几种降阶方法在柴油机控制器中的应用对比研究

为保证军用机、直升机等大型装备的最后装配质量,得到的产品能满足各项性能指标,必须对系统进行分析和计算。但对于大型复杂系统而言,由于其高维数和复杂性,直接分析相对困难,在这种情况下,采用降阶方法处理。本研究分别利用奇异值分解、Krylov子空间理论和最小二乘法对柴油机控制器进行降阶。研究结果表明:奇异值分解(SVD)算法可以根据系统的奇异值大小进行截断,能够保持降阶系统的结构特性,但计算过程较复杂。Krylov子空间的降阶算法虽然计算量小,且速度快,但误差范数较大。利用最小二乘法可以很好地结合这两种方法的优点,从仿真结果也可看出,利用第三种方法结果最好。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

结构动力模型一体化降阶技术

本文提出应用一体化降价技术实现结构动力模型的有效降阶，即首先在物理空间用动力缩聚（dy-namic condensation）法，然后在状态空间用平衡模型降阶（Balance Model Reduction）法，降低原始模型的阶数，这样就能结合有限元分析中物理模型降阶技术及控制理论中平衡降阶法的优点，所得降阶模型不仅阶数较低，而且所得状态空间方程具有可观且可控的优点。仿真表明，这种一体化降价技术算法稳定，计算精度高。     

经典模型降阶方法述评

大系统模型降阶是一个活跃的研究领域,比较成熟的经典降阶方法主要有;Pade逼近法,时间矩法,连分式法,Routh逼近法及混合法等。本文综述了这一领域的现有文献,介绍了每种降阶方法的基本思想、优缺点和适用范围,特别指出了一些新的经典模型降阶方法的进展。文中最后提出了模型降阶方法的可能研究方向。     

一种简便的模型降阶处理方法

基于大系统理论听集结法，提出了一种简便的动力学模型降阶处理方法。文中针对系统不同的动力学特性，存在相对快变量，存在小量及一般情况，通过选择适当的集结阵和作线性变换处理，分别推导了出相应的降阶模型。分析了该三种降阶模型的降阶精度和适应范围，并通过对某一实际模型进行降阶处理，说明本所提出的三种降阶模型的某一种作为原高阶系统的简化模型是可行的。同一般模态集结法相比，本文所提出的模型降阶方法简便许多，它一     

基于主导能量法和Pade逼近法的多变量系统的模型简化

本文在运用主导能量分布法初步确定多变量系统简化模型的阶的基础上,综合利用主导能量法和Pade逼近法对多变量系统进行联合降阶,从而获得具有较好的暂态和稳态拟合精度的降阶模型。文中的算例表明,本文提出的模型简化方法可得到较为满意的结果。 本文的方法适用于存在主导极点的复杂系统和大系统。     

一种ARMA模型的阶数递推辨识算法

本文从实际物理系统出发,提出了一种基于广义最小二乘的阶数递推ARMA模型辨识算法——REARMA算法.利用最小二乘逆的递推计算,大大加快了系统辨识的速度.     

基于主导能量最优逼近的模型降阶方法

本文从能量最优逼近的角度论述了一种新的模型降阶方法。首先根据系统输出的主导能量分布确定系统的主导极点,以此确定降阶模型的维数和分母系数;然后按照使系统主导能量与降阶模型主导能量之差为极小的最优准则,同时通过选择“能量因子”的数值来确定降阶模型的分子系数,从而获得连续系统和离散系统均可适用的统一降阶模式。本文提出的模型降阶方法,可以确保降阶模型的稳定性,具有良好的暂态和稳态拟合精度,并且简便实用。本中举倒说明了这一模型降阶方法的应用,并与其他模型降阶方法进行了对比,结果是令人满意的。     

暂冲式高速风洞流场控制系统建模与仿真

为满足中国空气动力研究与发展中心的2.4m跨声速风洞流场品质改进的需要,有必要建立一个高效的风洞流场控制模型作为控制器设计的验证平台。由于难以建立精确的空气动力学模型,且2.4m 跨声速风洞长期运行积累了大量的试验运行数据的实际,数据建模成为建模方法的首选。在硬件上,建立了基于反射内存技术的流场控制仿真系统,以获取现场采集的数据。建模方法采用数据建模方式,主要是利用系统辨识理论,将整个系统看成是一个“黑箱”,利用现场采集的数据来确定系统的参数和输入输出间的映射关系。采用以非线性自回归滑动平均模型(Non-linear Auto-Regressive Moving Average Model with Exogenous Inputs,NARMAX)作为风洞系统的数据模型,应用互信息法、曲线拟合法和伪最近邻点法分别确定了模型中采样间隔、时间滞后以及阶次3个参数。对比了最小二乘线性回归、BP 神经网络以及最小二乘支持向量机(LSSVM)3种方法对模型的拟合效果,确立了最小二乘支持向量机作为最终的拟合方法。为了提高仿真的精度,根据风洞运行的特点,将其整个过程划分为冲压、启动和调节3个阶段,分别建立了各个阶段的子模型。由于风洞系统是一个多输入多输出系统,并且延迟和阶次较大,采用了基于信息熵的数据压缩方法,实现了简化子模型规模的目的。最后,采用多模型融合的方法将各个阶段的子模型通过加权的方法来完成融合,从而构建起整个风洞系统的模型。稳定段总压和驻室静压分别通过所建模型得到,最后通过马赫数的计算公式得到试验段马赫数值。仿真结果表明:所建模型在运行包络线范围内的试验工况下,总压预测精度达到0.1%、马赫数预测精度基本达到0.001,达到了研究的目的。该项工作的开展较为系统地建立了暂冲式风洞的流场控制模型,建立的模型将为下一阶段基于现代控制理论的控制器设计奠定基础。     

大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。