基于辅助变量最小二乘的无人艇模型辨识方法

无人艇模型是无人艇运动控制研究领域的核心,模型的精确性对控制算法的设计及验证有很大的影响.为了解决有色噪声对无人艇模型参数辨识时的干扰问题,提出了一种辅助变量最小二乘算法对无人艇模型参数进行辨识.对离散KT方程加入噪声,得到无人艇时间序列分析模型,根据Tally原理引入辅助变量对最小二乘算法进行完善并辨识模型参数.所做理论分析及仿真结果表明:该算法可以准确估计无人艇时间序列分析模型参数,并能对无人艇下一时刻航向角做出准确预报,有效解决了有色噪声所带来的"参数有偏估计"问题.实船实验结果表明:相比一般最小二乘算法,所提算法的辨识收敛时间可减少50％,航向角预报误差减小约40％,有效预报时长提升一倍以上.该算法对无人艇时间序列分析模型的辨识更加准确,具有很高的实际应用价值.     

有色噪声作用下的机载INS/GPS组合导航方法

针对机载导航过程中有色噪声模型系数难以精确获取的问题,提出了一种基于滤波残差处理有色噪声的方法,并将其应用到INS/GPS组合导航系统中。首先分析了有色状态噪声和有色量测噪声对状态参数估值的影响,接着分别将状态残差和量测残差作为有色状态噪声和有色量测噪声的样本观测值,通过滤波所得的多个历元的残差序列获取拟合模型参数,然后计算有色噪声的预报值并将其进行补偿,从而得到有色噪声修正后的组合导航模型。最后设计了转台试验验证提出的有色噪声作用下的INS/GPS组合导航方法,结果表明该方法能有效地减小有色噪声对组合系统的影响,且当GPS暂时失效时,能显著提高系统的导航精度。     

基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4％,大大提升了计算效率.     

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。     

应用时变参数建模方法辨识时变模态参数

 应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次, 通过时变的伯格尔( Bur g) 算法对时变的自回归(AR) 模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识, 验证了辨识方法的有效性。     

直升机悬停状态全耦合飞行动力学模型辨识方法

提出了一种基于集员辨识理论的直升机全耦合飞行动力学模型参数辨识方法.该方法针对直升机飞行动力学模型耦合强,难以得到辨识模型和待辨识参数之间显式函数关系的特点,推导并建立了状态空间微分方程形式模型集员辨识的间接辨识算法.通过引入广义噪声的概念以及对其边界的灵活设定,实现了对辨识参数众多、耦合严重且灵敏度差异大的复杂模型的...     

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。     

数字化试飞平台下基于PSO的某型初级教练机飞行品质参数辨识试飞工程方法研究

飞机飞行品质系统辨识是根据飞机系统的输入和输出响应时间历程求取该系统的数学模型及模型中的各参数的过程.本文给出一种在飞行试验中辨识飞机飞行品质短周期模态特性参数辨识试飞工程方法,首先应用连续域等效低阶系统传递函数来描述飞行品质模态特性系统,然后采用基于粒子群算法(Particle Swarm Optimization,PSO)的离散递推最小二乘算法,建立待估参数准则函数,通过极小化待估参数准则函数,求得参数的估计值,最后对辨识的模型进行验证.仿真算例表明该方法具有良好的收敛性和跟随性.     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

一种系统辨识的递阶算法及其在飞机颤振试飞中的应用

在研究协方差矩阵特性的基础上 ,给出一种最小二乘辨识系统的递阶算法。该算法与自回归模型参数辨识的Levinson方法相似 ,利用协方差矩阵的特性,由低阶模型参数递阶算出高一阶的参数,用阶次辨识方法确定模型阶次。避免了最小二乘系统辨识批处理方法中的高阶矩阵求逆及最小二乘系统辨识递推算法中的循环修正,提高了计算的效率。该辨识方法成功地应用于飞机颤振特性的辨识。     

Operational modal parameter identification with colored noise excitation

Operational Modal Analysis (OMA) refers to the modal analysis of a structure in its operating state. The advantage of OMA is that only the output vibration signal of a system is used in the analysis process. Classic OMA is based on the white noise excitation assumption and many identification methods have been developed in both time domain and frequency domain. But in reality, many environmental excitations are not compliance with the white noise assumption. In this paper, a method of half power bandwidth analysis is applied to power spectrum analysis to deal with the colored noise and trapezoidal spectral excitation. The modal frequencies and modal damping ratios are derived and the error caused by trapezoidal spectral and colored noise excitation are analyzed. It is proved that the OMA algorithm based on the white noise assumption can be extended to the colored noise environments under certain conditions. Finally, a simulation example with a cantilever beam and a vibration test with four kinds of colored noise and trapezoidal spectrum base excitation are carried out and the results support the proposed method.     

紊流风场下的无人机飞行状态卡尔曼滤波估计

为了模拟紊流风场下的无人机飞行状态响应,减小紊流风场对无人机飞行速度的影响,使用数值法建立了紊流风场有色噪声模型,生成了符合大气紊流相关特性的紊流风场并对其进行数值仿真。在此基础上,通过状态扩增处理将系统噪声白化,设计出一种基于有色噪声的无人机飞行速度卡尔曼滤波器,该滤波器解决了基本卡尔曼滤波仅适用于白噪声的情况。仿真结果表明,使用此滤波器可有效减小紊流风场对无人机飞行速度的影响,进而满足飞行速度控制输入的精度要求。     

用逐步扩阶双递推时域法识别线性振动系统复模态参数

本文给出了从线性振动系统的自由响应识别该系统复模态参数的方法,把自由响应的表达式变为一个自回归方程和一个多项式方程,利用最小二乘递推与逐步扩阶递推的双递推法来进行参数识别。文中讨论了几个应用中的问题,并给出了计算机的模拟计算结果以及越野汽车车架的参数识别试验结果。     

Longitudinal parameter identification of a small unmanned aerial vehicle based on modified particle swarm optimization

This paper describes a longitudinal parameter identification procedure for a small unmanned aerial vehicle(UAV)through modified particle swam optimization(PSO).The procedure is demonstrated using a small UAV equipped with only an micro-electro-mechanical systems(MEMS)inertial measuring element and a global positioning system(GPS)receiver to provide test information.A small UAV longitudinal parameter mathematical model is derived and the modified method is proposed based on PSO with selective particle regeneration(SRPSO).Once modified PSO is applied to the mathematical model,the simulation results show that the mathematical model is correct,and aerodynamic parameters and coefficients of the propeller can be identified accurately.Results are compared with those of PSO and SRPSO and the comparison shows that the proposed method is more robust and faster than the other methods for the longitudinal parameter identification of the small UAV.Some parameter identification results are affected slightly by noise,but the identification results are very good overall.Eventually,experimental validation is employed to test the proposed method,which demonstrates the usefulness of this method.     

Modeling and parameter identification of linear time-varying systems based on adaptive chirplet transform under random excitation

In this paper, a time–frequency algorithm based on adaptive chirplet transform for parameter modeling and identification of Linear Time-Varying (LTV) systems under random excitation is presented. It is assumed that the solution of responses of LTV structures is expressed as the sum of multicomponent Linear Frequency Modulated (LFM) signals in a short-time. Then the measured acceleration response is used to perform the adaptive chirplet transform, in which an integral algorithm is employed to reconstruct the velocity and displacement responses. The vibration differential equation with time-varying coefficients is transformed into a simple linear equation. Furthermore, for systems under random excitation, the input–output relation based on correlation function is also derived to estimate the parameters including physicals parameters and instantaneous modal parameters. The full procedure of the method is presented and validated by using simulated responses. The results show that the presented method is accurate and robust for various LTV systems under random excitation.     

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。     

Identification of the state-space model and payload mass parameter of a flexible space manipulator using a recursive subspace tracking method

The on-orbit parameter identification of a space structure can be used for the modification of a system dynamics model and controller coefficients. This study focuses on the estimation of a system state-space model for a two-link space manipulator in the procedure of capturing an unknown object, and a recursive tracking approach based on the recursive predictor-based subspace identification (RPBSID) algorithm is proposed to identify the manipulator payload mass parameter. Structural rigid motion and elastic vibration are separated, and the dynamics model of the space manipulator is linearized at an arbitrary working point (i.e., a certain manipulator configuration). The state-space model is determined by using the RPBSID algorithm and matrix transformation. In addition, utilizing the identified system state-space model, the manipulator payload mass parameter is estimated by extracting the corresponding block matrix. In numerical simulations, the presented parameter identification method is implemented and compared with the classical algebraic algorithm and the recursive least squares method for different payload masses and manipulator configurations. Numerical results illustrate that the system state-space model and payload mass parameter of the two-link flexible space manipulator are effectively identified by the recursive subspace tracking method.