基于RBF神经网络的FADS系统及其算法研究

以典型的十字形布局的大气数据传感系统及其跨声速应用为研究对象,基于RBF神经网络,设计了新的FADS算法和故障检测处理方法。将测压点按不同功能进行精细的划分和组合,形成更加精简、目的性更强且相互独立的RBF网络处理子模块,利用各子网络模块提供的冗余特性,使用基于故障特征向量表的方法,实施简单而有效的故障检测与处理。仿真验证表明,迎角与侧滑角的测量误差不大于0.5°,且故障检测是有效的。     

一种改进的基于双矢量观测的姿态确定算法

为了提高飞行器姿态确定的精度和姿态矩阵的解算速度,提出了一种改进的双矢量定姿算法.这种算法利用测量系统的方差对两个观测矢量进行加权处理,求得一个新的矢量,以两观测矢量夹角为判断依据选取加权系数;以新矢量为基准矢量,利用双矢量定姿算法求解姿态矩阵,并对求得的姿态矩阵进行修正.仿真结果表明:这种算法所需时间为优化算法的50%,当两个传感器测量误差不同、两矢量为任意夹角时,这种算法比优化的双矢量算法精度高;当两个传感器测量误差相同时,除了两矢量夹角为90°外,这种算法均比优化的双矢量算法精度高.     

一种改进的直接转矩控制算法

分析了转矩角与定转子磁链角速度及电机速度的关系,提出一种新的直接转矩控制算法.通过转矩角增量和定转子磁链的位置,计算出补偿转矩和定子磁链的参考电压矢量,基于空间矢量调制技术实现对逆变器电压状态的控制,改善了系统的性能.给出了仿真结果,证明了算法的合理性和有效性.     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

基于电动舵机的健康仿真与评估方法研究

综述了国内外开展飞行器健康相关研究的现状,强调了考虑渐变过程对于健康仿真的重要性。以某型飞行器电动舵机为研究对象,建立了舵机系统的非线性仿真模型。通过分析组成电动舵机各个环节的健康模式与模型参数的映射关系,阐述了建立健康模型开展健康仿真的方法,并结合测点仿真数据和多维向量相似度、遗传算法的原理,提出了健康指标的计算和优化方法,达到健康评估的目的。最后,以simulink环境下的仿真实例对上述方法的可行性进行了初步验证。     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.      

Integration of high-fidelity model of forward variable area bypass injector into zero-dimensional variable cycle engine model

Forward Variable Area Bypass Injector (FVABI) is one of key components which contributes to modulate the cycle parameters of Variable Cycle Engine (VCE) under various operation conditions. The modeling method of zero-dimensional FVABI was reviewed and its deficiency was analyzed based on FVABI flow characteristic. In order to improve the accuracy of VCE performance simulation, the high-fidelity modeling method of FVABI was developed based on its working characteristics. Then it was coupled with the zero-dimensional VCE model and the multi-level VCE model was built. The results indicate that the geometric and aerodynamic parameters can affect the interaction between the two airflows and the zero-dimensional FVABI model is too simple to predict the component performance accurately, especially when the FVABI inner bypass is chocked. Based on the performance curves for single bypass mode and the regression model of multi-scale support vector regression for double bypass mode, the high-fidelity model can predict FVABI performance accurately and rapidly. The integration of high-fidelity FVABI model into zero-dimensional VCE model can be done by adjusting iterative variables and balance equations. The multi-level model has good convergence and it can predict VCE performance when the FVABI inner bypass is chocked.     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。