基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。     

飞行数据相容性检验的极大似然方法

 本文提出了一种有效的飞行仪器偏差估计的极大似然方法。为了提高对偏差估计的精度,采用了最小二乘方法对角速率,过载的测量量进行平滑,以减小系统噪声对估计精度的影响;并给出了灵敏度矩阵和初值的确定方法以保证算法的收敛速度。通过数字仿真和对我国几种不同类型飞机的飞机数据实际计算表明,提出的方法能够较准确地辨识出测量仪器的偏差,比普通极大似然法更有效。     

非线性方程新解法及其在颤振分析中的应用

 从解析函数保角变换出发提出一种求解非线性方程的新算法——正交搜索法。将该算法用于弹性飞机颤振分析问题，可以准确地解出各种状态下的振动模态。该算法可由计算机自动完成，计算过程简便、直观，对飞机设计及颤振主动抑制系统的综合均有参考价值。     

地形跟随航迹规划

运用综合航迹平滑算法对地形跟随航迹进行规划,规划的航迹满足飞机机动能力和安全高度限制要求,并分析了飞行速度、飞机机动能力及飞行姿态对规划航迹的影响。     

基于预测的计算网格负载平衡研究

计算网格中负载平衡有着重要的作用和显著的效果.预测节点性能是实现动态负载平衡的关键,本文首先引入预测网格节点性能的指数平滑算法,讨论了平滑系数的选取方法.然后设计一个负载平衡实验,实验证明使用基于该预测算法的动态负载平衡与静态负载平衡和不使用负载平衡时任务执行效率有明显的提高.     

FDTD算法中的时空匹配问题及其解决方法研究

 分析指出了目前FDTD算法中的数值收敛条件破坏了其中的实际物理关系，导致了时空不匹配问题的存在，从而造成计算过程中计算量的激增和计算效率的低下，限制了FDTD算法在飞机的RCS目标特性分析过程中的实际应用。提出了对于FDTD算法进行改进的新方法，同时保证了算法中的内在物理关系和计算的收敛性，提高了计算效率和实用性。应用改进后的FDTD算法进行了简谐波在一维多层介质中的传播仿真和全反射理想基底多层介质的传播仿真，所得计算结果与理论分析结果完全吻合。同时根据仿真结果得到了电磁波在多层介质传播中的几个规律。     

飞机起落架噪声源定位的压缩感知算法

目前针对飞机起落架噪声源定位的研究方法主要是将麦克风阵列与波束成形算法相结合。常规波束成形（CBF）算法在计算时存在主瓣宽度过宽、结果易受旁瓣影响的问题。高级波束成形算法在计算时效率较差,有时会有违背物理现象的假声源出现。提出了一种将正交匹配追踪（OMP）算法与奇异值分解（SVD）相结合的起落架噪声源定位的OMP-SVD压缩感知算法。在消声实验室内进行飞机起落架噪声源定位试验,将OMP-SVD算法、CBF算法和OMP算法在不同频率下获得的结果进行对比。试验结果表明：①与OMP算法相比,OMP-SVD算法在不同频率下均能准确定位出起落架主声源;②与CBF算法相比,OMP-SVD算法显著提高了分辨率。     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于航班延误概率的鲁棒性飞机排班模型

飞机排班是影响航空公司运营成本的一个重要因素,对飞机进行合理排班,既可以最大化地提高飞机的利用率又可以减少航班的延误。首先简略介绍了国外的一些关于飞机排班问题（FSP）的研究方法,并给出关于飞机排班问题的经典模型;其次,在此基础上提出了基于延误概率的鲁棒性飞机排班问题的模型;最后,根据一个航空公司的数据,利用Grover算法的改进算法计算出模型的结果。分析结果表明了该模型及其算法的可行性以及决策的鲁棒性。     

航空发动机拆换率平滑方法研究

结合发动机视情维修策略的特点,建立起基于发动机剩余在翼时间预测方法的以飞机为对象的发动机群总保障成本的混合整数非线性规划模型,并提出了一种启发式拆换率平滑方法——SSPT算法,并以CF6型发动机的使用数据为例与其它三种算法进行分析比较.研究结果表明应用SSPT算法制定维修调度计划,能够使总保障成本最低、保障率最高、平均拆换率下降,并得到较好的拆换率平滑效果.      

一种实时飞行轨迹重构方法

提出一种有效的实时纵向飞行轨迹重构的新方法。为了得到状态估计的快速算法,本文把非线性飞行轨迹重构转化为线性、离散、时变状态和参数估计问题。将数值稳定性好、计算量也小的序列U-D分解滤波算法用于状态方程为线性、观测方程为线性或非线性的滤波问题中。由于测量值中常常含有系统偏差,本文把这些偏差作为增广状态加入增广状态模型中,并利用模型的一些特点,提出偏差分离的U-D分解算法,使计算量大大减少。仿真和实际试飞数据计算表明、本文的方法可得到比平方根协方差滤波更有效的实时飞行轨迹重构结果。     

Kalman filtering for matrix estimation

A general discrete-time Kalman filter (KF) for state matrix estimation using matrix measurements is presented. The new algorithm evaluates the state matrix estimate and the estimation error covariance matrix in terms of the original system matrices. The proposed algorithm naturally fits systems which are most conveniently described by matrix process and measurement equations. Its formulation uses a compact notation for aiding both intuition and mathematical manipulation. It is a straightforward extension of the classical KF, and includes as special cases other matrix filters that were developed in the past. Beyond the analytical value of the matrix filter, it is shown through various examples arising in engineering problems that this filter can be computationally more efficient than its vectorized version.     

非线性分离算法及其在飞行试验中的应用

 本文根据最小方差估计和分离算法原理,提出一种新的非线性状态估计和偏差辨识的分离算法。并用此算法确定飞行状态和测试仪器的误差,同时U-D分解保证计算效率和数值稳定性。为了得到数据相容性检验的准确结果,本文采用直接离散化的飞机运动模型,以减小模型误差。通过仿真并在我国两种歼击机上实际应用,结果表明本文所给的算法对不同的初值和噪声统计特性都能得到飞行数据相容性检验的一致结果,并能用于低采样率下的数据相容性检验。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

A practical filter error method for aerodynamic parameter estimation of aircraft in turbulence

It is common for aircraft to encounter atmospheric turbulence in flight tests. Turbulence is usually modeled as stochastic process noise in the flight dynamics equations. In this paper, parameter estimation of nonlinear dynamic system with both process and measurement noise was studied, and a practical filter error method was proposed. The linearized Kalman filter of first-order approximation was used for state estimation, in which the filter gain, along with the system parameters and the initial states, constituted the parameter vector to be estimated. The unknown parameters and measurement noise covariance were estimated alternately by a relaxation iteration method, and the sensitivities of observations to unknown parameters were calculated by finite difference approximation. Some practical aspects of the method application were discussed. The proposed filter error method was validated by the flight simulation data of a research aircraft. Then, the method was applied to the flight tests of a subscale aircraft, and the aerodynamic stability and control derivatives were estimated. All the estimation results were compared with the results of the output error method to demonstrate the effectiveness of the approach. It is shown that the filter error method is superior to the output error method for flight tests in atmospheric turbulence.     

离散不确定系统的优化鲁棒滤波方法及在飞行试验中的应用

提出了一种离散系统的优化鲁棒滤波方法。为了得到滤波的逼近计算式，通过优化加权矩阵得到了上界不等式逼近和等效系统矩阵，得到了鲁棒滤波的时间更新算法；通过优化加权矩阵得到了下界不等式逼近和等效观测矩阵，得到了鲁棒滤波的测量更新算珐，并且给出了鲁棒滤波算法收敛的条件。飞行试验数据处理的结果表明，提出的方法是有效的。     

Active sonar application of a U-D square root PDAF

The probabilistic data association filter (PDAF) is a suboptimal approach to tracking a target in the presence of clutter. In the PDAF implementation, the Kalman measurement update is performed over the set of validated measurements and the Kalman time update is used to propagate the PDAF measurement update. A popular approach to obtaining a numerically stable set of Kalman update equations is to propagate the U-D factors of the covariance in the measurement and time updates. The PDAF measurement update equation is obtained in U-D factored form by applying the modified weighted Gram-Schmidt (MWG-S) algorithm to the three factored terms. The factors of the first two terms are determined from the U-D factors of the a priori and conditional a posteriori covariances. The third term is factored analytically using the Agee-Turner factorization. The resulting U-D square-root PDAF is then applied to the problem of active tracking of a submarine in reverberation using polar coordinates     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

An alternate algorithm for discrete-time filtering

The discrete-time Kalman filter is an optimal estimator for the states of a linear, stochastic system. It assumes that measurements are linear combinations of the states, and all disturbances are Gaussian. The influence diagram, a decision analysis tool that provides an algorithm for discrete-time filtering equivalent to the Kalman filter when the influence diagram represents Gaussian random variables, is discussed. The influence diagram algorithm is a factored form of the Kalman filter, similar to other factored forms such as the U-D filter. Compared with the Kalman filter, it offers improved numerical properties. Compared with other factored forms, it offers a reduced computational load     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。