驾驶员模型建模精度分析方法研究

针对频域内驾驶员描述函数和辨识方法和最小二乘的驾驶员模型参数的估计方法，按照严谨公式的规范条件建立了驾驶员模型建模精度评介公式，并对驾驶员完成俯仰跟踪任务时的仿真结果和驾驶员模型辨识结果进行了精度检验计算，同时还探讨了提高建模精度的有关技术问题。     

表面热流辨识结果的误差分析与估计

对于工程上的表面热流辨识问题,通常希望能够根据测量精度对辨识结果误差进行快速估计,用以优化测试方案。本文首先对给定单一频率的热流辨识误差进行定量分析,建立了辨识误差与热流频率和测量精度之间的响应面模型。然后对多个给定频率组合情况下的辨识误差规律进行分析,结果显示,频率组合热流中的低频分量能在辨识结果得到较好地复现,高频分量是导致辨识结果出现误差的主要原因。因此,辨识结果精度可以通过最高频率热流分量的辨识误差与测量精度之间的对应关系来进行大致估计。基于这一认识,本文利用时域不同频率组合的热流分量在频域可解耦的性质,通过Parseval定理得出高频分量的能量占比,建立了频率组合热流的辨识误差估计方法,并通过算例进行了验证。     

一种导弹导引律及参数的非线性MMAE辨识方法

针对现代空战中来袭导弹导引律参数辨识问题,提出了一种非线性的多模型自适应(MMAE)辨识方法。采用无色卡尔曼滤波(UKF)方法对非线性多模型集进行状态估计。利用多模型自适应估计方法,设计了导弹的导引律及参数辨识器,在三维坐标内实现了对导弹IPN,APN,OGL和PP导引律及对应导引参数的辨识,并通过算例仿真验证了该方法的快速性和准确性。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。     

基于新型纯积分法的定子磁链在线辨识算法

针对气隙转矩法计算异步电机转矩时对定子磁链辨识精度的要求,提出了一种基于新型纯积分法的定子磁链在线辨识算法,采用了精度较高的复化辛普森积分模型。相比传统的梯形积分法,基于新型纯积方法的定子磁链在线辨识算法的磁链辨识精度显著提高；相比新型的基于低通滤波器的定子磁链观测器,该算法模型更简单,操作更便捷。通过MATLAB/Simulink搭建系统仿真平台进行验证,结果表明基于新型纯积分算法消除了传统积分法的主要缺陷,解决了积分饱和问题以及初值问题。基于新型纯积分算法的估计磁链与理论参考磁链基本吻合,表明其可靠性较高。     

一种实现飞行品质参数实时辨识的实用方法

考虑到辨识算法收敛的可靠性及结果的精度，采用递推最小二乘估计、飞机运动模态连续－离散模型相互转换及递推极大似然估计，实现飞行品质参数的实时辨识。这种方法的优点在于算法的吸收域是全平面的。初值不影响算法的收敛性，能很好地满足实时性要求，同时还保证了结果精度。利用该方法对某型飞机铁鸟台实测数据进行了处理，取得了满意的结果。     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

一种MEMS陀螺仪零偏建模与估计方法

针对MEMS陀螺仪零偏随时间变化的问题,提出了一种MEMS陀螺仪的零偏建模与估计方法.通过分析静态条件下陀螺仪零偏变化的影响因素,建立了陀螺仪零偏和温度之间的差分方程模型.采用系统辨识的方法,给出了系统模型的参数辨识流程.基于最小二乘法,实现了模型参数的辨识.设计了测试验证试验,基于陀螺仪的零偏样本特性建立了三阶差分方程,并进行了参数辨识和模型验证,结果表明该模型可以有效地估计陀螺仪的零偏.     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

液-固挤压铝基复合材料动态系统建模方法

 液态浸渗挤压是一种可以由液态金属直接成形复合材料管、棒、型材的新工艺,针对该工艺过程参数和成形过程难于控制的现存问题,在对其辨识建模特点进行深入分析的基础上,采用基于U-D分解的非线性模型和参数在线估计方法,辨识出液-固挤压铝基复合材料过程的动态模型。实验结果表明,该方法可以提高模型和参数在线估计的计算效率和数值稳定性,辨识模型能很好地反映系统的动态特性,说明该在线估计方法工程应用的有效性,同时也为液-固挤压复合材料工艺的实际应用和过程控制奠定了基础。     

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。     

空气动力二阶核函数辨识方法

采用截断三阶Volterra级数模型来研究空气动力二阶核函数的辨识问题,选取一簇正交化的切比雪夫多项式对二阶核函数进行参数化处理,并将非参数辨识问题转化成参数辨识问题。相比于其他方法,本文模型能有效降低对激励信号幅值的敏感程度,保证辨识出的核函数具有较好的保真度;只针对三阶Volterra降阶模型中的一阶、二阶核函数进行辨识,即可提升原系统一阶、二阶核函数的辨识精度,却不会显著增加辨识过程的工作量;参数化辨识方法属于整体性辨识,根据已有的部分数据对(输入、输出数据)就能完成系统辨识,且能达到较好的辨识精度,从而有效地减少了执行计算流体力学(CFD)代码程序的总次数,节约了大量的时间成本。算例表明,与目前流行的非参数化方法相比,本文提出的切比雪夫函数辨识方法,精度上达到预期要求,辨识过程消耗的CFD总时间量至少可降低一个数量级。     

基于PSO的船体动态变形模型参数在线辨识

在船体变形测量领域，惯性量匹配法凭借其高精度、易实现的优点成为了时下的研究热点。详细介绍了角速度匹配法进行船体变形角估计的原理，针对算法中动态变形模型（二阶Markov）参数难以确定的问题，推导了两套INS的角增量输出差值与动态变形角之间的关系，建立了利用角增量差值的自相关函数进行求参的理论依据。在求参工具上选择了粒子群算法，借助指数衰减正弦信号的形式建立算法模型，并且合理设置算法参数，最终形成一套完整的在线辨识方案。仿真实验证实，该方案能够实现动态变形模型参数的精确辨识，辨识精度较高，且SNR门限低。最终的变形角估计结果表明，结合该参数辨识算法，船体变形角估计误差可控制在10″左右，证明了该方法的可行性。     

采样数据含高频有色噪声的连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,该方法通过引入积分运算,将连续时间系统的微分方程模型转换为积分方程模型,从而在辨识时使噪声的影响可以忽略,然后直接利用传统的最小二乘法估计出系统的连续时间模型参数。该方法具有较强的抗有色噪声干扰的鲁棒性、计算方法简单、参数辨识精度高等优点。仿真实例验证了该方法的有效性与可行性。     

基于截尾D-最优的加速度计离心机试验优化设计

为了提高加速度计在离心机试验中的试验效率和加速度计模型系数的辨识精度,针对离心机试验中加速度计高阶误差项的辨识精度问题提出了截尾D-最优设计方案,并与饱和D-最优试验计划进行了对比,结果表明采用本文提出的加速度计离心机试验的截尾D-最优试验计划,能够提高加速度计高阶模型项的辨识精度.     

支持向量机在航空发动机起动模型辨识中的应用研究

支持向量机（SVM）可以优化网络，有效降低模型复杂性，不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本，使用SVM对某一大气条件下的发动机起动模型进行了辨识，并使用另外一组试车数据．通过辨识模型对起动过程进行了仿真；最后，比较了SVM和RBF神经网络起动模型的辨识精度。结果表明，用SVM辨识发动机起动过程模型，方法简单，学习速度快，辨识精度较高。     

基于ARMA模型在线辨识器的线性系统建模方法

线性系统的在线辨识是系统辨识领域中最感兴趣的问题之一。本文给出变阶式递推增广的最小二乘法及阶估计准则。在此基础上 ,给出一类ARMA模型在线辨识器。这种辨识器可用于在线或离线辨识。实例表明 ,建模计算量大大减小 ,并具有较高的精度     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。