飞机短周期运动参数的神经网络辨识

本文提出了一种用馈神经网络辨识飞机短周期运动参数的新方法。该方法的特点是不需要预先假定模型，只需要用获得的飞行数据训练一前馈馈神经网络，就可以用这个网络直接辨识参数的值。模拟飞行数据的仿真结果证明所提出的方法是有效的并且具有较好的鲁棒性。     

利用输出误差时间序列模型识别结构时变模态参数

基于振动系统运动方程,建立了描述系统输入和输出关系的输出误差时间序列模型,论证了该模型中外源多项式系数的性质。利用基于UD分解的递归最小二乘参数估计方法估计OE模型的参数,从而得到结构的时变模态参数。数值仿真结果表明用此方法来识别时变模态参数是可行的。     

参数估计的样条函数法应用

简要了介绍了样条函数法的基本原理，飞机的数学模型和空气动力系数的样条函数表达式。用一算例说明了估计过程，获得了纵向气动导数随迎角变化的估计结果。同时还研究了迎角节点间隔和样条函数的次数对估计结果的影响，估计结果表明，样条函数法是非线性参数估计的重要方法之一，适当减小节点和间隔和适当增加样条函数次数可以提高参数估计的精度。     

模糊神经网络实现飞行数据的智能处理

利用模糊神经网络实现了根据飞行数据识别出飞行过程中所做的基本动作 ,推理过程使用了一种特殊的模糊规则 (fuzzyrule) ,权值学习采用负梯度下降 (Gradientdescentweightadaption)法。首先对每帧飞行数据进行特征检测(Featuredetect) ,将根据专家经验模糊处理得到的隶属度矢量作为模糊神经网络的输入 ,经过该网络决策 ,获得该帧数据的基本动作模式 ,由此 ,得到飞行过程中的基本动作。而实际的飞行动作就是由这些基本动作的组合而成 ,所以 ,实际上也就实现了飞行动作的自动识别。经大量实际飞行数据检验 ,该方法准确、有效。     

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。     

用人工神经网络控制飞行迹

本文研究了使用人工神经网络（ＡＮＮ）获取期望的飞行轨迹所需要的控制输入的可行性，以便在最终控制区域的高负荷环境下向飞行员提供帮助。任何两个最初和最终状态之间的矢量被分解为三个简单的机动矢量。这些机动矢量用来在着陆过程中使飞机从某一初始位置和速度到远距标点。人工前向馈入神经网络被调试后可以接受位置和速度，可给出相应的推力，升力系数和倾斜角，作为其输出。与标定位置和速度相比，这些轨迹参数良好，最终得到     

一种计及观测噪音的分系统递推辨识方法

本文提出一种可以处理带测量噪音的多输入多输出线性系统递推参数辨识方法。目前多输入多输出系统的在线参数估计方法或者需要将模型正规化,或者要做大量高维矩阵求逆运算,不仅运算时间长,而且很可能由于矩阵逆的不存在而导致估计失败。本文方法将多输入多输出系统参数估计问题分解为若干步多输入单输出系统参数估计问题,把高维矩阵求逆化为若干步求倒数运算,从而避免了可能由此而导致的估计失败。本方法直接估计线性系统参数,不需将模型正规化,从而节省了实际运算时间。最后,根据有观测噪音的试飞数据对本文方法进行之检验。     

电液负载模拟器的神经网络参数辨识

基于神经网络,提出一种根据参数上下界辨识系统参数的新方法。在建立电液负载模拟器模型的基础上,在待辨识参数的上下界内,使用神经网络对动态系统的参数进行辨识,找到一组参数使之满足对实际系统的最佳逼近,使系统在实际输入信号下能更好地复现实际系统的实际输出。并使用另一组实验数据检验辨识结果对实际系统的任意实际输入输出采样数据组的逼近程度。验证结果表明该辨识结果能很精确地逼近实际系统。该方法可用于一般复杂系统的实际参数辨识。     

利用动态规划原理设计飞机参数估计的最佳输入

本文介绍了为飞机参数估计试验而设的飞行试验最佳输入的一种新方法，即在时域设计中利用动态规划原理。这种方法能够对输入和输出变量实行实际的抑制。文中随后给出了描述一战斗机横侧动力学多输入线性模型的例子。由新方法产生的最佳输入设计既改善了质量，又扩展了常规多输入设计方法的能力。     

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

非线性滤波方法及其在飞行状态及参数估计中的应用

基于非线性系统高阶近似的思想,提出一种比推广卡尔曼滤波（ＥＫＦ）更接近非线性系统本质的近似滤波方法,并应用于飞行状态的参数估计（或称为飞行轨迹重构）问题。仿真和实际飞行数据计算结果表明：提出的非线性近似滤波方法比ＥＫＦ有更高的估计精度和更好的鲁棒性,对飞机机动形状、数据长度要求不高,滤波收敛速度快。利用飞行状态估计数学模型的具体特点,使计算量和存储量大幅度减少。该方法应用于非线性较强的飞行状态及参数估计问题。可得到比ＥＫＦ更好的结果。     

喉衬组件界面密封失效敏感因素研究

为了研究更为准确的边界仿真方法,针对典型长时间工作发动机,基于ABAQUS软件,通过二次开发建立一套工程可用的喉衬组件传热和背壁热解的数值模拟方法,并对影响喉衬组件温度场的主要影响因素进行分析;对影响背壁热解的关键材料参数进行统计,获得其分布规律;采用Mote-Carlo法获得随机输入参数,通过大量计算,建立输入和输出的近似模型;应用神经网络模拟方法,获得了影响喉衬组件界面密封状态的主要敏感参数。结果表明,数值模拟方法具有较高的精度。     

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。     

待机状态下机翼结冰的快速计算方法

飞机在飞行过程中遭遇结冰气象,尤其是过冷大水滴结冰条件所导致的机翼结冰,将严重影响飞机的气动性能与操纵品质,从而导致飞行故障或飞行事故,是飞机飞行安全的重要影响因素,是飞机研制中必须重点解决的难题。虽然针对结冰已建立有多种计算仿真程序,但快速获得结冰模拟冰形,包括过冷大水滴条件下的结冰模型是工程师们一直追求的解决方案。利用前向多层神经网络,尝试建立了一种针对待机状态下的机翼结冰模型。此方法基于坐标转换原理,将获取的采用直角坐标表达的标准翼型的机翼结冰数据转换为对应的极坐标表达的数据,以飞行参数、气象参数和极坐标角度作为输入,极坐标模值作为输出训练构建出此种机翼结冰模型。使用所建立的模型,仿真预测结果表明该计算方法具备快速性和精确性,其计算精度可满足实际要求。     

利用大迎角试飞数据辨识飞机气动导数

基于用局部线化代替非线性概念．探索了利用大迎角飞行试验数据辨识飞机空气动力参数问题。在准定常假设条件下，提出了迎角分割算法和时间分割算法，针对歼教七飞机的失速飞行试验数据，用最小二乘回归方法和最大似然法验证了上述大迎角参数辨识的思想，取得了较好的结果，为进一步开展大迎角参数辨识技术的工程应用奠定了基础。     

基于神经网络自适应动态逆的结冰飞机飞行安全边界保护方法

考虑到飞机带冰飞行的安全问题，对结冰飞机进行安全边界保护成为一种有效的解决手段。基于神经网络自适应动态逆跟踪性能好、鲁棒性强的优点，提出了以安全关键飞行参数限制值作为神经网络自适应动态逆的输入，获取可用舵面偏转角的边界保护方法。建立了飞机本体动力学模型，采用高精度的数值模拟方法获得结冰数据库。设计了神经网络自适应动态逆控制律，通过在动态逆环节引入单隐层神经网络，对不确定性逆误差进行自适应补偿，增强了控制系统的鲁棒性。以俯仰姿态保持模式为例设计了结冰飞行闭环安全边界保护系统。以结冰飞机最小平飞速度的估算值作为飞机最低飞行速度，设计自动油门控制系统，实现对飞行速度的保护。通过仿真验证了设计的控制律具有较强的鲁棒性。对结冰严重程度线性增加情形下飞机状态参数的动态响应进行了分析。仿真结果表明，所设计的结冰边界保护系统，能够实现飞机在容冰飞行过程中对安全关键参数如迎角、飞行速度的实时保护。     

基于CMAC神经网络导弹的气动参数辨识

本文利用ＣＭＡＣ神经网络辨识了几个重要的空气动力参数，证明了估计误差，权误差有界，仿真结果显示了本文算法的有效性。     

基于小波过程神经网络的飞机发动机状态监视

 针对飞机发动机状态监视问题，提出了小波过程神经网络模型。其隐层和输出层为过程神经元，隐层激活函采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质，有更强的学习能力和更高的预测精度。文中给出了相应的学习算法，并以飞机发动机状态监视中排气温度裕度的预测为例，分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明，小波过程神经网络结构更简单，收敛速度更快，优于过程神经网络，因而为飞机发动机状态监视提供了一种有效的方法。     

某型飞机三维运动仿真系统的设计

在3DMAX平台下,利用MAXSCRIPT语言,并结合VC 开发环境开发出某型飞机的三维运动仿真系统。该系统能够自动加载飞机模型以及飞行数据文件,并通过终端输出实时仿真结果,最终可生成视频文件进行保存,从而实现了飞机运动过程的仿真。该系统还可以加载其他飞机模型,具有较大的通用性。以某型飞机一次飞行数据作为测试数据比较,其仿真结果较好。此系统的开发为研究飞机飞行状态与性能提供了比较直观方便的工具。     

利用实时频率响应技术确定X—36飞机稳定裕度

X－36遥控驾驶飞机是用来演示无垂尾敏捷战斗机构型关键技术的。1997年11月在爱德华兹空军基地Dryden飞行研究中心，X－36非常成功地完成了31项任务试飞计划。为了便于开环传递函数的估计，X－36飞控系统结构在每个轴只包含单一的控制通道。由于利用频率响应技术实时估计单输入，单输出开环传递函数允许X－36飞机飞行包线的扩展快捷而安全。应用实时稳定裕度（RTSM）法获得的飞行数据为深入了解控制律性能够提供了条件并指出了改善稳定裕度所需的变化。此外，RTSM的能力也极大地增加硬件闭环模拟效率并显著减少控制律开发时间。RTSM频率响应技术可在遥测位置使用，能提供有效的声音和数据通讯。本文给出为X－36试飞计划开发的实时稳定裕度测量技术并伴有模拟及试飞结果，同时也叙述了对X－36飞机横侧控制机构多输入多输出奇异值分析的实时应用。