一种特殊白化滤波器的广义最小二乘法

 本文提出一种采用特殊白化滤波器的广义最小二乘法,简记为GLS（SF）。这种算法中不需要单独估计白化滤波器的阶次及参数,只需迭代估计模型参数,算法简单,准确度和收敛性也较好。对于输入噪声较小、输出端测量噪声近似白噪声的系统来说,文中证明,用此算法所得模型输出与系统输出观测值之误差平方和最小。文中给出几个实际动态校准中建立动态数学模型的例子。     

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。     

一种基于贝叶斯估计的高分辨目标定向新方法

提出一种高分辨方位估计新方法。它是建立在阵列输出信号和噪声参数联合后验概率密度基础上的空间谱估计。仿真结果表明,该方法具有以下几个显著的优点：①极高的空间分辨率和估计精度;②可解相干源;③低信噪比、少快拍数的情况下很有潜力;④可以估计不同方向目标源的能量;⑤具有较好的工程应用前景。该方法和ＭＵＳＩＣ方法的性能进行了比较并给出计算机仿真结果。     

基于组合导航技术的光纤捷联系统在线标定

 将光纤捷联系统惯性测量单元（IMU）输出误差分解成零偏误差、标度因数误差、失准角误差和随机白噪声几个部分,建立了系统误差模型,基于此模型设计卡尔曼滤波器引入高精度外部信息源对IMU进行在线标定。将此方法应用于某光纤捷联系统进行跑车试验,结果表明：引入外部信息源进行在线标定与补偿后系统纯惯导精度显著提高,本文建立的系统误差模型和在线估计方式有效估计了IMU输出误差,实现了系统在线标定,提高了系统实用精度。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

基于级联型逆变器的感应电机无速度传感器矢量控制

针对采用级联型逆变器的感应电机矢量控制系统,提出了基于反电动势的转速辨识方法。该方法以反电动势作为系统模型输出来构造模型参考自适应系统(MRAS)。MRAS采用参考模型和可调模型并联型结构实现转速辨识,消除了纯积分环节带来的问题。将所提方法应用于感应电机矢量控制系统并通过仿真和试验得以实现。仿真和试验结果表明,该方法易于实现,能够准确估计电机的转速。     

涡扇发动机机载自适应建模技术研究

本文研究用涡扇发动机可测输出参数偏离变化来表征发动机的非额定工作特性,将它们做为增广的状态量,设计卡尔曼滤波器进行最优估计,将这些估计值用于修正对发动机不可测参数和性能量的计算,以形成机载自适应模型。仿真研究表明,采用该方法建立的机载模型对性能蜕化所致的发动机非额定工作具有很好的适应能力。      

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

超流体物质波干涉陀螺仪的噪声研究

 陀螺仪的精度与其噪声密切相关,为开发新型高精度的超流体物质波干涉陀螺仪,必须对其噪声进行系统研究。根据超流体陀螺噪声产生的机理,分析了该陀螺噪声的来源,并把超流体陀螺的噪声类型归纳为:热、锁定值波动、温度波动、频率波动和检测元件等。在建立了各噪声数学模型的基础上,利用超流体陀螺通用的参数,对其噪声进行了分析。分析结果表明:热噪声与陀螺的结构参数和工作参数相关,与被测角速度无关;锁定值波动噪声只与结构参数相关;其他噪声与结构参数、工作参数和被测角速度都相关;检测元件、频率波动和锁定值波动噪声是构成超流体陀螺输出噪声的主要因素;在角速度变化量的范围内,超流体陀螺的输出噪声非线性变化,在1 Hz的带宽下,其变化范围为-7到-6次方的数量级。     

基于重构系统的永磁交流伺服系统在线转动惯量辨识

为了使伺服系统在负载变动下得到优良的动态响应,提出了一种基于实际电机控制系统输入输出构建的非线性可调重构模型,对实际系统进行重构,并根据收敛之后的重构模型参数,完成电机关键机械参数的准确辨识。其中,全维观测器用来获得电机负载转矩状态观测量,与输入电磁转矩一同作为所构建的自适应机构的输入参数;当可调重构系统的输出与实际系统的输出为无差收敛时,实现对实际系统的重构。仿真和试验验证了该方法的可行性和有效性,能够对模型中预设的不同转动惯量进行准确的辨识。     

飞机等效系统的在线辨识及其微机实现

引言 等效系统法是国外提出的评价带有复杂控制系统的飞机飞行品质的一种较有效的方法。它的基本思想是寻找一个带有等效时间延迟的低阶系统,使该系统具有或近似保留给定增稳飞机的高阶系统输出响应的主导特性,然后将低阶系统参数与规范要求相比     

一种系统辨识的递阶算法及其在飞机颤振试飞中的应用

在研究协方差矩阵特性的基础上 ,给出一种最小二乘辨识系统的递阶算法。该算法与自回归模型参数辨识的Levinson方法相似 ,利用协方差矩阵的特性,由低阶模型参数递阶算出高一阶的参数,用阶次辨识方法确定模型阶次。避免了最小二乘系统辨识批处理方法中的高阶矩阵求逆及最小二乘系统辨识递推算法中的循环修正,提高了计算的效率。该辨识方法成功地应用于飞机颤振特性的辨识。     

航空发动机仿真模型参数自适应校正

采用修正因子方法建立自适应仿真模型,运用改进的共轭梯度算法求解非线性规划问题,依据发动机台架试车和空中试飞测量数据,对发动机仿真模型的部件特性参数进行校正,使模型的计算输出与试验测量数据吻合。应用本文方法对某型双转子加力涡喷发动机仿真模型进行校正,获得了满意的仿真精度。     

DO 28非线性多点模型的建立及其参数估计

 本文建立了DO 28试验机的非线性六自由度多点数学模型。该模型考虑了飞机运动的高度非线性,螺旋桨、机翼、尾翼空气动力特性,改进的推力计算,风场干扰以及飞行试验数据一致性检验和校正。与一点模型相比,该模型能更准确地描述飞机的运动,更适合飞机的参数估计。     

无人机动态RCS测量及数据统计分析

以某无人机的动态RCS特性作为研究对象,设计了无人机的测试飞行航路,应用非线性最小二乘估计方法,对采集到的无人机动态RCS试验数据进行X^2分布和对数正态分布模型的参数估计,降低了测量噪声对统计模型参数估计的影响,较为理想地解决了数学统计模型参数估计中试验数据测量噪声的影响,并对某无人机的动态RCS统计分布特点做了分析。     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。     

固体火箭发动机参数辨识

固体火箭发动机参数辨识技术已得到广泛的应用,但由于影响辨识参数精度的因素很多,在应用中稍有不慎就会得不到合理的辨识结果。文中分析了影响辨识参数精度的因素,揭示了种种不合理的结果,提出了一些检验辨识结果可信性的方法。     

ARMAX模型参数估计的新两步法

 本文提出了一种ARMAX模型参数估计的新两步法。这种方法与其它递推估计方法（如增广矩阵法,极大似然法,Durbin两步法、三步法等）比较,具有较好的收敛特性,对参数的估计,特别是对C参数的估计比较精确,这是利用其它方法,一直未能很好解决的一个难题。