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。     

基于迭代滤波的上升段不确定参数辨识

针对扩展卡尔曼滤波进行高超声速飞行器在线参数辨识时无法准确辨识参数的不确定性问题,提出了在线实时参数修正的迭代滤波辨识方法。首先,推导了包含侧滑角和推力的三自由度动力学方程;其次,提出基于第一次滤波辨识结果在线实时修正空速并进行第二次滤波的迭代滤波辨识策略;然后,采用一阶马尔科夫过程描述不确定性参数模型,并将不确定性参数增广到系统状态中,建立了基于扩展卡尔曼滤波理论的参数辨识模型。仿真结果表明,这种辨识方法可以有效解决在风场条件下大气密度不确定性无法准确辨识的问题。     

上面级-返回舱分离在线辨识技术研究与实践

对多用途飞船返回舱与上面级未正常分离而造成的落区安全问题,提出上面级与返回舱分离与否的在线辨识方案。首先介绍了在线辨识基本原理,随后给出了基于姿态控制发动机连续推力激励的在线辨识算法,最后进行了数学仿真和飞行试验。在线辨识得到的角速度增量比值(K=2.895 642)与数学仿真结果(K=2.853 954)相符,说明返回舱正常分离,表明在线辨识技术自主、可靠、有效,可为搜索返回舱以及上面级进行第四次点火提供可信依据。     

空天飞行器星敏感器安装误差在线标定方法

空天飞行器高动态、长航时的运动特性可能导致一体化安装的惯性/天文组合导航系统中星敏感器与惯导间产生安装误差角。设计了一种星敏感器安装误差角动态辨识方法,建立了星敏感器安装误差角模型,设计了基于天文角度观测的星敏感器安装误差角动态辨识方案,分析了不同机动飞行方式下星敏感器安装误差角的可观测度。仿真结果表明,所设计的基于卡尔曼滤波的动态辨识方法能够在飞行器机动过程中快速地对星敏感器安装误差角进行在线标定,对安装误差角的标定值可以达到实际误差值的85%以上,有效地提高了组合导航系统的精度。     

空天飞行器星敏感器安装误差在线标定方法

空天飞行器高动态、长航时的运动特性可能导致一体化安装的惯性/天文组合导航系统中星敏感器与惯导间产生安装误差角。设计了一种星敏感器安装误差角动态辨识方法,建立了星敏感器安装误差角模型,设计了基于天文角度观测的星敏感器安装误差角动态辨识方案,分析了不同机动飞行方式下星敏感器安装误差角的可观测度。仿真结果表明,所设计的基于卡尔曼滤波的动态辨识方法能够在飞行器机动过程中快速地对星敏感器安装误差角进行在线标定,对安装误差角的标定值可以达到实际误差值的85%以上,有效地提高了组合导航系统的精度。     

月地高速再入返回器气动辨识数据偏差分析

飞行试验是获取返回器在真实飞行条件下气动力参数的重要途径,气动辨识结果对于评估理论计算和风洞实验气动数据,改进气动设计具有重要意义。月地高速再入气动环境复杂,气动力预测困难,结果具有很大不确定性,因此给出气动辨识结果的偏差是十分必要的。本文针对月地高速再入飞行试验,发展了返回器气动力参数辨识方法,并利用返回器飞行试验数据提取到了关键气动力参数。研究了返回器气动辨识数据偏差分析技术,剖析了各误差因素产生的气动偏差,并分析了产生气动参数辨识偏差的主要因素。在此基础上利用蒙特卡洛分析方法,计算得到了所有误差综合影响条件下返回器气动辨识结果的偏差区间。结果表明,大气密度、加速度、姿态角、高度、速度等参数的测量误差是产生辨识偏差的主要因素,全程配平迎角的估计结果精度很高,高空稀薄大气段气动力系数和升阻比等参数偏差较大,利用修正克拉马-罗界作为准则计算俯仰力矩导数和喷流推力辨识偏差是可行的。本文获取的月地高速再入返回器气动辨识偏差结果,可以为返回器设计分析提供依据。     

直升机动态逆神经网络模型

以SH－2G直升机辨识模型为对象，采用天并作用函数的多层感知器网络，建立了直升机的动态逆神经网络模型，在直升机越障机动飞行仿真的同时，利用直升机操纵信号和对应的状态作为网络的训练样本，对直升机逆模型进行在线辨识，并给出了仿真结果及其分析。结果表明，该网络对直升机动力学逆模型具有良好的在线辨识效果。     

次级通道在线辨识的自适应结构响应主动控制研究

直升机结构响应自适应主动控制算法因其适应能力强、重量轻、频带范围宽,效率高且控制效果好在直升机振动抑制中得到广泛应用。从作动器控制输入到目标减振点响应输出之间的次级通道传递函数的辨识精度严重影响系统稳定性,在线辨识能够适应直升机飞行高度、速度、环境、温度及压力等的改变给次级通道带来的影响。通过3种次级通道在线辨识算法控制效果仿真对比,从抗干扰性和收敛速度的角度,分析了现有自适应滤波算法,为直升机减振主动控制算法的设计提供参考。     

基于递推傅里叶变换的飞行器参数在线辨识方法

在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。     

二维递归数字滤波器新的时域设计方法

 本之将二维递归数字滤波器的时域设计转化为二维线性移不变差分模型的辨识问题。文中采用一种新的辨识方法,能确定滤波器的阶次和参数矩阵。该方法中运用了实时递推算法,使得初始信息矩阵较小,占用较少的内存空间,故比较实用。文中给出了设计实例。     

Bayesian and Dempster-Shafer target identification for radarsurveillance

This paper considers the problem of target track identification in a radar surveillance system. To build a target identifier alongside a tracker, four features which are available for real-time processing in an air surveillance system are used here: target identity (TID) from a friend-and-foe identification (IFF) system, elevation measurement from the radar, target speed, and acceleration estimated by a tracker. These four features are combined to classify air targets into five different air target categories: friendly commercial, friendly military, hostile commercial (or unknown airline), hostile military, and false targets (clutter). Two popular statistic-based techniques, namely, the Bayesian and Dempster-Shafer methods, are applied to develop radar target identification algorithms for our application. Real-life as well as simulated air surveillance radar data are used to evaluate the practicality and effectiveness of this track identification approach in a radar surveillance system     

基于神经网络的多模态故障检测

研究了使用RBF网络进行多模态辨识的结构和其在多模态故障检测中的应用。在信号满足持续激励的条件下 ,状态估计误差渐进趋向于零 ,辨识器的参数估计能够达到满意的效果。使用多个神经网络辨识器 ,对一非线性系统的多模态故障检测进行了仿真研究     

单屏蔽式温度传感器动态建模及补偿技术研究

单屏蔽式温度传感器一般用来测量发动机高速气流总温,本文依据其动态校准试验数据,采用系统辨识方法建立了它的动态试验数学模型.根据辨识的数学模型,采用一种快速的动态补偿算法,得出了传感器动态补偿器的传递函数,为下一步在硬件上设计实用的温度传感器动态补偿器打下了坚实的基础.     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

排球球缝随机气动力辨识建模

本文应用Ｈ（Ｈｏｕｓｅｈｏｌｄｅｒ）变换求解病态法方程之最小二乘法及三次样条函数最小二乘法，对不同球缝随机性气动力模型进行辨识，提高了参数估计精度。讨论了不同球缝和各种发政治协商会议方式气动力的建模方法，给出了数学模型，并进行了验证，所得结果与实践经验一致。表明气动力模型较符合实际，建模方法可行，模型简单实用，为研究运用球缝发飘球技术，提供了重要的模型依据。     

失谐叶盘结构振动问题研究新进展

失谐叶盘结构的研究对航空发动机振动设计和提高其可靠性、完整性具有重要的意义。本文全面阐述了国内外失谐叶盘结构研究的新进展,重点对近年来研究的热点问题：建模、局部化、失谐优化与灵敏度、非线性、失谐识别、多重耦合与颤振等做了详细的评述与讨论,综合了最新的研究方法和取得的成果,对一些新出现的重要研究方向,比如科氏力、多个部件耦合等问题进行了详细的总结,最后提出了需要进一步研究的问题。     

Leveraged fault identification method for receiver autonomous integrity monitoring

Receiver autonomous integrity monitoring(RAIM) provides integrity monitoring of global positioning system(GPS) for safety-of-life applications.In the process of RAIM, fault identification(FI) enables navigation to continue in the presence of fault measurement.Affected by satellite geometry, the leverage of each measurement in position solution may differ greatly.However, the conventional RAIM FI methods are generally based on maximum likelihood of ranging error for different measurements, thereby causing a major decrease in the probability of correct identification for the fault measurement with high leverage.In this paper, the impact of leverage on the fault identification is analyzed.The leveraged RAIM fault identification(L-RAIM FI) method is proposed with consideration of the difference in leverage for each satellite in view.Furthermore,the theoretical probability of correct identification is derived to evaluate the performance of L-RAIM FI method.The experiments in various typical scenarios demonstrate the effectiveness of L-RAIM FI method over conventional FI methods in the probability of correct identification for the fault with high leverage.     

非流形几何模型的拓扑表示——粘合边结构

提出了一个非流形结构的表示方法--粘合边结构,其数学基础是代数拓扑中的复形理论。粘合边结构表示的拓扑元素之间的逻辑关系简洁、直观,并且可以表示物体的内部结构。     

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。