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。     

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。     

遗忘因子模糊自调整算法及在故障诊断中的应用

基于参数估计的故障诊断方法因为具有确定故障发生的时间、位置和程度的能力而越来越引起人们的重视。时变（快速的或慢速的）参数辨识是基于参数估计故障诊断方法的关键。本文根据系统的变化，基于模糊控制的原理自动调整遗忘因子，导出了一种实现比较简单，对参数的时变具有较高跟踪速度和跟踪精度的辨识方法。理论分析和仿真试验证实了该方法的有效性     

基于无迹卡尔曼滤波的巡飞弹气动参数在线辨识方法

为降低巡飞弹的研制成本和缩短研制周期,采用气动参数辨识来获取巡飞弹的气动参数。目前,在线气动参数辨识方法主要为扩展卡尔曼滤波,然而该方法存在计算量大,精度低,部分复杂非线性系统难以求取系统的Jacobian矩阵和Hessian矩阵的问题。因此本文采用无迹卡尔曼滤波算法实现在线参数辨识,并通过对巡飞弹纵向气动参数辨识,验证无迹卡尔曼滤波参数辨识精度优于扩展卡尔曼滤波。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

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。     

基于对角回归神经网络的自整定全系数自适应控制器及其特征参量辨识

针对全系数自适应控制器参数人为调试带来的不便,提出一种基于对角回归神经网络的参数自整定方法,通过神经网络的自学习能力对全系数自适应控制器参数进行在线整定.同时,提出一种新的特征模型参数间接辨识方法,采用神经网络的权值和回归层输出组成的非线性函数构造对象的特征参量,更有效地对特征模型的时变参数进行自学习和调整.对闭环回路...     

挠性空间结构变形的自适应辨识

本文以空间控制中的挠性结构变形的辨识为背景,以李雅普诺夫稳定性理论为基础,从辨识的一致性原则出发,给出时变参数的自适应辨识算法。该算法具有梯度型递推形式,结构简单、容易实现。计算机模拟结果表明该算法是解决时变参数辨识的一种有效方法。     

基于惯组信息的运载火箭主发动机推力故障在线辨识

研究了运载火箭基于动力学与运动学模型的主发动机故障下的推力在线辨识问题,仅基于导航敏感器件的惯性测量信息,利用多信息融合的带遗忘因子的最小二乘法,实现了发动机推力大小的在线实时辨识,通过辨识的推力大小进而对发动机进行故障诊断。仿真结果表明,该方法能够准确快速地辨识出发动机推力大小的变化。     

基于多变量特征模型的机械手自适应控制

机械手系统动力学模型所设计出来的控制器一般具有比较复杂的形式。为了解决机械手系统控制器复杂性问题,推导出机械手系统的线性多变量时变二阶离散差分方程,得到了其方程系数所满足的特征关系,并由分析可知当采样时间间隔足够小时,该方程系数具有慢时变特性。基于建立的差分方程及其系数的特征关系,给出了带有遗忘因子的最小二乘辨识方法和多变量黄金分割控制律相结合的且形式简单的自适应控制算法。利用系数的特征关系,能使需要辨识的参数个数减少。此算法具有只需要关节的位置信息而不需要速度信息的优点。数学仿真结果表明该方法对机械手控制的有效性和鲁棒性。     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题，设计了一种智能神经网络自适应复合控制方法，基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时，面向再入过程横侧通道的强耦合问题，引入了耦合控制系数，以降低横、侧通道间的控制干扰。此外，提出了一种自适应链式控制分配律，在控制信号中引入正交优化多正弦激励，基于递推最小二乘方法对气动参数进行在线辨识，进而实时更新链式分配策略。最后，对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验，验证了该方法的有效性和鲁棒性。     

基于ITD和STD的液体火箭发动机模态参数辨识方法

在液体火箭发动机模态参数辨识领域,频域法仍是模态分析的主流方法,但该方法存在诸如功率泄露、频率混叠和离线分析等不足。本研究将基于时域识别的ITD法和STD法应用到液体火箭发动机模态参数辨识领域。由于这两种算法的基础是线性系统,利用Hilbert变换的方法,验证该发动机具有线性系统特征。与频域法对比的结果表明,该方法具有较高识别精度,且只使用实测响应信号,使用设备简单,因而可以在线分析,为发动机在工作环境下的参数识别奠定了基础。     

旋转导弹动力学耦合分析与解耦控制方法研究

对旋转导弹动力学耦合分析及其解耦控制方法进行了研究。给出了旋转导弹产生的运动耦合、控制耦合,以及加速度计不在质心耦合的机理。讨论了前馈补偿解耦和三回路驾驶仪解耦的方法。介绍了基于变结构控制理论的自动驾驶仪解耦设计:保留动力学方程中的全部耦合项,将耦合视作扰动,用变结构自适应控制方法对导弹俯仰/偏航通道进行独立设计,不要求给出系统参数的在线辨识和典型弹道特征点精确参数,由系统参数上下界可获得时变参数的信息综合控制律。给出了变结构控制律的设计步骤,所得控制系统的鲁棒性强、稳定域大,在包含建模误差、外界扰动等不确定因素的极限边界条件下仍能获得理想的控制效果。研究对强对称耦合和参数快时变系统的控制有一定的参考意义。     

航天器质量特性参数的在轨辨识方法

针对高精度姿态和轨道控制要求准确已知航天器质量特性的问题,提出了基于参数解耦的最小二乘法和基于PSO的非线性优化两种方法,以辨识航天器的质量、惯量和质心位置。第一种方法将惯量与质量和质心位置解耦后分别辨识;第二种方法则将参数辨识问题转换为非线性系统的全局优化问题,同时辨识出所有参数。所提出的方法均不需要假设航天器运动足够慢,克服了以往方法将待辨识参数的耦合关系强行分离的缺点,采用辨识后的参数明显提高了航天器姿态及轨道控制性能。仿真结果验证了方法的有效性。     

基于动态逆和变结构控制理论的BTT导弹控制系统设计

基于动态逆和变结构控制理论提出了一套设计BTT导弹控制系统的方法。该方法首先应用动态逆控制对被控对象近似线性化,再应用变结构控制提高系统的鲁棒性。文中详细推导了基于气动参数上下界的控制系统参数选择方法,无需对气动参数在线辨识。最后,在考虑各个环节非理想因素的情况下,针对某型BTT导弹进行了三通道联合仿真,证明了方法的有效性。     

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS 陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

带有触觉的空间机械臂操控未知载荷特性识别

为在线准确辨识载荷特性参数,提出一种利用关节力矩和触觉传感信息进行未知载荷特性参数辨识的方法。该方法基于牛顿-欧拉方程,采用归一化最小均方误差法进行自适应滤波,从而辨识出未知载荷的特性参数。为校验算法,利用MATLAB/Simulink和ADAMS软件搭建未知载荷特性辨识仿真平台。该平台执行机构包括多自由度机械臂和二指爪末端操作器,机械臂关节具有力矩传感,末端操作器指爪内侧具有触力传感器。仿真表明,在具有激励信号幅值1 %的白噪声情况下,辨识误差小于2 %。