基于固体运载器飞试数据的风场辨识方法研究

通过飞行测量数据辨识飞行器主动段飞行过程中真实风场环境是运载飞行器分析与设计中一项必要而具有难度的工作。本文基于固体运载飞行器主发动机工作段各项可测量飞行试验数据,给出了测量数据处理和风场辨识方法,并通过某固体运载飞行器的测量数据应用并验证了本文方法的有效性。     

神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上，应用神经网络技术，研究马赫数在线辨识问题，为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理，然后介绍神经网络拓扑结构的设计，并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响，进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

基于小波包能量谱的航天器在轨泄漏漏孔形状辨识方法

为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。     

Identification method for helicopter flight dynamics modeling with rotor degrees of freedom

A comprehensive method based on system identification theory for helicopter flight dynamics modeling with rotor degrees of freedom is developed. A fully parameterized rotor flapping equation for identification purpose is derived without using any theoretical model, so the confidence of the identified model is increased, and then the 6 degrees of freedom rigid body model is extended to 9 degrees of freedom high-order model. Bode sensitivity function is derived to increase the accuracy of frequency spectra calculation which influences the accuracy of model parameter identification. Then a frequency domain identification algorithm is established. Acceleration technique is developed furthermore to increase calculation efficiency, and the total identification time is reduced by more than 50% using this technique. A comprehensive two-step method is established for helicopter high-order flight dynamics model identification which increases the numerical stability of model identification compared with single step algorithm. Application of the developed method to identify the flight dynamics model of BO 105 helicopter based on flight test data is implemented. A comparative study between the high-order model and rigid body model is performed at last. The results show that the developed method can be used for helicopter high-order flight dynamics model identification with high accuracy as well as efficiency, and the advantage of identified high-order model is very obvious compared with low-order model.     

一种基于机动辨识预测的空空导弹导引律

现有的空空导弹导引头在有噪声和干扰的环境下获得目标精确信息存在时间延迟,且新一代目标的机动能力更强,不对导弹加以补偿会造成较大脱靶量,所以需对目标状态有效预测。针对新一代目标规避空空导弹常用的大机动模式,为满足新一代空空导弹发展需求,设计了一种新型复合导引律。从目标自身出发,研究高机动目标规避导弹采用的典型机动形式,对机动轨迹进行离线建模,构建具有扩展能力的目标机动模型库。设计自适应滤波器对测量噪声进行降噪。同时,利用模型库设计了机动辨识预测器,对目标实际机动进行在线辨识。基于在线辨识的结果对目标机动进行预测,并对时间延迟进行补偿和修正,实现对高机动目标的精确打击。仿真结果表明:该方法对不同类型的机动目标均有较高的预测精度和命中精度。     

利用混合遗传算法的线性飞机动力学最大似然辨识

本文论述了利用混合遗传算法于线性飞机动力学特性的最大似然辨识。这种方法与其它最小化方法进行了比较，并且发现这种方法明显地优于简单的遗传算法。这种方法也与传统的ＭＮＲ（Ｍｏｄｉｆｉｅｄ Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ）方法和单一方法进行了比较。与ＭＮＲ方法相比，该方法的优点是没有必要说明初始参数估计，即不必给定参数边界。也不会遇到以最佳化技术为基础的梯度有时明显引起的数值问题。如果适用时，结合初始参数估计也是简单的。     

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。     

机电伺服系统时域辨识装置的研究与实现

应用COR-LS辨识方法研究了中功率伺服系统时域辨识问题,设计并开发出了相应的时域辨识装置。给出了整个系统的硬件实现方案,并用COR-LS辨识方法对一个中功率伺服系统实现了时域辨识。     

线性定常系统参数辨识方法研究及程序设计

叙述了线性定常系统建模的方法－最小二乘拟合法，同时介绍了在某些环节上所采用的新方法。