尖楔前体飞行器FADS系统的神经网络算法

对人工神经网络算法在尖楔前体飞行器用嵌入式大气数据传感系统(Flush Air Data Sensing System,FADS)中的应用进行了探讨。针对该FADS系统存在的建模困难及解算精度低的问题,采用BP神经网络算法代替传统的空气动力学模型,通过合理选择网络结构参数及训练验证,分别建立了FADS系统的含有单隐含层的三层网络模型及含有双隐含层的四层网络模型,对攻角、侧滑角、自由来流静压及马赫数等参数进行求解。数值仿真结果表明,建立的用于尖楔前体飞行器的FADS系统的神经网络算法求解精度较高,且含有双隐含层的网络模型精度优于单隐含层的模型精度。     

嵌入式大气数据传感系统压力传感器设计研究

嵌入式大气数据传感(FADS)系统较之传统的大气数据系统有很大的优势,它依靠飞行器前端的压力传感器间接得到飞行大气数据.在本文中,首先简要介绍了FADS系统的压力模型;然后通过分析压力传感器几何外形设计对系统性能的影响,建立了压力传感器的动力学模型,并提出了FADS系统中的压力传感器的设计准则;最后给出了仿真结果.     

FADS系统在飞翼布局飞行器上的应用研究

针对飞翼布局飞行平台对高精度迎角、侧滑角的依赖性,设计了一种采用安装于机头表面的测压孔和机翼前缘的测压孔相结合的FADS系统应用方案,给出了其空气动力学模型,并将该FADS系统与惯性系统相结合来提高机动情况下大气数据的测量精度。由于该系统以FADS测量结果为基础,所以可以保证最后输出结果的精度要求,而且还克服了FADS系统延时的影响,其计算复杂性基本没有增加,满足实时性要求,易于工程实现。     

基于神经网络的类乘波体飞行器FADS算法研究

大气数据是飞行器飞行的重要参数,大气数据系统是必备的机载航电系统。嵌入式大气数据系统（FADS）是新一代大气数据系统,可用于类乘波体飞行器。飞行器外形特殊,大飞行包线内FADS压力场模型复杂,解算算法尚不完备。针对飞行器的特点,利用三维几何建模和计算流体动力学（CFD）计算的方法,分析FADS压力场模型特性,设计并验证了基于神经网络的类乘波体飞行器FADS算法,结果表明,算法对马赫数、攻角和侧滑角大气参数的解算可行有效。     

嵌入式大气数据传感系统风洞标定试验研究

首先分析了嵌入式大气数据传感(Flush Airdata Sensing,FADS)系统的空气动力学模型,对于钝头布局的FADS系统,风洞试验需对迎角误差、侧滑角误差以及形压系数进行标定;对于锥形或非规则布局的FADS系统,空气动力学模型还需要通过风洞试验或飞行试验确定。选取锥形头部模型为试验对象在FD-06风洞中进行超声速试验,模型表面压力分布趋势合理可靠,试验表明:可使用纵平面的对称测压点压力差值解算迎角,使用水平面的对称测压点压力差值解算侧滑角。     

测压点分布对嵌入式大气数据传感系统计算精度的影响研究

测压点是嵌入式大气数据传感(FADS)系统的数据来源,其分布形式直接影响到系统测量精度。基于牛顿模型和滤波算法建立FADS计算模型;以球形机头为例,设定飞行剖面的马赫数范围为4.30~15.79,高度范围为25~70km;得出测压点圆周角、圆锥角和非对称分布下大气参数的计算误差。结果表明:沿圆周方向增加测压点数量,可提高FADS系统测量精度,但存在门槛值,超过此门槛值效果有限;在测压点数量相同的情况下,增大圆锥角可明显提高FADS的测量精度;测压点的非对称分布则对测量精度没有影响。     

FADS系统参数的解算和校正方法

<正>嵌入式大气数据传感(Flush Airdata Sensing,FADS)系统是一种通过嵌入在飞行器前端或者机翼前缘的压力传感器阵列来测量飞行器表面测压孔的压力,并由测得的测压孔压力通过特定的解算算法来获得大气数据的传感系统。1 FADS系统的空气动力学模型通过将位势流模型与修正的牛顿流模型用形压系数ε相结合得到FADS的空气动力学模型。形压系数ε是马赫数Ma∞、当地迎角αe与当地侧滑角βe的函数。入射     

基于奇偶方程的FADS传感器故障检测方法

重复使用运载器（RLV）的嵌入式大气数据传感系统（FADS）中传感器的高可靠性是RLV飞行控制系统高可靠性的保障。结合FADS采用多个测压点冗余配置的特点,利用各传感器测量值之间存在的解析冗余关系,设计奇偶方程,实现对各个测压点故障传感器的有效检测。     

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

基于BP神经网络的复合材料失效分析

创建了基于BP神经网络方法预测复合材料在复杂应力状态下的失效模型.依据现有的试验数据,建立了基于BP神经网络的数学模型,并给出了网络在多次训练的统计性评价参数.以及单次样本泛化性能的评价参数,并利用这些参数实现了网络的结构优化和训练优化,得到了比较精确的网络模型,成功预测了复合材料的失效数据,拓宽了计算复合材料失效的范围,同时可以对复合材料的失效分析和试验设计进行指导.     

嵌入式大气数据传感系统的改进算法

简要介绍了嵌入式大气数据传感系统及其空气动力学模型,提出了求解动、静压和修正参数的改进算法.改进算法首先应用Moore-Penrose广义逆矩阵对非线性方程组进行简化.然后采用改进迭代算法和BP神经网络求解动、静压和修正系数.改进算法在精度、可靠性和实时性上都能满足系统的要求.应用BP神经网络,达到系统要求的精度所需要的计算时间只相当于原有算法的5%,具有更大的实时性优势.     

FADS系统迭代算法的收敛性分析

嵌入式大气数据传感系统采用分布在飞行器前端周线上的压力传感器阵列测量的压力推导大气参数的.介绍了采用迭代法推导大气参数的方法,针对迭代过程中出现的发散问题,提出采用小扰动线性化分析法解决多变量叠代算法的收敛性分析.最后应用Matlab仿真验证,仿真结果表明,在一般的超声速状态下(马赫数小于4.5),该算法是收敛的.     

FADS/INS组合法迎角、侧滑角测量方法研究

嵌入式大气数据传感(FADS)系统比传统迎角、侧滑角传感器在测量精度、可靠性、隐身性能上都具有较大的优势,因此该系统可被应用于各型飞行器上。但由于该系统在获得大气参数方面存在延时,所以,它在飞行器机动飞行状态下,迎角和侧滑角的测量精度会下降。针对这一问题,本文提出了以FADS测量结果为基础,采用惯性导航系统(INS)测量的迎角、侧滑角变化量进行修正的FADS/INS组合法迎角、侧滑角测量方法。理论分析和仿真结果表明,该组合系统在飞行器处于平稳和机动飞行时,对迎角、侧滑角的测量均能获得较高精度。     

基于信息压缩的四层前向网络模型体系结构及其应用

提出了一种基于信息压缩原理的四层前向网络体系结构,用以为液体火箭发动机部分参数建立网络模型。利用所选参数的时间序列对这些参数实现平滑、滤波与预测等处理,提高了基于试车数据驱动的故障监控系统对量测噪声、传感器故障与系统过程噪声的鲁棒性。该四层结构大大缩小了网络权值规模,网络模型的训练采用演化策略。     

小扰动线性化分析法在嵌入式大气传感系统中的应用

介绍了嵌入式大气数据传感系统三点法计算大气数据的方法,提出采用小扰动线性化分析法解决多变量叠代算法的收敛性分析,最后应用Matlab软件进行了计算验证。研究结果表明,在一般的超声速状态下(马赫数小于4.5),该算法是收敛的。