飞机结冰在线辨识方法研究

开展飞机结冰气动特性在线辨识研究,不仅可以用于分析结冰对飞机气动特性的影响,而且对于飞机结冰在线识别具有重要的意义。近年来卡尔曼滤波和 H ∞算法在飞机结冰在线辨识中应用较多,二者均具有可靠性高、收敛快等特点,但对于噪声环境下算法的可靠性和精度评估还不够充分。本文针对飞机结冰在线辨识需求,探讨了扩展卡尔曼滤波和 H ∞算法作为结冰在线辨识算法的应用。首先通过 NASA 双水獭结冰研究飞机算例,利用扩展卡尔曼滤波和 H ∞算法,辨识双水獭飞机结冰后的俯仰方向导数,通过考虑阵风扰动和测量噪声后的仿真数据快速估计该飞机俯仰方向上的三个稳定和控制导数,并将辨识结果与参考值对比,发现两种算法均能在2s 之内快速收敛到参考值附近,且滤波得到的状态量与仿真数据吻合较好,说明算法可靠性高且收敛快,具备飞机结冰在线探测的能力。在此基础上利用不同测量噪声统计特性的仿真数据,评估测量噪声对两种算法辨识精度的影响,经分析发现随着测量噪声标准差取值增大,扩展卡尔曼滤波辨识结果精度明显降低,而 H ∞算法的辨识精度变化较小,说明扩展卡尔曼滤波辨识精度依赖于噪声先验信息的准确性,而 H ∞算法不依赖于噪声先验信息,即使数据质量较差,H ∞算法也能得到精度相当的辨识结果。     

CFD中统计误差的数值精度分析

在计算流体力学（CFD）的算法研究中经常会对离散误差进行数值精度分析，通常以统计误差的各范数为研究对象，最常用的统计误差范数为L₁范数、L₂范数和L_∞范数，一般认为各范数在数值精度上具有等价性。实际上，由于流场局部存在间断、网格局部不连续或者是在极值点附近采用非线性加权插值等可能使数值方法存在局部降阶问题，导致统计误差各范数所表达的数值精度并不一致。通过详细的理论分析，揭示了统计误差各范数所表达的数值精度之间的关系，并通过相应的数值试验予以验证。研究结果不仅能够指导CFD算法的数值精度验证工作，而且也可为更为复杂流动模拟的数值精度判定提供理论依据。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

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。     

基于改进卡尔曼滤波算法的行人航向角估计

基于惯性导航的行人航位推算是一种针对未知环境行人定位的常用方法，然而传感器自身的惯性漂移、噪声特性不确定、动力学模型不准确等因素，会导致航位推算时行人航向角估计精度不高的问题，从而造成行人定位精度的降低。针对上述问题，提出了一种多渐消因子强跟踪H∞平方根容积卡尔曼滤波（MSTHSCKF）融合算法。其中H∞思想保证在极端噪声下最小化误差，增强系统鲁棒性，多渐消因子能够避免系统在模型不确定情况下精度的降低，平方根思想确保了协方差矩阵的对称性和半正定性。实验结果表明，与现有滤波算法相比，MSTHSCKF估计的行人航向角具有更高的精度、稳定性和鲁棒性，能够确保更高的行人定位精度。     

空间非合作航天器抓捕后姿态抗干扰控制

针对空间非合作航天器抓捕后存在未知不确定惯性参数的柔性组合体姿态稳定控制问题,基于中间状态观测器设计方法提出了一种新的姿态稳定抗干扰控制方法,同时考虑了诸多扰动及控制输入受限问题。研究结果表明,传统的姿态稳定控制方法需要已知柔性航天器惯性参数信息及状态信息,上述信息未知情况下会使姿态难以高精度稳定控制,且容易导致控制输入不满足受限要求。针对该问题,考虑控制输入幅值及变化率受限前提,提出了一种基于中间状态观测器的抗干扰控制方法,通过引入辅助变量构造新型中间状态观测器,同时估计组合体状态信息及综合干扰,设计出了一种新的组合体姿态稳定抗干扰控制器。通过Lyapunov稳定性分析方法证明了所设计的控制器能够保证闭环系统的全局渐近稳定性。相比于已有的混合H₂/H_∞控制器,所提出的抗干扰控制器在应用时不需要柔性组合体的姿态及模态信息,并且也不需要惯性参数的辨识过程。最后,通过给定参数进行仿真对比,进一步验证了所设计控制器的有效性和优越性。     

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。     

基于变分分割模型的结冰冰形测量方法

结冰冰形是结冰风洞试验中关注的要素之一,针对其冰形测量问题,提出了一种基于变分图像分割技术的非接触测量方法。基本思路是对翼型结冰俯视图像进行图像分割,将获得的曲线标定后与翼型数模结合,得到最终结冰冰形。为了排除结冰图像中不相干物体和因素的干扰,更精确获取结冰冰形,提出了选择分割的思想,构造了区域特征函数,建立了新的能量函数。采用所提基于变分分割模型的测量方法,对结冰风洞试验冰形进行了测量,并定量分析了方法的误差,测试了方法的抗噪声能力。结果表明该方法对结冰冰形的测量是准确可行的,且具有较高的精度,另外,其对噪声具有鲁棒性。所提方法可推广至其他与物体形状相关的测量中。     

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。     

基于LMI和离散模型的航空发动机压气机传感器鲁棒故障诊断

针对航空发动机压气机健康监测提出了一种基于线性矩阵不等式(LMI)和H_∞优化理论的航空发动机压气机传感器鲁棒故障诊断的方法.在航空发动机具有模型不确定性和外界噪声的情况下,应用基于神经网络的线性拟合方法实现航空发动机压气机离散模型的建立;并通过LMI和H_∞优化问题的求解得到未知输入观测器的设计参数,实现具有强鲁棒性的传感器故障诊断.该方法比以前研究中未知输入观测器故障诊断方法的优点在于能够同时处理模型不确定性和外界噪声.应用ALSTOM公司提供的燃气涡轮压气机模型进行了仿真验证,在压气机具有白噪声模型误差和正弦外界干扰的情况下,实现对小于测量范围2%的传感器故障的检测和诊断.      

飞机结冰的不确定性量化研究进展

为深入认识影响飞机结冰的不确定性及其研究方法,从自然条件结冰、冰风洞试验、数值模拟等方面,介绍了飞机结冰不确定性来源,以蒙特卡洛法、多项式混沌法和随机配置法等为例,系统分析了各种不确定性量化方法在计算能力、求解精度等方面的优劣。考虑飞机结冰不确定性量化处于起步时期,重点综述了数值模拟中结冰条件不确定性对冰形和气动特性的影响。从结合单步法和多步法确定最佳结冰时间步长来提升结冰计算精度和效率、对其他关键部件进行结冰不确定性量化从而为更精细化的防/除冰系统的设计提供支撑,以及通过建立高精度的代理模型来代替原本复杂的数值模拟系统以应对考虑多个不确定性因素共同作用所带来的计算挑战等多个方面,全面展望不确定性量化方法及其在飞机结冰应用中的发展方向。     

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。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

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IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

基于鲁棒伺服LQR的结冰飞机纵向控制律重构方法

由于防/除冰系统总会出现故障或者除冰不彻底,因此仅依靠防/除冰系统实现结冰条件下的安全飞行并非完全可靠,研究结冰后飞机控制律重构对飞机操纵安全和飞行安全极其重要。针对飞机的纵向运动建立了结冰影响模型和纵向动力学模型,采用鲁棒伺服线性二次型调节器(LQR)最优控制设计了飞机结冰后空中飞行纵向控制律,模拟了飞机在俯仰姿态保持模式下遭遇不同严重程度结冰后的动态响应特性,并与常规PID控制进行对比。结果表明,所设计的控制律能够有效改善结冰飞机的飞行性能和飞行品质,准确跟踪给定的俯仰角指令,且抗干扰能力、动态性能以及鲁棒性均优于常规PID控制。为飞机结冰后的重构控制问题和自动飞行控制,提供了新的思路。     

基于飞行品质评估的无人直升机鲁棒控制器设计

提出了一种改进的无人直升机H_∞回路成形鲁棒控制器设计方法。首先将系统辨识技术引入到无人直升机高带宽控制器设计,根据飞行扫频数据,得到包含直升机动力学模型耦合特性的非参数频率响应,依据频率响应拟合待辨识模型得到无人直升机高精度的飞行动力学模型。然后根据该模型,采用改进的H_∞回路成形方法设计了无人直升机内回路控制器,针对H_∞回路成形方法中权值矩阵选取困难的问题,利用了最大右约数(GCRD)方法以实现实际系统和期望系统的传递函数矩阵之间的转换。与传统的对角型权值矩阵相比,使用此方法成形后的系统具有更宽的鲁棒稳定裕度,系统的解耦性和频带也显著提高,而且可以大大降低设计人员选取权值矩阵的复杂性和盲目性。通过仿真验证,所设计的无人直升机系统的飞行品质满足军用标准ADS-33E中一级区域的要求。     

基于期望系统噪声模型的自适应机动目标跟踪

针对防空作战中的机动目标跟踪问题,分析了使用IMM算法跟踪目标所存在的缺陷,提出了一种基于期望系统噪声模型的自适应机动目标跟踪算法（MIMM）,改变IMM算法使用固定模型集合的方法,IMM算法中作用权重较大的只是少部分更接近于实际系统的模型,通过对部分系统噪声模型进行自适应辨识,计算出最接近于系统实际噪声水平的模型——期望系统噪声模型（ESNM）。这些模型作为IMM多模型集的子集,是在一定模型框架内所寻求出的一个（或多个）最优模型（集）。仿真结果证明了MIMM算法能够更好地描述目标机动,达到更理想的跟踪性能,其跟踪精度优于使用固定模型集的IMM算法。     

结冰风洞中过冷大水滴云雾演化特性数值研究

为明晰结冰风洞中过冷大水滴（SLD）云雾演化特性,发展了基于欧拉法的SLD液滴运动、传热和传质耦合计算方法,针对3 m×2 m结冰风洞主试验段水平收缩构型,分析了SLD云雾沉降收缩特性、动量平衡特性和热平衡特性,探索了液滴变形破碎的影响,评估了构型出口处SLD液滴动量平衡和热平衡状态。研究结果表明：直径超过250 μm的SLD液滴在构型内会发生显著形变,液滴尺寸越大则变形程度越强,尤其在160 m/s工况下,当液滴直径超过750 μm后,SLD液滴甚至会发生破碎;液滴变形破碎效应会增大液滴加速度和液滴温度下降率,促使SLD液滴趋近动量平衡和热平衡状态;SLD云雾（最大液滴直径小于1 000 μm）在构型出口处会出现显著的粒径浓度分层、动量分层和热分层现象,其中直径小于100 μm的小尺寸液滴速度快、温度低且不断凝结,趋于平衡态,但直径超过500 μm的大尺寸SLD液滴速度慢、温度高且不断蒸发,则显著偏离平衡态;增大试验段气流速度尽管会减弱SLD云雾粒径浓度分层程度,但会增强动量分层和热分层程度,尤其在160 m/s工况下,SLD云雾会均匀分布在构型出口中心区域内（-0.75 m < Y < 0.75 m且-0.5 m < Z < 0.5 m）,与其平衡态间的最大速度差和温度差将分别超过18 m/s和20℃。