基于实测频响函数反推管路卡箍支承刚度与阻尼

为了有效创建航空发动机管路系统动力学模型,需要获得动载荷作用下管路卡箍支承刚度及阻尼。提出一种基于实测频响函数(FRF)反推卡箍支承刚度及阻尼的方法。确定了针对单管路双卡箍支撑系统的反推辨识流程；利用自编有限元创建了该管路系统的动力学模型,并给出了求解频响函数的方法；进一步,提出了基于灵敏度的卡箍支承刚度和阻尼反推辨识算法；以典型管路卡箍为例,用所提出的方法辨识出了该卡箍的支承刚度和阻尼。将辨识值回带到理论模型中,发现仿真及实测固有频率及相对应的频响函数偏差均小于9%,从而证明了研发的辨识方法的合理性。另外,辨识结果也表明卡箍的刚度及阻尼具有频率依赖性,且水平及竖直方向存在差异。      

数字化试飞平台下基于PSO的某型初级教练机飞行品质参数辨识试飞工程方法研究

飞机飞行品质系统辨识是根据飞机系统的输入和输出响应时间历程求取该系统的数学模型及模型中的各参数的过程.本文给出一种在飞行试验中辨识飞机飞行品质短周期模态特性参数辨识试飞工程方法,首先应用连续域等效低阶系统传递函数来描述飞行品质模态特性系统,然后采用基于粒子群算法(Particle Swarm Optimization,PSO)的离散递推最小二乘算法,建立待估参数准则函数,通过极小化待估参数准则函数,求得参数的估计值,最后对辨识的模型进行验证.仿真算例表明该方法具有良好的收敛性和跟随性.     

一种小型无人直升机动力学模型参数辨识方法

针对具有复杂动力学特性的小型无人直升机系统,提出了一种系统动力学建模方法。该方法通过机理建模确定小型无人直升机角动态模型结构,采用线性调频Z变换加窗函数的方法对频谱分析频带进行细化和幅值谱修正,设计了一种基于不同宽度窗函数的组合窗算法,减小了飞行试验数据频谱分析时随机误差对频谱估计的影响,最终利用偏相干分析的频域辨识方法得到待辨识的动力学模型参数。将所建立的动力学模型与飞行试验数据进行时域交叉验证,验证结果表明,所建模型很好地反映了小型无人直升机的动态特性,具有较高的准确度和适应性。     

基于辨识模型的无人机鲁棒飞行控制方法

提出了一种基于系统辨识获取飞行动力学模型并进行鲁棒飞行控制律综合设计的方法。首先利用混合遗传粒子群优化算法,从真实试飞数据中辨识建立无人机动力学模型,然后基于随机鲁棒原理的设计方法和辨识模型,设计了无人机鲁棒飞行控制律。飞行试验验证表明,在无气动数据情况下所设计出的高性能鲁棒飞行控制律满足了无人机飞控研制的需求。     

航空发动机滑动局部线性模型及控制

为了提高航空发动机的控制性能和控制系统的可靠性,提出一种基于粒子群算法的航空发动机局部小区域自适应滑动 的线性模型建立方法和双闭环自适应PI控制方法。在辨识区间内,以发动机转子转速为状态变量,采用在线实测数据和粒子群算法的参数估计方法,使模型辨识参数按照设定区间大小自适应跟踪滑动,从而保证线性模型能够精确逼近发动机的非线性动态。通过分析发动机燃油调节器的工作特性,建立了燃油调节器计量活门和电液伺服阀的传递函数,并根据所构建的模型,设计了航空发动机转子转速和燃油流量双闭环自适应PI控制系统以实现对航空发动机的精确控制。结果表明：利用局部滑动自适应辨识计算机得到的数据与发动机稳态、动态试验数据相吻合,且双闭环仿真控制性能满足航空发动机工作性能要求,表明所提出的航空发动机局部线性建模方法和自适应PI控制器参数算法对提高发动机的控制性能是有效的。     

基于改进粒子群算法的管道动强度可靠性优化设计

本文对某型飞机液压管道采用的带压缩因子的粒子群算法(PSO)进行了改进,并对其支撑位置进行动力学优化。使用映射方法来离散粒子的位置,分别利用"和声搜索"法和"飞回技术"法对粒子群算法的边界条件和约束条件进行处理,改进了粒子群算法。并有效结合有限元(FEM)和改进的粒子群算法,以管道的疲劳累积损伤可靠度为约束,以一阶固有频率最大为目标对支撑位置进行动力学优化。经过优化,提高了管道的一阶固有频率,降低了振动水平,增强了系统的抗振能力。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

高阶非线性系统的位置控制器PID参数优化

针对高阶非线性系统的位置控制器PID参数优化问题,以五阶传递函数横动伺服系统为例,结合粒子群算法成功实现了参数的优化。设计了粒子群算法的PID参数优化原理。在已知系统传递函数的基础上,利用ZN法进行参数初求解,然后利用粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短,鲁棒性更强。     

基于测试数据的卡箍非线性等效建模方法

为了快速准确地计算卡箍管路系统的振动响应，提出了基于测试数据的卡箍非线性等效建模方法。对卡箍直管系统进行低幅值激励的模态测试，利用试验数据对有限元模型进行修正，识别卡箍线性刚度、线性阻尼参数。对卡箍直管系统开展不同激励水平下的恒力测试，通过样条插值多项式法将恒力频响函数转换为恒位移、恒速度频响函数，并进一步识别卡箍非线性等效刚度、非线性等效阻尼，建立了考虑卡箍非线性的等效动力学模型。研究表明:该卡箍等效动力学模型的预测频响函数与试验频响函数的最大误差仅为-6.9%，可以有效地反映卡箍实际的刚度、阻尼特性，对解决卡箍管路系统的振动响应分析具有重要的指导意义。      

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

辨识传递函数模型的应用程序及技术问题探讨

我们用BASIC语言设计了根据频响数据辨识传递函数模型（以下简称模型）的应用程序。在计算机上对八个模型的频响数据进行了辨识,结果较吻合。 一、原理和误差判定准则 1.原理 应用最小二乘原理,使试验结果C（jω₁）和辨识结果G_a（jω₁）的误差平方和为最小。      

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。     

基于ODE参数辨识的液压伺服系统灰箱建模

 针对液压伺服系统常规"白箱"建模由于参数无法精确获得导致所得模型精度不高及"黑箱"建模所得模型内部结构未知的问题,本文提出基于ODE参数辨识的液压伺服系统"灰箱"建模。首先,建立了工程上实用的系统状态空间模型, 根据系统特征确定了待辨识参数,将模型辨识问题转化为常微分方程(ODE)参数辨识问题;然后,采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识;为了和ODE参数辨识结果进行对比,本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的"黑箱"传递函数模型;最后,通过大量实验验证了辨识模型的精确度。实验结果表明,本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题,使辨识模型既具有实际的物理意义,又与实际系统高度符合。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

非线性气动弹性系统辨识

采用非迭代辨识算法研究非线性气动弹性系统特征。从系统的输入输出测量数据{uk,yk}kN=1中,用Ham-merstein Block-Oriented模型进行辨识。Block-Oriented模型辨识的重点是用一组与所研究系统动力学一致的先验正交基函数,本文采用气动弹性系统先验的极点信息构造正交基函数。最后,用二元机翼算例验证辨识方法的准确性。     

冲压发动机线性动力学

70年代在超音速进气道动态建模中提出分段集总参数建立子系统的传递函数,并以串联系统的传递矩阵方法求解进气道结尾正激波位置的频响函数,此法较适用,并得到NASA 48cm进气道的实验验证。管彦深教授扩展了此法的应用。      

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

粒子群算法在气动力参数辨识中的应用

将粒子群优化算法推广应用于气动力参数辨识,以取代传统的梯度类优化算法。通过采用加入动态改变惯性权重的粒子群算法对A型、B型战术导弹的纵向和横向气动力参数进行辨识计算及分析后,可以看到:(1)粒子群算法是气动力辨识的一种新的有效方法,该算法不受参数初值选取的影响,具有较好的全局寻优特性;(2)粒子群算法的计算效率受算法构造本身等因素的影响比较大、对粒子群规模不十分敏感,并且还有相当大的进一步完善与改进的空间。     

非定常气动力非线性微分方程建模方法

为准确描述过失速机动中非定常气动力特性,研究了以非线性微分方程为基本结构的非定常气动建模方法.基于动力学系统建模思想,分析揭示该模型的物理机理,并发展和改进了基于风洞强迫振荡试验的模型参数辨识方法:基于小振幅试验数据,采用线性回归参数辨识方法辨识确定气动模型中特征时间常数等线性参数;基于大振幅试验数据,采用遗传算法全局...     

基于粒子群优化的PID神经网络在热电偶数学建模中的应用

为提高热电偶的测温精度,在对热电偶进行数学建模时,结合粒子群算法对PID神经网络进行优化,并设计了实际多路电偶数据采集电路对温度数据进行采集和验证。通过实验验证,粒子群算法的运用加快了PID神经网络的收敛速度、提高了系统稳定性,从而得到了更加精确的热电偶模型,提高了系统的测温精度。