸变的影响,得出其相似性经验公式,最后研究了温度变化对结构频率的影响,得出了预测大型天线太空工作性能的经验公式。仿真结果验证了该方法的有效性,该方法可应用于其他空间结构的设计和性能预测。     

Active damping control of vibrational systems

The problem of vibration suppression in large flexible space structure (LFSS) is investigated. Based on the structure property of LFSS, an active damping strategy is proposed to effectively attenuate the critical vibrations of the structure subject to modeling uncertainty and external disturbance. Control algorithms are derived with the aim of suppressing both the vibrating magnitude and vibrating rate to an acceptable level. It is shown that the strategy exhibits robust and adaptive properties and is truly model-independent. The novelty of the proposed approach lies in the fact that it is fairly easy to set up the strategy and the overall computation involved is much less than any other strategies available to date. A two-bay truss is used to verify the validity of the proposed approach     

空间目标光电巡天策略的优化

随着空间目标与碎片数量的激增,传统的基于目标跟踪的空间目标光电监视手段已不能满足需求,近年出现了面向空域的空间目标巡天观测。针对空间目标巡天观测的特点,同时考虑空间目标观测的目标个数和数据量,提出了一种空间目标巡天观测策略,并建立了相应的空间目标光电巡天优化数学模型。模型中通过0-1变量的使用,实现了目标函数和约束条件的线性化,十分有利于大规模问题的求解,能够更好地满足实际需求。仿真计算表明:策略简单,易于实现,并且有很好的效果;通过优化,只需要少量望远镜即能实现大批量空间目标的监视,并保持一定的观测数据量,为空间目标光电监视策略提供了新的思路。     

固体火箭发动机稳态燃速二维模型参数最优化辨识

1引言发动机参数辨识常用方法是最小二乘法[1],即将参数估计问题转化为多元函数求极值问题,通过迭代选择待估参数值,使燃烧室压强计算值和实验值的残差平方和最小。采用最小二乘法进行参数辨识存在局限性[2],需要通过台劳级数展开式近似模型替代真实数学模型计算残差平方和对待