仅利用输出信号的挠性航天器模态参数子空间在轨辨识算法

为了在轨获得精确的挠性航天器模态参数,在子空间辨识算法的基础上,给出了一种仅利用输出信号的挠性航天器模态参数在轨辨识算法。其特点是输入信号不必是白噪声,且当输入信号不易测量时,只利用被噪声污染的输出信号就能进行模态参数的在轨辨识。通过对哈勃太空望远镜(HST)和MiniMast 空间挠性结构两个算例的仿真,验证了算法的有效性和实用性。     

利用改进TW-API方法在轨辨识挠性航天器时变模态参数

考虑大型挠性部件运动导致的在轨航天器模态参数时变特性,提出一种改进的截断窗逼近幂迭代（TW-API）追踪方法。针对传统TW-API方法计算量较大的问题,改进的方法简化了数据处理中的矩阵递推过程,显著减少了在轨辨识过程的计算量和计算时间。还将该方法与经典投影估计子空间跟踪（PAST）方法和逼近幂迭代（API）递推方法进行了计算量对比与分析。为检验四种方法用于航天器模态参数辨识的效果,选取ETS-VIII卫星为对象进行数值仿真。通过实际计算时间的比较,校验了改进TW-API方法在大型挠性航天器时变模态参数在轨辨识方面的有效性。     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题，提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比，改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵，而是利用仿射投影算法(APA)实现状态量的递推估计，从而减少了辨识过程中的数据量。在此基础上，利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中，建立带有大型挠性附件的卫星动力学模型，分别考虑系统模态参数线性变化、突变和周期改变的情况，利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数，而且与原方法相比具有更高的计算效率。     

高超声速弹性飞行器振动模态自适应抑制技术

为保证超燃冲压发动机的良好进气,需要对高超声速飞行器进行精细姿态控制。针对高超声速飞行器特有的气动参数和结构模态参数不确定性问题,基于自适应模态抑制思想,设计了一种精细姿态控制系统,包括观测刚体模态状态信息的鲁棒H∞滤波器,提高跟踪性能的LQR刚体控制器,实时辨识弯曲模态频率的结构模态观测器和结构滤波器四部分。仿真表明,设计的控制系统在气动参数±20%,模态频率±30%的随机摄动下仍能够很好地跟踪刚体攻角,抑制弹性攻角,保证超燃冲压发动机进气道±0.6度的攻角控制精度,满足精细姿态控制的要求。     

一种运载火箭时变结构模态参数辨识的确定性演化方法

针对运载火箭的时变结构模态参数辨识问题进行研究，基于时变自回归滑动平均(TARMA)模型，提出一种时变结构模态参数辨识的确定性演化方法。该方法利用小波基函数的良好局部函数拟合能力，将墨西哥帽小波函数作为TARMA模型时变系数的空间基底，构建了基于小波函数的泛函序列时变自回归滑动平均(FS-TARMA)模型，并发展了两步最小二乘估计方法，实现了时变系数的解耦估计。通过有限单元法，建立了阿里安V号芯级运载火箭时变有限元模型，对所提辨识方法进行了验证，结果表明：墨西哥帽小波基FS-TARMA方法能够有效地辨识系统的时变模态参数；与传统傅里叶基FS-TARMA方法相比，具有更好的辨识精度，并且能够准确地反映出模态局部细节特征。     

基础激励下结构模态参数辨识

利用基础激励辨识结构模态参数的方法是一种在空间飞行器的研制中具有工程意义的模态分析方法。文章对这一方法做了较为系统的探讨,推导出了基础激励下频响函数的数学模型。其形式类似于传统方法中相应的公式,因而只需对测量数据稍作代数修改,即可利用现成的模态分析系统进行基础激励下模态参数的辨识。通过计算机仿真、悬臂梁试验及工程实例的综合分析,结果表明基础激励方法在工程应用中具有与其他传统方法同等的可靠程度。     

应用机器视觉的柔性卫星在轨模态辨识方法

针对柔性卫星在轨模态辨识问题,提出一种应用机器视觉对卫星大型柔性附件在轨受到激励时进行模态辨识的方法。通过对视觉系统进行在轨标定以获取辨识数据源,并考虑机器视觉引起的噪声大、高频模态辨识困难等问题,采用将信号增强与奇异熵降噪相结合的高频增强,剔除虚假模态以改进模态辨识效果。利用气浮平台进行全物理试验,以低幅随机激励模拟卫星在轨平稳运行状态,采用上述方法辨识得到卫星模态参数。试验结果表明:文章提出的方法工程易实现,高频增强后辨识度高,可用于柔性卫星在轨模态辨识。     

挠性卫星模态参数辨识技术研究

针对挠性卫星在轨高精度控制需求,提出一种以飞轮为执行机构、星敏为测量元件的挠性卫星模态参数辨识技术。对卫星整体进行动力学建模并作线性化化简,导出了特征系统实现(ERA)和OKID算法。根据星上实现,给出了相应的辨识策略:构造状态观测器,推导与初始条件无关的Markov参数,再用该参数对系统进行辨识。由数学仿真验证该方法的可行性,结果表明:该辨识算法能有效辨识出整星的模态参数,且在一定的噪声影响下仍能保证辨识的精度,OKID+ERA算法的频率辨识精度优于2%,系统阻尼辨识精度优于10%,有一定的工程应用价值。     

用修正数据映射方法实现快速稳健子空间跟踪

为改善现有子空间跟踪方法的运算量大或鲁棒性/稳定性差等缺点,基于原数据映射方法(DPM),采用新的正交归一化,提出了一种快速稳健的修正DPM(MDPM)算法。通过改变符号选择跟踪信号子空间或噪声子空间,同时提供了子空间基的正交矢量,运行时无累积性误差。研究和仿真结果表明:与传统子空间跟踪算法相比,MDPM算法的鲁棒性/稳定性好、收敛速度快、运算量小。     

基于空间距离的快速稳健子空间跟踪方法

从空间距离的角度分析子空间跟踪问题,提出了一种新的子空间跟踪算法。提出的算法同时适用于信号和噪声子空间跟踪,而复杂度仅为3NL+O(N)。仿真表明算法对基的正交偏离稳健,对舍入误差不敏感,是一种快速稳健的子空间跟踪算法。     

一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

基于改进PCA的DOA估计方法

阵列信号处理中,MUSIC等高分辨率DOA估计方法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理.提出一种改进的PCA(principal component analysis)迭代算法,来逼近信号子空间.仿真实验表明该算法在估计弱信号时性能要比MUSIC算法好,且计算量要小得多.     

基于Cholesky分解的改进的随机子空间法研究

基于数据的随机子空间法是计算精度较高的环境激励下结构模态参数辨识方法之一。该方法的缺点是当响应数据量很大时,对Hankel矩阵(Y矩阵)进行QR分解的计算效率不够理想。对YYT矩阵元素进行合理简化,再对YYT简化矩阵进行乔利斯基(Cholesky)分解。理论推导和算例分析结果均表明在不降低计算精度的同时,新方法的计算效率至少提高10倍。     

基于高阶累积量的闭环子空间辨识算法研究

为了解决过程噪声和测量噪声为高斯有色噪声且反馈控制器未知情况下的闭环系统辨识问题,给出了基于子空间辨识框架下的闭环辨识算法。算法通过选择适当的辅助变量,构造出噪声过程的高阶累积量,并利用高阶累积量对高斯噪声不敏感的特性来抑制噪声的影响,最后再使用子空间算法辨识系统的状态空间模型。数值仿真表明,对于存在高斯有色噪声的闭环系统,该辨识算法可以得到无偏的系统状态空间模型。     

CORDIC算法研究与实现

提出一种基于CORDIC算法的数字鉴相方法。首先介绍CORDIC算法的基本鉴相原理,然后讨论算法的抗噪和抗正交两路失衡性能,对算法精度进行分析,最后给出算法在FPGA中的工程实现,仅使用移位和加法即可完成。为满足实时性要求,采用流水线结构。实验结果表明,相比于传统的查表方法,CORDIC算法实现了计算精度、运算速度和硬件资源利用等方面性能的兼顾。     

一种GNSS双频信号跟踪的新方法

在双频接收机双频L1辅助L2跟踪方法基础上提出一种GNSS双频信号载波和差联合跟踪新方法。该算法能够克服传统的L1辅助L2跟踪方法L2信号能得到L1信号辅助信息、而L1信号得不到L2信号任何辅助信息的固有缺点。仿真结果表明：该和差联合跟踪方法相比传统的双频信号跟踪算法能够耦合双频信号实现其相互辅助跟踪,具有提高GNSS双频信号的跟踪稳健性和灵敏度等优点。