基础激励下结构模态参数辨识

利用基础激励辨识结构模态参数的方法是一种在空间飞行器的研制中具有工程意义的模态分析方法。文章对这一方法做了较为系统的探讨,推导出了基础激励下频响函数的数学模型。其形式类似于传统方法中相应的公式,因而只需对测量数据稍作代数修改,即可利用现成的模态分析系统进行基础激励下模态参数的辨识。通过计算机仿真、悬臂梁试验及工程实例的综合分析,结果表明基础激励方法在工程应用中具有与其他传统方法同等的可靠程度。     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验，设计数字摄像视觉测振系统，基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程，通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型，通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比，验证了基于视觉测振工况模态试验方法的准确性，为柔性太阳翼在轨模态辨识奠定基础。     

含间隙非线性二元翼段的系统辨识

在实际包含间隙非线性的复杂结构中，由于间隙不易或无法测量，难以建立准确描述结构特性的动力学模型；即使间隙得到准确测量，也难以获得结构的标称线性系统的模态参数。为此，利用条件逆谱法和时域非线性子空间法，通过非线性系统辨识获得间隙非线性系数，同时获得非线性结构的标称线性系统的频响函数。以一个包含间隙非线性的二元翼段为例，通过数值方法模拟该二元翼段的地面振动试验，利用条件逆谱法和时域非线性子空间法开展该结构的非线性系统辨识。结果表明:两种方法均可准确地辨识结构的标称线性系统，条件逆谱法利用光滑函数近似，时域非线性子空间法利用多个分段线性函数重构，辨识得到间隙非线性系数。      

基于模型辨识的数控机床专用伺服电机位置控制

数控机床精密加工要求伺服电机具有精度高和响应快等特性,而传统的伺服控制器位置环采用的是简单的误差比例(P)控制,这种控制方法的响应性不能满足加工要求。提出一种基于模型辨识的伺服电机角位移控制方法。首先,采用最小二乘法辨识出传统闭环控制系统的模型；然后,分析模型的零、极点,根据模型特性设计补偿控制器；最后,通过试验结果说明所提方法能快速、准确地跟随系统输入。     

电传飞机低阶等效系统频域辨识新方法

针对带有复杂电传飞控系统飞机的飞行品质评估难题，提出了采用Chirp-Z方法将时域信号变换至频域，并在此基础上利用频域方程误差法（Equation error method,EEM）和输出误差法（Output error method,OEM）相结合辨识电传飞机低阶等效系统（Low order equivalent system,LOES）参数的新方法，并以低阶等效系统辨识的标准算例（F-14飞机经典算例）进行验算。结果表明本文所提出的低阶等效系统辨识新方法正确、辨识精度高，可以应用于工程实践。     

环量控制翼型非定常气动力建模

针对目前环量控制技术中射流参数与迎角对翼型气动特性的影响高度耦合，对应非定常气动力模型精度较差的研究现状，基于环量控制翼型强迫俯仰振动数值模拟数据，借助Kriging模型实现环量控制翼型的定常气动力插值，借助微分方程模型完成了适用于环量控制翼型的线性微分方程建模，采用两步线性回归参数辨识方法辨识线性微分方程模型中特征时间常数等参数，对高动量系数大振幅流动状态下的非线性影响进行修正。研究结果表明:基于Kriging模型实现的环量控制翼型定常气动力插值精度较传统气动导数模型高，建立的环量控制翼型非定常气动力模型能够精确预测不同流动状态下的气动力和力矩系数变化情况。      

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

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。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

基于CZT的变时间窗时变参数在线辨识方法及应用

针对时变参数的在线辨识问题,提出了基于CZT的变时间窗时变参数在线辨识方法,通过滑动时间窗以及基于方差阈值的重启设计,提高了现有频域辨识方法对时变参数的辨识速度,并且有效避免了数值微分对噪声的放大问题。最后,基于飞机系统的执行机构故障,对该方法进行仿真验证,并与传统辨识方法进行对比,说明了该方法对时变参数有较强的辨识能力,验证了该方法的有效性。