基于H∞算法的飞机机翼结冰气动参数辨识

针对国内大型飞机结冰防护需求,开展针对大型结冰研究样机的H_∞算法参数辨识结冰探测研究。首先通过参数调节选取一组合适的H_∞算法参数,利用考虑测量噪声的结冰研究样机飞行仿真数据验证H_∞算法的辨识能力,由结果对比发现辨识算法能够跟踪飞机气动导数随结冰累积过程的变化趋势,辨识精度较高,其最大归一化平方根（RMS）误差仅为真值的11%;分析了H_∞算法对81种不同结冰累积过程的辨识能力,通过结果分析发现结冰累积时间较长且结冰速度较慢的情况辨识效果较差,结冰累积时间在100~300 s之间辨识精度较高;最后利用蒙特卡罗仿真分析了不同测量噪声大小对H_∞算法辨识精度和跟踪延时的影响,给出了3个纵向气动导数在随机误差影响下的辨识误差和跟踪延时的统计结果,发现在给定噪声标准差变化范围内,升力和俯仰力矩关于迎角的导数能够得到较为准确的辨识结果,二者的归一化平方根误差均值仅为各自真值的1.8%和4%,其预报延时均值最大仅为3 s和9.5 s。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

基于辅助变量最小二乘的无人艇模型辨识方法

无人艇模型是无人艇运动控制研究领域的核心,模型的精确性对控制算法的设计及验证有很大的影响.为了解决有色噪声对无人艇模型参数辨识时的干扰问题,提出了一种辅助变量最小二乘算法对无人艇模型参数进行辨识.对离散KT方程加入噪声,得到无人艇时间序列分析模型,根据Tally原理引入辅助变量对最小二乘算法进行完善并辨识模型参数.所做理论分析及仿真结果表明:该算法可以准确估计无人艇时间序列分析模型参数,并能对无人艇下一时刻航向角做出准确预报,有效解决了有色噪声所带来的"参数有偏估计"问题.实船实验结果表明:相比一般最小二乘算法,所提算法的辨识收敛时间可减少50％,航向角预报误差减小约40％,有效预报时长提升一倍以上.该算法对无人艇时间序列分析模型的辨识更加准确,具有很高的实际应用价值.     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

基于整机试验数据辨识的雷诺数对涡扇发动机的性能影响

为了研究雷诺数对涡扇发动机性能的影响并提升稳态性能模型在工作包线内的计算精度,提出了一种基于整机试验数据辨识的计算分析方法。选取用于气路分析的测量参数,提升辨识算法的收敛性和计算结果的有效性;结合非线性气路分析算法辨识计算出各试验点的部件性能修正因子,统计分析雷诺数和各部件性能修正因子的变化关系,定量得到雷诺数对发动机各部件性能的影响程度;修正基线稳态性能模型,并对计算精度进行验证对比。结果表明:对比试验结果,修正后的稳态性能模型各参数计算偏差不大于2.5%。对比基线稳态性能模型各参数计算结果,计算精度平均提升2.3%,最大提升9.2%。      

非线性热传导逆问题的表面热流辨识方法

当材料的热物性参数随温度变化时,其内部的热传导方程是一非线性偏微分方程,对应的热传导逆问题称为非线性热传导逆问题。本文建立了非线性热传导逆问题的两种表面热流辨识方法:顺序函数法和共轭梯度法,介绍了这两种辨识方法的基本思想和具体算法推导,并针对典型算例进行了仿真辨识,结果表明:两种辨识方法虽然在算法构造、计算效率方面存在一定的差异,但都能给出较好的辨识结果,并且算法受测量噪声的影响较小,具有较好的鲁棒性。     

不稳定飞机气动参数辨识的一种实用方法

地是飞行器气动参数辨识最广泛采用的一种方法。但对于气动高度不稳定的飞机，辨识算法往往因状态方程组和灵敏度方程组积分发散而无法进行。为克服这一数值困难，将方程解耦技术引入输出误差法，发展了高度不稳定飞机气动参数辨识的一种实用方法－－基于方程解耦的误差法。并对某鸭式布局飞机的纵向劝仿真数据进行了辨识仿真计算，计算结果证实了所述方法的有效性。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

一种时域稳定参数预报与最优估计兼容的参数辨识法

 本文导出一种基于时域稳定的参数预报与最优估计兼容的状态估计和参数辨识算法。这种算法将系统辨识分为三步:1.以辨识系统预报误差渐近稳定为准则的参数预报;2.以预报参数为条件的状态估计;3.对参数和状态的后验修正。即一般分割辨识算法（GPIA）与模型参考辨识算法（MRIA）相结合的兼容辨识算法。本文将这一算法用于飞行器气动系数和控制导数的辨识,并与GPIA算法所得结果相比较。     

采样数据含高频有色噪声的连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,该方法通过引入积分运算,将连续时间系统的微分方程模型转换为积分方程模型,从而在辨识时使噪声的影响可以忽略,然后直接利用传统的最小二乘法估计出系统的连续时间模型参数。该方法具有较强的抗有色噪声干扰的鲁棒性、计算方法简单、参数辨识精度高等优点。仿真实例验证了该方法的有效性与可行性。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

一种无人直升机飞行力学模型辨识方法研究

研究了一种无人直升机飞行力学模型辨识方法.将状态子空间辨识法和误差预报辨识法这两种不同机理的辨识方法相结合,用于无人直升机飞行力学模型的辨识.通过仿真计算,成功地辨识得到了悬停状态下算例无人直升机的高阶飞行力学模型.结果表明:提出的辨识方法具备状态子空间辨识法和误差预报辨识法各自的优点,不会出现经典辨识算法中寻优过程中出现的局部极小现象以及迭代带来的收敛性问题.     

剪刀式尾桨悬停状态气动力及噪声特性计算研究

建立了一个基于计算流体力学(CFD) /FW-H(Ffowcs Williams-Hawkings)方程的预测剪刀式尾桨悬停状态气动性能和噪声特性的分析方法.该方法首先采用CFD方法对尾桨流场进行求解,并应用嵌套网格技术对流场空间进行离散.控制方程采用非惯性坐标系下的Navier-Stokes方程,空间方向采用二阶迎风格式(Roe格式)进行求解,时间方向采用隐式LU-SGS(Lower-Upper Symmetric Gauss-Seidel)格式进行推进.在此基础上,采用FW-H方程将尾桨噪声声压扰动传播至远场,以获得尾桨的噪声特性.应用该方法对两种剪刀式尾桨构型(“L”构型和“U”构型)进行了计算研究,对比分析了剪刀式尾桨在气动力和噪声方面与常规尾桨的差别,以及两个重要构型参数(剪刀角和轴向间距)对剪刀式尾桨气动力和噪声的影响规律.计算结果表明,构型参数对剪刀式尾桨气动力和噪声特性影响很大,合理地选择构型参数可以降低尾桨噪声水平.     

基于差分进化和向量回归的四旋翼参数集员辨识

在噪声未知但有界的情况下,为了解决辨识模型回归矩阵奇异条件下的参数集员辨识问题,基于差分进化算法和非线性向量回归,提出一种新颖的四旋翼参数集员辨识方法。利用非线性向量回归方法建立逼近参数向量与误差向量的范数之间的函数关系模型,并用差分进化算法优化模型参数,避免参数选择的盲目性。仿真结果验证了这种方法的有效性。     

飞机颤振模态参数的频域子空间辨识

 研究了基于非参数噪声模型的频域子空间系统辨识法，并采用频域子空间辨识算法实现了基于多通道数据的颤振模态参数辨识，改变了传统的单通道颤振试验数据分析模式，试验结果表明子空间算法能有效提取多通道数据中包含的主要危险模态信息，且计算量小，适用于模态参数的在线分析。     

应用时变参数建模方法辨识时变模态参数

 应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次, 通过时变的伯格尔( Bur g) 算法对时变的自回归(AR) 模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识, 验证了辨识方法的有效性。     

闭环气动参数辨识的两步方法

对于闭环控制飞行器动力学系统,如果输入输出数据中含有误差和噪声,将其直接用于辨识气动参数是有偏差的。针对这个问题,利用闭环控制飞行仿真数据,采用两步方法辨识飞行器的气动参数,并与直接开环辨识的结果及参数真值进行对比,表明两步方法辨识结果较直接开环辨识方法具有更高的精度,是一种有效的闭环气动参数辨识方法。     

直升机悬停状态全耦合飞行动力学模型辨识方法

提出了一种基于集员辨识理论的直升机全耦合飞行动力学模型参数辨识方法.该方法针对直升机飞行动力学模型耦合强,难以得到辨识模型和待辨识参数之间显式函数关系的特点,推导并建立了状态空间微分方程形式模型集员辨识的间接辨识算法.通过引入广义噪声的概念以及对其边界的灵活设定,实现了对辨识参数众多、耦合严重且灵敏度差异大的复杂模型的...