非线性飞机参数化模型与控制有效率的实时检测

针对非线性飞机方程的控制有效率进行了故障检测与诊断，通过将吹风表格数据处理成一种参数化非线性函数，找出了飞机状态量与控制律分离的控制有效率表达式和检测方法，算法中将检测结果与对应故障模式进行了分类处理，提高了算法的鲁棒性，最后用飞机的实例进行了仿真验证，结果表明，该算法具有较高的检测精度和较快的检测速度。     

飞行器动态稳定性参数的数值计算方法

本文提出了一种确定飞行器动态稳定性参数的数值方法。本文首先研究了气动力与飞行器运动状态参数之间的关系，在此基础上给出了稳定性参数的定义。根据这一定义并结合计算流力学和参数辨识方法，构造了计算飞行器稳定性参数的完整数值方法，数值实验表明，该方法具有通用性强和准确度较高的优点。     

抗荷阀-抗荷服系统动态模型结构研究

 通过理论分析和系统辨识方法研究了 4种不同型式抗荷阀—抗荷服系统的动态响应特性 ,分别建立了机械式、混合式和电磁式抗荷阀—抗荷服系统的动态模型 ,并说明了三者模型结构之间的内在联系。     

多变量系统参数辨识的相关分析法

 <正> 近20年来,线性系统的辨识和参数估计的研究工作得到了迅速发展。系统辨识的方法主要有:最小二乘法、广义最小二乘法、推广最小二乘法、多级最小二乘法、辅助变量法、随机逼近法、极大似然法以及相关分析法等。在这些方法中,相关分析法是一种公认最有效的算法。1974年,Iserman、Saridis和Sinha等人通过若干数值算例证实     

涡轮发动机平衡流形展开模型辨识方法研究

 根据涡轮发动机平衡流形展开模型的特点提出了两步建模方法。将复杂非线性建模转化为静态参数拟合和带约束条件的动态参数最小二乘辨识，根据单轴涡喷发动机气动热力模型辨识算例证明了方法的有效性。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

ARMAX模型参数估计的新两步法

 本文提出了一种ARMAX模型参数估计的新两步法。这种方法与其它递推估计方法（如增广矩阵法,极大似然法,Durbin两步法、三步法等）比较,具有较好的收敛特性,对参数的估计,特别是对C参数的估计比较精确,这是利用其它方法,一直未能很好解决的一个难题。     

一种数字调制方式自动识别算法

介绍了利用6个特征参数对7种数字调制方式进行调制方式的自动识别模型算法及仿真结果,表明所提出的自动识别算法能够很好的识别出各种数字调制信号,同时具备算法简单、速度快和准确率高的优点。     

脑力负荷与目标辨认

研究虚拟战斗机驾驶员飞行过程中涉及的监视、计算记忆、攻击和探测4项任务,通过改变工作的快慢节奏来影响脑力负荷,以正确反应率和反应时间来评价和分析被测试者在不同脑力负荷下对目标颜色、形状和位置的辨认情况,为人机界面设计目标编码及确定目标呈现时间提供科学依据;使用脑电图仪测量实验过程中被测试者的生理反应来评价脑力负荷与任务难度的关系.实验结果表明:在需要分配注意力的情况下,人对实验分别选取的3种颜色和形状的辨认不受脑力负荷大小的影响,脑力负荷大小影响人对不同位置的目标辨认;人的目标辨认显著受到目标呈现时间的影响,目标呈现时间越长,反应时间越长;脑电图在一定程度上波的频率和高振幅波能反应脑力负荷大小.     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。