固体火箭发动机稳态燃速二维模型参数最优化辨识

1引言发动机参数辨识常用方法是最小二乘法[1],即将参数估计问题转化为多元函数求极值问题,通过迭代选择待估参数值,使燃烧室压强计算值和实验值的残差平方和最小。采用最小二乘法进行参数辨识存在局限性[2],需要通过台劳级数展开式近似模型替代真实数学模型计算残差平方和对待     

结合离线知识的时变结构模态参数在线辨识

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义。传统时变结构模态参数辨识方法存在辨识虚假结果较多，抵抗测量数据中的极端异常值能力差等问题，难以有效应用于在线过程。建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型，通过数据集构建过程离线地引入先验信息，同时结合模型自身特性，有效提升制约在线辨识应用的可靠性。实验结果表明：在不同时变规律下，与传统辨识方法相比，在线辨识模型能有效缓解虚假结果问题，同时保证辨识结果的连续性；采用α稳定分布模型对脉冲噪声进行建模，验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性。     

动态神经网络在液体火箭发动机故障检测与分离中的应用

应用动态神经网络在线辨识方法，提出了一种液体火箭发动机故障实时检测与分离基本系统。检测逻辑通过度量包含发动机故障信息的辨识残差信号实现火箭发动机故障检测，故障分离通过分析辨识误差相关函数的不同空间特征来实现。仿真研究表明动态神经网络可成功地应用于泵压式液体火箭发动机故障检测与分离。     

基于最小二乘法的GPS故障星辨识新方法研究

在最小二乘故障检测的基础上，提出了一种在最小二乘法残差向量ω的似然函数基础上推导出故障卫星辨识的新方法。采用该方法针对GPS卫星中可能出现的突发性故障以及斜坡形软故障进行了仿真实验。结果表明，该故障卫星辨识方法能够准确地辨识出故障卫星并将其实时剔除，星座重构后能够使GPS的定位莰差处于正常的范围内。     

基于聚类模糊系统的动态数据野值剔除方法

针对影响遥测参数处理和分析的野值问题,提出了基于聚类法实时设计模糊系统实现动态数据野值辨识和剔除的新方法。该方法能够自适应跟踪不同变化特性的遥测参数,基于聚类法实现模糊系统的动态建模并获得预测值与观测值的残差序列,再按照狄克松准则实现野值的快速剔除。对实测数据的仿真实验表明：该方法能够显著降低动态建模的复杂度,快速跟踪信号变化,方法可行且有效。     

基于奇异值分解的接收机自主完好性监测算法

基于最小二乘法残差的接收机自主完好性监测（receiver autonomous integrity monitoring，RAIM）算法本质是一种基于伪距残差矢量的一致性监测算法，但由于残差矢量中各分量具有一定的关联性，掩饰了某些重要的不一致性信息。为了消除这种关联性，提出了一种基于奇异值分解的接收机自主完好性监测方法。在方法中利用奇异值分解对伪距观测矩阵中的观测系数矩阵进行分解，获得奇异值空间矢量和奇异值空间矩阵。基于奇异值空间矢量构造能够直接反映故障卫星偏差信息的检验统计量，从而可以简便地进行粗差监测，更好地满足完好性监测需求。鉴于实际中完好性故障包含运控系统故障、导航系统故障、信号传播异常以及地面接收处理故障等多类因素，以脉冲型和阶跃型两种故障方式进行基于奇异值分解的RAIM故障检测与识别，并开展仿真分析研究。结果表明，提出的方法能够正确检测、识别故障卫星，在特定参数下能够达到很好的故障识别率，即当误警概率设置为1×10-5/h、引入阶跃故障误差为25 m时，算法能够实现98.8%的故障识别率。     

面向飞机装配的机器人定位误差和残差补偿

工业机器人由于其高柔性和低成本而被越来越多地应用到飞机自动钻铆系统中,使用精度补偿有效地提高机器人的绝对定位精度是保证产品质量的关键,为进一步提高机器人末端定位精度,提出了基于误差相似度的残差补偿方法。首先使用基于运动学参数标定的方法辨识出机器人的几何参数误差,再利用基于误差相似度的方法对残余误差进行估计,实现对机器人的误差和残差的补偿。以工业机器人KUKA KR-30 HA为对象所进行的试验验证表明,机器人的绝对定位精度平均值由补偿前的0.879mm经过定位误差补偿后提高到0.194mm,经过残差补偿后进一步提高到0.141mm,经过定位误差和残差补偿后的机器人最大误差由1.492mm降低为0.296mm,最大绝对定位精度误差降低了80.16%。该方法能有效地补偿参数辨识后遗留的残差,进一步提高机器人的定位精度。     

线性模型系数的有界影响辨识

基于采样数据的新息增量过程，本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响，提高统计推断的可靠性。     

考虑噪声抑制的高超声速风洞气动力识别方法

对于风洞试验中全尺寸模型试验的非平稳信号进行载荷辨识仍存在诸多问题。针对全尺度模型试验的非平稳信号载荷辨识提出了一种基于深度残差收缩网络（DRSN）深度学习技术的智能载荷辨识方法,该方法通过深度学习提取测力系统输出数据中的气动力、惯性力和噪声等特征,通过注意力机制对每组数据进行获取阈值,再通过软阈值函数对特征进行滤波降噪,有效辨识出测力系统响应信号中的惯性力分量并进行剔除,实现气动力载荷辨识。在测试验证中,均值法的辨识精度为85%以上,DRSN模型的辨识精度为94%以上,证明DRSN模型能有效降低噪声和惯性力对于载荷辨识的干扰,用于非平稳信号的载荷辨识具有精度高、可靠性好等特点。     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

外弹道测量数据野值的递推辨别

动态测量数据中野值是导致滤波发散的主要原因之一。在目前的靶场外测数据处理中，尚无特别行之有效的野值辨识和剔除手段。本文以“新息”为基础，提出了基于卡尔漫滤波方法的野值辨识和剔除方法，有效地解决了滤波发散问题。而且可同时进行野值的剔除与状态估计，极大地提高了计算速度和数据处理的精度。经仿真计算证明，该方法是实用有效的。     

地磁测量数据野值的辨识与剔除

针对地磁测量野值的辨识与剔除方法进行了深入研究。分析了野值辨识与剔除的基本原理,基于孤立型野值和斑点型野值模型分析比较了不同的野值剔除方法。利用地磁场实测信息,优化了野值剔除方法的参数,并从不同角度验证了方法的野值修复效果。仿真结果表明,在观测信息为总强度地磁信息条件下,优化的最小二乘B样条逼近法能够有效地辨识野值,具有较好的野值修复效果。     

用于气动导数辨识的试飞数据处理方法研究

飞行试验的测量环境十分复杂,未经处理的试飞数据直接用于飞机的气动导数辨识会降低辨识精度,甚至导致辨识的迭代过程发散或收敛到错误值。提出一套从野值剔除、数据平滑、时延修正到相容性检验的试飞数据处理方法,并将其应用到真实试飞数据的气动导数辨识中,通过对比分析数据处理前后的辨识过程和辨识结果,验证了本文提出的数据处理方法在改善辨识过程收敛特性和提高辨识精度上的有效性。     

基于最小二乘B样条逼近的观测数据野值剔除方法

本文提出了一种适用于弹道观测数据野值剔除的方法。该方法以最小二乘B样条逼近算法为基础，用拟合残差构造加权序列并通过迭代得到B样条系数的稳键估计，对各观测值与拟合值进行比较时在3σ准则的基础上引入偏度分析方法，以确保正确识别出观测数据中的野值，并以拟合值替代之。     

基于残差特性分析的野值检测与剔除方法

在导航和控制工程实际应用中,野值的在线处理一直是难点之一.现有的利用残差的野值判别方法往往建立在最优滤波的前提上,在处理速度、效果和实用性上有所局限,难以适用于这一范围.在分析残差信号特征的基础上,利用残差变化率的变化规律,使用莱特准则对野值进行判断.仿真计算和实际工程应用表明,该方法算法简单、效果明显,能够满足工程实际应用的要求,很大程度上消除了野值对滤波精度的影响.     

欺骗环境下GNSS信号估计与定位修正技术

欺骗信号以其极强的隐蔽性使卫星导航接收机难以察觉并迅速定位到错误位置,严重影响了卫星导航的安全性。现有抗欺骗技术需要其他导航系统辅助来修正受欺骗影响的定位解算,针对该问题,本文提出了一种GNSS欺骗信号参数估计与辨识方法,能够在欺骗干扰环境下估计并辨识出真实信号所对应的伪距,进而解算出接收机真实位置。该方法通过研究欺骗干扰下接收机相关值模型,在信号跟踪阶段建立真实与欺骗双信号状态模型与基于九路相关器输出的观测模型,利用扩展卡尔曼滤波（EKF）估计真实信号与欺骗信号的伪码延时与信号相关幅值,进而获得真实与欺骗伪距,在定位解算阶段利用改进观测量残差检测方法辨识出真实与欺骗伪距,最终使用真实伪距定位获得真实位置。仿真结果表明对相对码延时介于0.3~0.9 chip之间且欺骗/真实信号幅度比介于1~5之间的隐蔽欺骗攻击,所提方法的码延时估计误差约0.1 chip,可有效估计真实信号与欺骗信号参数,辨识出真实伪距,并使被欺骗的定位结果重新回到真实位置结果,改善GNSS接收机抗欺骗能力,提高卫星导航安全性。     

线性模型系数的有界影响辨识

基于采样数据的新息增量过程,本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响,提高统计推断的可靠性。     

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。     

基于ARMA模型的引信系统动态精度测定方法

引信系统静态试验满足精度指标后,要在导弹和目标处于相对运动的状态下,进行动态精度测定以检查引信系统输出值相对标准值的误差,决定是否需要校正精度。对引信系统误差序列建立ARMA模型后,使用现场数据辨识模型参数,并使用残差白性分析和零极点分析对模型进行了检验,基于该模型所预测的误差数据,对引信系统的动态精度进行简易测定,其结果与靶场试验测定结果一致,表明该方法可作为一种适用于现场的动态精度测定方法。     

加速度计温控系统被控对象建模技术研究

加速度计工作过程中,其内部与外界环境存在温度梯度,针对温度变化影响加速度计参数的问题,提出了一种加速度计温控系统被控对象建模的方法。进行了多工作点加速度计升温和降温试验,采用递推增广最小二乘法对被控对象模型进行了辨识,建立了加速度计温控系统被控对象模型和降温模型,计算结果表明,3min后温控系统被控对象模型曲线残差在-0.5~0.5℃之间,降温模型曲线残差在-0.15~0.15℃之间,满足系统对加速度计性能需求,表明了方法的有效性。