一种基于短时机动试飞数据的动力学辨识优化方法

飞行动力学辨识算法的一个关键问题是,如何通过简单的机动获取所关心频率范围的响应特性。短时倍脉冲是一种易于实施的激励信号,兼顾试飞安全性与经济性,但与频域辨识法通常使用的扫频输入激励相比,短时机动频谱范围窄、信噪比低,一般难以得到准确的辨识结果。对如何基于短时机动飞行试验数据,提高辨识结果准确性的问题进行了研究。首先分析了经典Welch谱估计进行时域-频域转换过程中,影响非参数模型辨识精度的主要因素,提出了削减窗函数边缘缩减效应的数据预处理方法,并结合多窗口综合技术,提高频域特性辨识结果的精度。在参数化模型辨识过程中,针对有限频谱范围,提出了利用相干函数和功率谱密度加权综合,确定等效拟配的频率范围和频率节点的自适应方法,使得低阶等效拟配与输入激励信号高度相关,提高参数化模型辨识的精度、一致性和适应性。通过不同类型飞机的大量短时机动和少量扫频飞行试验数据模型辨识的工程应用示例,验证了动力学辨识优化方法算法稳定、结果准确,可满足飞行品质模态特性评价等应用需求。     

姿态遥控模式下的无人机短周期特性辨识仿真研究

为了探索姿态遥控模式下的无人机纵向短周期模态计算方法,本文以某型机为例建立了姿态遥控模式下的无人机动力学模型,并采用纵向倍脉冲信号对无人机进行了激励。根据响应结果,基于低阶等效拟配法,采用遗传算法对无人机的阻尼、频率特性进行了辨识,对比分析了时域以及频域辨识方法的结果,最后将所得方法应用于某型无人机纵向短周期模态特性辨识。结合飞行员评价表明,频域辨识拟配得出的频域特性比时域特性好,拟配精度更高;所采用的低阶等效拟配方法适用于姿态遥控模式下的无人机纵向短周期特性评价。     

模式搜索法在飞行品质评价中的应用研究

飞机的飞行品质对飞行安全十分重要。本文针对飞行品质评价中的低阶等效系统拟配问题,利用模式搜索法对飞机的横航向运动低阶模型的未知参数进行辨识。结果表明,使用模式搜索法的拟配效果良好,且不受初值的影响,通过算法优化,使运算效率大大提高。     

某机横航向电传操纵系统等效拟配计算

本文采用等效系统方法,对某机横航向电传操纵系统进行了等效系统拟配计算,给出了一些飞行状态的等效计算结果及初步分析,并按照MIL-F-8785C有关条款进行飞行品质评定。结果表明,等效系统拟配方法可行,拟配程序可用,拟配结果可信;采用等效系统辅助系统参数选择获得较好的效果.     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

航空网络关键节点辨识的核极限学习机算法研究

通过技术手段准确识别航空网络的关键节点,对航空网络平时的正常运行以及战时的防御和修复,具有重要的理论意义和参考价值。提出一种基于核极限学习机的航空网络关键节点识别方法,首先,采用层次分析法对节点综合重要度进行评估;然后,选取三个简单指标,基于核极限学习机学习简单指标与综合重要度之间的映射关系,建立重要度评估模型;最后,以中美两国航空网络为例进行仿真。结果表明:仅需计算 40 个节点的复杂指标值,就可对关键节点取得较满意的辨识效果,降低了计算复杂度,提高了辨识效率,即采用本文方法辨识航空网络的关键节点是有效、可行的。     

刀具磨损的人工神经网络方法及其仿真技术

本文提出一种对刀具磨损量进行辨识的人工神经网络方法，采用了灰色模型进行特征选择，研究了隐层不同节点数的选择对网络训练的影响，并通过仿真研究了该网络的稳定性。     

基于等效系统拟配的人-机闭环系统稳定性研究

对于现代带电传操纵系统飞机,其人-机闭环系统是非线性高阶复杂系统.针对带电传操纵系统人-机闭环系统稳定性问题,运用遗传算法在频域内对人-机闭环高阶系统进行了等效拟配,提出应用根轨迹法对拟配得到的低阶等效系统进行稳定性分析.仿真结果表明,用遗传算法进行等效拟配能够避免初值选择问题,拟配精度较高.所提方法能够考虑到驾驶员环...     

一种无人机荷兰滚模态辨识方法研究

针对某无人机无法测量侧滑角的问题,提出一种基于偏航角速率的荷兰滚模态低阶等效拟配方法。采用倍冲信号对荷兰滚模态进行激励,基于推导所得等效模型,采用最小二乘法进行频域优化,得到了某无人机在姿态遥控模式下的荷兰滚模态特性。结合飞行操作员评价表明:所采用的辨识方法适用于没有侧滑角传感器,且处于姿态遥控模式下的无人机荷兰滚模态特性辨识。     

一种新的等效拟配初值计算方法

在简要分析传统等效拟配初值选取方法不足的基础上,提出了一种基于Matlab信号处理工具箱提供的invfreqs函数的初值计算方法。整个计算过程不需要人工参与,所得拟配初值接近优化的终值,与传统初值选取方法相比,提高了拟配效率和成功率。仿真结果表明,该初值计算方法具有良好的工程应用价值。     

基于MatLab的俯仰轴等效系统拟配及飞行品质评价

阐述了在MatLab软件中采用阻尼最小二乘法进行飞机等效系统拟配时所遇到的问题及解决方法,并在此基础上按照等效系统准则对某小型飞机进行俯仰轴短周期飞行品质评价,结果表明在MatLab中进行等效系统拟配--包括初值选取、拟配优化和拟配结果验证是可行的.此外,还探讨了运用MatLab中的遗传算法和直接搜索工具箱进行等效系统拟配的方法.     

纵向等效系统应用研究

本文简述等效系统的拟配方法,并通过模拟试验(参考文献[2])对拟配方法和软件进行了可行性验证.结果表明:试验原理是正确的,拟配的方法和软件是简单、可行的.另外,通过对拟配结果进行失配检查,就可允许的失配度作了定量规定.再次,文章通过对具体拟配和试验中存在的问题进行分析,并考虑到等效系统研究的现状,提出了今后应注意的若干问题和初步看法.     

关于飞机纵向短周期模态等效参数的确定

本文用阻尼最小二乘法来拟配飞机纵向短周期运动的等效系统,所得拟配结果精度较高。拟配过程中初值的选取,是根据高阶系统反应特性和对目标函数求极值的方法来确定,其拟配效果较好,收敛速度较快。最后,将拟配所得等效系统和高阶系统,分别在简易飞行操纵器上进行了人-机闭环操纵模拟试验,两系统的反应基本一致。     

横航向等效系统拟配方法探讨

检查带有飞行控制系统飞机的飞行品质指标的一种途径是采用等效低阶系统拟配完整的高阶系统。本文根据一些算例,就横航向等效系统的拟配方法进行探讨,给出了适合于工程应用的、简单的拟配方法。     

某战斗机横航向飞行品质分析

为了评价现代飞机的飞行品质特性,通常采用的方法是用一个低阶系统去等效拟配真实的高阶系统。本文根据MIL-HDBK-1797中提出的横航向低阶等效拟配模型,对某三代战斗机两种典型状态的横航向飞行品质进行分析。在拟配过程中,首先用一简化的荷兰滚航向低阶等效系统模型进行等效拟配,将拟配结果作为横航向全拟配等效模型的初值,计算结果表明该战斗机具有良好的横航向飞行品质;等效拟配系统具有很小的失配度,能够真实的反映出该型飞机的横航向品质特性。     

一种改进的等效系统拟配方法

等效系统拟配对于采用主动控制电传操纵系统的飞机飞行品质评价具有重要意义.从等效系统拟配中失配曲线的分布出发,比较了采用不同的频段进行等效拟配的不同结果,进而提出了一种带加权系数的等效系统拟配方法,最后通过分析得出了加权系数的合理区间.仿真结果表明,这种方法有效地改善了等效拟配失配曲线的分布.     

基于Matlab的时域低阶等效系统的实现方法

基于Matlab软件实现了一套完整的时域低阶等效系统拟配方法。该方法以离散飞行试验数据作为数据源,包含数据预处理、等效系统拟配和纵向飞行品质分析三大模块。等效系统拟配分别应用了遗传算法加最小二乘法的混合寻优算法和多次循环的最小二乘算法。算例验证结果表明,以上两种方法均取得了良好的拟配效果。通过对实际飞行数据进行处理分析,表明所建立的时域低阶等效系统方法使用方便,计算高效,同时具有较高的可靠性。     

Kalman滤波器在机床热误差建模中的应用

在辨识机床的热变形模型时，由于所能得到的样本数据较少且含有测量噪声，因此简单地采用传统的辨识方法效果并不理想．为此本文使用Kalman滤波器对数据进行处理以提高辨识精度．     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。