基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4％,大大提升了计算效率.     

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。     

极大似然法及在有控飞行器气动参数辨识中的应用

 <正> 一、引言 飞行器气动参数辨识作为系统辨识理论在航空、宇航领域的应用分支,在一些发达国 家受到了相当的重视,并且从70年代以来已形成了气动参数辨识软件包,不仅缩短了飞行器的设计、改型及性能分析的周期,并且还具有靠风洞实验或理论分析所不具备的优点。目前飞行器的气动参数辨识虽已有很大发展,但是对有控飞行器的闭环辨识问题仍未解决,分析传感器非线性因素对气动参数辨识结果的影响也不够深入。本文使用极大似然法,结合某有控飞行器的全弹道仿真数据,研究了在闭环飞行状态下进行气动参数辨识所存在的问题,分析了传感器的非线性因素对气动参数辨识的影响。     

一种变频电机参数离线辨识方法的研究

传统电机参数辨识采用固定脉冲宽度调制(PWM)波占空比。该方法导致电流大小不可控,而辨识电流大小又直接影响辨识准确性。为此,提出新的参数离线辨识方法,采用恒电流辨识原理并检测电机相电流,控制辨识电流在给定值附近波动,解决了电机辨识电流不合适问题。设计了续流二极管和IGBT电压模型,d轴和q轴电感辨识都采用在270°而非0°进行辨识,以此提高了辨识精度。最后,在变频冰箱上进行验证并与原来数据进行对比。该方法很好地解决了冰箱电机带背压条件下,电机d、q轴电感辨识不准确、辨识时间长等问题,试验结果证明了该方法的可行性和有效性。     

飞机短周期运动参数的神经网络辨识

本文提出了一种用馈神经网络辨识飞机短周期运动参数的新方法。该方法的特点是不需要预先假定模型，只需要用获得的飞行数据训练一前馈馈神经网络，就可以用这个网络直接辨识参数的值。模拟飞行数据的仿真结果证明所提出的方法是有效的并且具有较好的鲁棒性。     

航空发动机参数不确定模型辨识方法

针对航空发动机线性模型在工况点附近使用范围较小的问题,提出一种航空发动机不确定性模型辨识方法。该方法使用非线性规划处理航空发动机模型辨识问题,求解过程考虑线性模型中矩阵参数不确定性的影响,以期获得一个具有适用范围大、形式简单的航空发动机模型。使用该方法对DGEN380发动机在某一稳态点进行辨识,定义实际工况偏差参数和模型最大偏差参数分析DGEN380发动机参数不确定模型的误差范围。使用实验数据与参数不确定模型仿真结果进行比较,结果表明油门杆角度变化小于22%时,参数不确定模型与实际发动机状态的偏差量较小,能够在1%误差范围内模拟实际发动机状态。     

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。     

高速自旋飞行器气动参数辨识

根据高速自旋飞行器运动的特点，发展了气动参数辨识的一种数学模型，辨识参数包括静态气动导数、气动阻尼导数和马格努斯力矩导数等。仿真算例证实了该数学模型的有效性。应用该数学模型分析处理了某高速自旋飞行器的飞行试验数据．辨识获得了其主要气动参数，并分析了若干常见误差源对气动参数辨识结果的影响。     

固体火箭发动机试验综合软件系统设计

介绍一种固体火箭发动机试验用综合软件系统。该软件系统除具有标定、数据采集、试验数据分析处理功能外,还具有固体火箭发动机性能预估、参数辨识,以及试验数据库管理功能。该系统能自动快捷地分析处理各类试验数据,有效提高了试验效率。      

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

空间非合作目标惯性参数的Adaline网络辨识方法

空间在轨操作中,航天器在对空间非合作目标的抓捕行动常常导致航天器本体的姿态和空间轨迹发生变化。为克服空间非合作目标对航天器本体动力学、运动学的影响,使控制系统做出精准及时的姿控策略调整,确保航天器正常在轨工作和轨迹姿态的高精度,需对抓捕的非合作目标的惯性参数进行辨识。针对传统辨识方法依赖广义逆求解导致的辨识过程运算量大,且数值容易产生剧烈振荡,造成辨识结果不稳定等不足,采用基于归一化最小均方（NLMS）准则的Adaline神经网络方法进行空间非合作目标惯性参数的辨识。首先,基于动量守恒理论建立抓捕后的航天器-机械臂-空间非合作目标系统模型;然后将辨识方程的系数矩阵作为网络的输入和输出,空间非合作目标的惯性参数作为神经网络的训练权重,基于迭代步长可变的NLMS准则实现对目标惯量参数的快速、准确辨识;最后,在构造的ADAMS/MATLAB联合仿真平台上进行了验证。仿真结果表明,基于NLMS准则的Adaline神经网络是一种快速、准确辨识目标惯量参数的有效方法。     

Adaptive Nonlinear Optimal Compensation Control for Electro-hydraulic Load Simulator

 Directing to the strong position coupling problem of electro-hydraulic load simulator (EHLS), this article presents an adap-tive nonlinear optimal compensation control strategy based on two estimated nonlinear parameters, viz. the flow gain coeffi-cient of servo valve and total factors of flow-pressure coefficient. Taking trace error of torque control system to zero as control object, this article designs the adaptive nonlinear optimal compensation control strategy, which regards torque control output of closed-loop controller converging to zero as the control target, to optimize torque tracking performance. Electro-hydraulic load simulator is a typical case of the torque system which is strongly coupled with a hydraulic positioning system. This article firstly builds and analyzes the mathematical models of hydraulic torque and positioning system, then designs an adaptive nonlinear optimal compensation controller, proves the validity of parameters estimation, and shows the comparison data among three control structures with various typical operating conditions, including proportion-integral-derivative (PID) controller only, the velocity synchronizing controller plus PID controller and the proposed adaptive nonlinear optimal compensation controller plus PID controller. Experimental results show that systems’ nonlinear parameters are estimated exactly using the proposed method, and the trace accuracy of the torque system is greatly enhanced by adaptive nonlinear optimal compensation control, and the torque servo system capability against sudden disturbance can be greatly improved.     

Quick identification of guidance law for an incoming missile using multiple-model mechanism

A guidance law parameter identification model based on Gated Recurrent Unit (GRU) neural network is established. The scenario of the model is that an incoming missile (called missile) attacks a target aircraft (called aircraft) using Proportional Navigation (PN) guidance law. The parameter identification is viewed as a regression problem in this paper rather than a classification problem, which means the assumption that the parameter is in a finite set of possible results is discarded. To increase the training speed of the neural network and obtain the nonlinear mapping relationship between kinematic information and the guidance law parameter of the incoming missile, an output processing method called Multiple-Model Mechanism (MMM) is proposed. Compared with a conventional GRU neural network, the model established in this paper can deal with data of any length through an encoding layer in front of the input layer. The effectiveness of the proposed Multiple-Model Mechanism and the performance of the guidance law parameter identification model are demonstrated using numerical simulation.     

Study on Friction Torque Loading with an Electro-hydraulic Load Simulator

This article, in order to precisely impose friction on aircraft and weapon actuation systems, presents a new friction loading method characteristic of “torque-zero velocity” switching control with an electro-hydraulic load simulator. As the general Stribeck friction model has little related to static friction, it proposes a “torque-zero velocity” switcher, in which a zero-velocity controller is developed to load the static friction and a torque controller the kinetic friction. With the help of mathematical modeling, this article designs a “torque-zero velocity” switching controller and, correspondingly, provides a “dual-threshold judgment” algorithm. Simulation results indicate that the proposed method can be successfully used to carry out the static and kinetic friction simulation with an electro-hydraulic load simulator.     

一种基于参数辨识的微小型无人直升机建模方法

 针对具有高度非线性、复杂动力学特性的微小型无人直升机，提出了一种基于参数辨识的建模方法。该方法结合了机理建模和系统辨识的优点，通过严格的机理推导建立了微小型无人直升机横纵向通道通用的参数化模型，建模过程着重考虑了主旋翼、平衡杆和机身的耦合对飞行动态特性的影响。利用基于偏相干分析法的频域辨识获得某型无人直升机的关键参数，进而确定模型。模型预测数据和飞行试验数据的比较表明，所建模型很好地反映了该型无人直升机在悬停状态下的动态特性，可以在该状态下以此模型进行自主飞行控制器设计。     

用灵敏度法对分布参数系统的参数辨识

本文提出了一种新的分布参数系统的参数辨识方法。该方法通过取状态方程对未知参数的导数而得到灵敏度方程，并用差分求解，通过Newton-Raphson算法辨识未知参数。辨识准则采用输出误差平方最小准则。仿真辨识表明：该方法简捷、概念明确，具有很高的精度和广泛的适用性。     

利用输出误差时间序列模型识别结构时变模态参数

基于振动系统运动方程,建立了描述系统输入和输出关系的输出误差时间序列模型,论证了该模型中外源多项式系数的性质。利用基于UD分解的递归最小二乘参数估计方法估计OE模型的参数,从而得到结构的时变模态参数。数值仿真结果表明用此方法来识别时变模态参数是可行的。     

Neural and fuzzy reconstructors for the virtual flight datarecorder

The results are presented of a comparative study evaluating the performance of neural network (NN) and fuzzy logic reconstructors (FLRs) for the development of a virtual flight data recorder (VFDK). Typical flight data recorders (FDRS) on commercial airliners do not record the aircraft control surface deflections. These dynamic parameters are critical in the investigation of an accident or an uncommanded maneuver. The results are shown relative to a VFDR based on a neural network simulator (NNS) along with a neural network reconstructor (NNR) or a FLR The NNS is trained off-line, using available flight data for the particular aircraft, for the purpose of simulating any desired dynamic output recorded in current FDRs. The NNS is then interfaced with the NNR or with the FLR. The output of the two reconstructors are the control surface deflections which minimize a performance index based on the differences between the available data from the FDR and the output from the NNS. The study tested with night data from a B737-300 shows that both schemes, the one with the NNR and the one with the FLR, provide accurate reconstructions of the control surface deflections time histories