一种扑翼飞行器气动参数的辨识方法

针对实际飞行中无法直接测量的扑翼飞行器气动参数辨识问题,结合刚体六自由度模型,提出一种基于迭代学习和人工鱼群法的扑翼飞行器隐式气动参数辨识方法。鉴于扑翼飞行器飞行试验中待辨识气动参数值难以直接测量、导致一般辨识算法中梯度难以求解的问题,提出基于摄动法的梯度方向寻优方法。考虑到待辨识参数数量及辨识结果对参数初始值的敏感性,该方法采用人工鱼群算法优化计算待辨识参数初始值。且针对迭代过程中损失函数易陷入局部最优和优化速度受限问题,采用变学习因子迭代学习策略。试验结果表明,所提出的算法能有效估算出扑翼飞行器气动参数。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

外测系统共同校准方法初探

一、前言在外测数据的处理中,常涉及到两类误差,即随机误差和系统误差。对于随机误差,通常采用数据平滑的方法减弱其影响;而对系统误差,有时不作修正,仅估计其对测量结果的影响。当然,系统误差较小或测量精度要求较低时,是可以这样做的。但当要求提高精度时,这样处理就有问题了。而且仅靠提高硬设备的精度或靠增加设备数量来提高外测精度往往会有困难,也是不经济的。这就促使我们采用“软设备”去解决系统误差问题,即在不增加设备的情况下综合利用现有设备(如二种以上的设备),合理应用统计数学方法,尽可能减小随机误差的影响,分离系统误差,并予以修正,以提高外测系统的精度,获得高精度的弹道参数。     

滚动轴承振动的灰自助动态评估与诊断

以灰预报和自助再抽样方法为基础, 提出灰自助动态评估与诊断模型, 以评估和改进滚动轴承的振动.该模型用动态不确定度、估计区间、估计真值、平均不确定度、平均真值和系统误差测度等6个参数, 描述滚动轴承振动的基本特征.对HKRB轴承的试验表明, 该模型对随机误差的概率分布与系统误差的类型没有任何要求, 在平均不确定度为最小的条件下分离出系统误差.评估的可信度达到100%.根据灰自助动态评估结果, 还诊断出影响轴承振动的误差特征, 揭示了来自轴承零件制造的误差根源, 为实施滚动轴承振动的生产过程控制奠定了基础.      

风洞实验数据的误差及其计算方法

本文首先了研究风洞实验数据误差的意义，然后给出系统误差、随机误差、粗差及不确定度的定义，在讲述了单点测量标准差，多点测量标准差及随机不确定度计算方法之后，介绍了介绍误差的判别和风洞实验数据误差的合成，最后给出了风洞气流参数、压力系数及力系数随机误差的计算公式。     

用参数辨识法进行直升机悬停性能拓展

准确计算直升机在不同飞行状态的有效气动参数对于确定直升机飞行性能具有重要意义。然而,由于复杂的旋翼空气动力现象以及直升机状态和环境条件的变化,准确预估气动参数有较大难度。为此,采用无量纲分析法建立直升机悬停状态的数学模型,首先对参数重组,确定了几个悬停状态重要参数,包括气动参数和直升机状态参数;然后,以直-9×型直升机为例,结合实际试飞数据,提出了用最小二乘法对该模型进行参数辨识的方法;最后,通过相关性分析,确定了辨识方法的可行性,并将辨识结果有效地用于直升机悬停性能拓展。结果表明,这种利用参数辨识进行性能拓展的方法是可行的,由于辨识结果是利用实际试飞数据确定的,拓展结果具有较高的可信度。这种数据处理方法可有效减少试飞周期,节约试验成本。     

数据挖掘技术在飞行试验数据分析和气动参数辨识中的应用研究

为了检验飞行试验辨识结果的可信度,首次将数据挖掘技术用于飞行试验数据的分析和气动参数辨识,初步解决了试验数据有限、数据信息含量差别较大给聚类、分类、回归等分析处理带来的问题;提出了利用不同时间段、不同飞行批次的飞行数据在划分区间的气动特性分布来检验辨识结果可信度的方法;以某飞行器为对象,利用数据挖掘技术,建立了基于飞行试验数据的气动力数学模型,检验了辨识结果的一致性和可信度,并与地面试验结果进行了比较分析,给出了地面试验预测误差。多批次飞行试验数据的整体辨识结果表明,所发展的方法是可行和有效的。该项研究为验证辨识结果的可信度、建立基于飞行试验数据的气动模型提供了新的途径,并可应用于CFD 和风洞试验的验证与确认。     

高马赫数临近空间无人机主要总体参数设计方法

针对高马赫数临近空间无人机(HSUAV)概念设计的需求,研究一种飞行器主要总体参数设计的改进方法,目的是提高主要总体参数设计的可信度。在现有的约束分析和任务分析方法基础上,通过融入适用性更广、预测精度更高的气动模型和推进系统模型,建立了一种迭代的设计计算流程。应用参数化建模方法建立了气动数值分析模型,应用发动机热力循环分析建立了推进系统模型。应用本文方法完成了高马赫数临近空间无人机主要总体参数设计计算,结果表明:经过若干次迭代设计计算,主要总体参数值收敛;由传统方法确定的主要总体参数与本文方法的结果有明显差别。由于本文方法中使用了可信度更高的气动和推进系统模型,根据本文方法确定的主要总体参数具有更高的可信度。     

基于T-Scan的三维激光扫描系统测量误差分析

三维激光自动扫描系统可以快速获取零件表面信息,提高扫描系统的测量精度可以进一步提高系统性能。针对扫描精度问题,对扫描系统的测量误差进行了分析和评估,在试验中使用的扫描系统由机器人和商业三维激光扫描仪T-Scan组成,这种商业三维激光扫描仪的基本原理是激光三角法,测量误差受到扫描位姿的影响。将T-Scan的扫描位姿分解为扫描深度、俯仰角和偏转角,通过控制变量试验研究了扫描位姿对随机误差和系统误差的影响。试验结果显示,扫描结果的随机误差远小于系统误差,系统误差与扫描深度和俯仰角呈双线性关系。根据试验结果建立了系统误差的预测模型,通过模型预测的系统误差与实际试验结果的偏差最大为26μm,该预测模型是优化扫描轨迹从而提高测量精度的前提条件。     

固体火箭发动机瞬变参数辨识

叙述了固体火箭发动机参数辨识的方法, 以反喷管打开后瞬变过程中推进剂瞬变燃速、打开函数和喷喉收缩因子的辨识为例, 说明了瞬变参数辨识的技术。辨识采用的数学模型是零维不定常内弹道计算方程组, 这是一个非线性系统的参数辨识问题。优化方法采用阻尼最小二乘法。给出了算例, 经参数辨识准度分析, 辨识结果是合理的。      

相同发动机试验程序交叉校准的测量不确定度

为了比较发动机的测量方法和测量结果 ,在北约五个国家的八个试验设备上用AGARD/PEP的相同发动机试验程序 (UETP)对两台发动机进行了试验。报告中主要按Abernethy推荐的方法评定测量不确定度 ,总的测量不确定度可分解为随机误差和系统误差。试验结果表明随机误差较小 ,但参加交叉校准各设备之间存在着较大的系统误差。     

用极大似然法辨识轴对称飞行器的气动参数

采用极大似然法完成了轴对称飞行器的非线性气动参数辨识。根据飞行弹道的特性,采用考虑了横侧向运动耦合的纵向三自由度飞行动力学模型;为了反映气动参数随马赫数的变化,给出了一种考虑马赫数变化的气动参数数学模型,并采用了分段辨识的技巧;通过采用建模前估计法的辨识结果作为极大似然法的初值,保证了极大似然法的收敛,计算结果表明：这种算法对大攻角下的非线性气动参数能获得满意的辨识结果。     

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。     

再入(返回)测量的自校准α-β-γ滤波

在导弹、航天器试验任务的实时数据处理中,α-β-γ滤波已得到应用。由于外测系统的观测数据中,除含有随机误差外,还含有系统误差,而且系统误差经常大于随机误差。随着对实时处理测量精度要求的日益提高,应用α-β-γ滤波解算弹道参数,必须考虑外测系统误差的修正,否则,在较长测量弧段利用其滤波时,系统误差会造成弹道参数的滤波“发散”。本文基于“EMBET”自校准原理,将其推广到α-β-γ滤波中,完成了具有自校准α-β-γ滤波公式的推导,并给出再入(返回)测量弧段时的常用测量元素下的相应公式。     

空基多雷达航迹抗差关联算法

基于高斯随机矢量统计特性,推导出一种适用于探测距离较远、系统误差时变、雷达上报目标不一致等复杂环境的空基多雷达航迹抗差关联算法。分解航迹距离矢量,对消系统误差矢量得出适用于3个及3个以上雷达的航迹抗差关联条件和流程。分别设置了目标密集程度、随机误差和系统误差适应性实验验证算法性能。仿真结果表明所提算法的关联准确性和复杂环境适应性相比现有的基于参照拓扑特征的航迹关联算法（RET算法）和基于距离检测的可信关联算法（confidential算法）有较大幅度的提升。     

不稳定飞机气动参数辨识的一种实用方法

地是飞行器气动参数辨识最广泛采用的一种方法。但对于气动高度不稳定的飞机，辨识算法往往因状态方程组和灵敏度方程组积分发散而无法进行。为克服这一数值困难，将方程解耦技术引入输出误差法，发展了高度不稳定飞机气动参数辨识的一种实用方法－－基于方程解耦的误差法。并对某鸭式布局飞机的纵向劝仿真数据进行了辨识仿真计算，计算结果证实了所述方法的有效性。     

MISTRAM系统测距常值误差估计与修正

MISTRAM测距数据包含的常值系统误差，是影响数据质量和精度的主要因素之一。该误差既不便于按常规系统误差处理，更不能按随机误差处理。在设备精度鉴定中，使用更高精度的观测数据通过比对法估计的方法，以及EMBET方法，均受到诸多制约。本文基于MISTRAM系统高精度测速数据，建立了常值系统误差的估计方法。实际数据计算证明，该方法是可行的。     

高超声速气动热辨识技术实验研究

为估计高超声速飞行中的气动热流,采用热流辨识技术研究了平板表面的气动热流。首先采用仿真数据对辨识方法进行验证,结果表明,在测量噪声较低时热流辨识结果误差较小。此后,开展了平板的高超声速气动热风洞实验,通过内埋热电偶测量平板内部温度,采用热流辨识法获得平板表面的气动热流,采用辅助测点对比验证了内埋测点辨识结果的可信度。最后将辨识结果与平板边界层热流理论估算结果进行对比,分析了两者产生误差的原因。本文的研究为热流辨识技术的实际应用奠定了基础。     

基于H∞算法的飞机机翼结冰气动参数辨识

针对国内大型飞机结冰防护需求,开展针对大型结冰研究样机的H_∞算法参数辨识结冰探测研究。首先通过参数调节选取一组合适的H_∞算法参数,利用考虑测量噪声的结冰研究样机飞行仿真数据验证H_∞算法的辨识能力,由结果对比发现辨识算法能够跟踪飞机气动导数随结冰累积过程的变化趋势,辨识精度较高,其最大归一化平方根（RMS）误差仅为真值的11%;分析了H_∞算法对81种不同结冰累积过程的辨识能力,通过结果分析发现结冰累积时间较长且结冰速度较慢的情况辨识效果较差,结冰累积时间在100~300 s之间辨识精度较高;最后利用蒙特卡罗仿真分析了不同测量噪声大小对H_∞算法辨识精度和跟踪延时的影响,给出了3个纵向气动导数在随机误差影响下的辨识误差和跟踪延时的统计结果,发现在给定噪声标准差变化范围内,升力和俯仰力矩关于迎角的导数能够得到较为准确的辨识结果,二者的归一化平方根误差均值仅为各自真值的1.8%和4%,其预报延时均值最大仅为3 s和9.5 s。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。