非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

径向基神经网络在非线性非定常气动力建模中的应用研究

基于南航NH-2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航-滚转耦合的谐波、阶跃运动实验数据,应用径向基神经网络,研究人工神经网络描述非线性非定常气动力特性的能力.研究结果表明,所建立的径向基神经网络模型的预测结果与训练数据和验证数据都符合得很好,说明神经网络建模方法可以有效地对高度非线性的气动力进行建模.研究还表明,用神经网络建立模型时所需要的风洞实验数据可以减少,从而提高风洞实验效率、减少风洞实验的时间和成本.     

非定常气动力非线性微分方程建模方法

为准确描述过失速机动中非定常气动力特性,研究了以非线性微分方程为基本结构的非定常气动建模方法.基于动力学系统建模思想,分析揭示该模型的物理机理,并发展和改进了基于风洞强迫振荡试验的模型参数辨识方法:基于小振幅试验数据,采用线性回归参数辨识方法辨识确定气动模型中特征时间常数等线性参数;基于大振幅试验数据,采用遗传算法全局...     

大迎角非定常气动力建模方法研究

以战斗机俯仰机动为例,建立了飞机大迎角非定常气动力模型,包括非线性代数模型、Fourier函数分析模型、状态空间模型、差分方程模型以及模糊逻辑模型.并用SDM标模大振幅俯仰振荡非定常气动力风洞试验数据对模型参数进行了辨识,验证了模型的有效性.从模型物理意义、参数辨识难易程度及模型通用性和精确度等方面对几种非定常气动力模型进行了比较研究.     

多变量非线性非定常气动力的模糊逻辑模型

应用模糊逻辑算法，建立了带升降舵偏角影响的非线性非定常气动力模型逻辑模型，并进行了验证，结果表明：所建立的非定常气动力模型逻辑模型有较强的预测能力，此方法为今后建立多变量、复杂运动的非线性非定常气动力学数学模型，提供很好的借鉴。     

大迎角非定常气动力建模与模型比较

应用系统识理论,以６００ 三角翼纵向俯仰运动为例,在频率域内建立了基于Ｆｏｕｒｉｅｒ变换法的非定常气动力数学模型及非线性代数模型,在时间域内建立了基于Ｆｏｕｒｉｅｒ反变换法及数据库法的阶跃函数模型。用大振幅非定常实验数据进行模型参数辨识。本文主要对Ｆｏｕｒｉｅｒ变换模型初值的选取进行讨论,并对所建立的几种数学模型进行比较。结果表明,基于Ｆｏｕｒｉｅｒ变换法的数学模型,有明确的表达式,拟合结果较好;非线性代数模型表达式简单,便于应用,但对于不同实验模型,表达式不同;基于Ｆｏｕｒｉｅｒ 反变换法的阶跃函数模型,表达式复杂,而且当时间趋于零时,计算误差较大;基于数据库法的阶跃函数模型没有明确表达式,但其精度较高,可以用于对其他模型结果的比较。     

基函数宽度对RBF神经网络气动力模型精度的影响研究

将带输出反馈的RBF（recursive radial basis function, RRBF）神经网络用于构建非定常气动力模型,能够得到一种动态非线性气动力降阶模型（reduced order model, ROM）。隐含层神经元的基函数宽度是该气动力模型的一个重要参数。为了研究基函数宽度对RRBF神经网络的影响,首先通过数学分析和计算仿真研究了训练过程中宽度与神经网络结构之间的关系,而后用NACA0012翼型俯仰运动作为算例,研究模型在不同训练信号、延迟阶数和流动状态的情况进行测试。测试结果表明,基函数宽度对此类非定常气动力模型的稳定性及泛化能力都有较大影响;最优宽度的选择随训练及预测信号的变化有所不同;较多样本时,通常选择55~75的宽度能够保证非定常气动力模型具有较高的预测精度。通过对随机俯仰运动样本的预测结果,验证了宽度的最优选择范围。     

飞机大迎角非定常气动力建模研究进展

准确建立非定常气动力数学模型,是飞机大迎角飞行控制律设计、飞行动力学分析和飞行仿真的基础与前提。鉴于此,对大迎角非定常气动力建模研究进展,包括数学建模方法和人工智能建模方法两类进行了系统综述。其中：数学类建模方法是以对非定常流动现象和机理认识为基础的,主要有气动导数模型、非线性阶跃响应模型、状态空间模型、微分方程模型、非线性阶跃响应与状态空间混合模型以及迎角速率模型等;人工智能方法回避了复杂流动机理,属于黑箱非线性系统建模,主要有神经网络模型、模糊逻辑模型和支持向量机模型等。对于每种气动力模型,阐述了其建模思路和方法,给出了典型应用情况,并对其特点和局限性作了简要评述。最后,指出了当前大迎角非定常气动力建模研究工作存在的问题和未来研究方向。     

基于状态空间法的横航向非定常气动力建模

建立了大迎角下横航向非定常气动力的状态空间法的模型,并依据某战斗机的大迎角、大振幅单自由度偏航、滚转及偏航-滚转耦合运动的风洞实验数据,对状态空间模型进行结构辨识与参数估计。最后得到的模型辨识结果和预测值均与实验数据符合得很好,表明所建立的此种状态空间法的模型能准确地描述大迎角横航向非线性、非定常的气动力特性。此外,还得到了不同运动类型的特征时间常数。     

非定常自由来流对飞机模型气动特性的影响

在国内首座非定常风洞中，研究了不同幅值、不同频率脉动的非定常自由来流对飞机模型气动特性的影响。结果表明，当来流减速时，升力系数增加，当来流加速时，升力系数减小；随着迎角的增大，非定常自由来流对升力系数的影响增大；当来流脉动频率一定时，随脉动幅值的增大，升力系数增大；当脉动幅值一定时，随脉动频率增大，升力系数增大。因此在研究飞机机动飞行的同时，考虑飞行速度变化的影响是十分必要的。     

基于增量学习的非定常气动力参数化降阶模型

气动降阶模型（ROM）是预测非定常气动力的有效工具,具有高精度和低计算成本的优点,近年来许多研究证实了该方法的有效性。但是关于飞行参数变化时,ROM的鲁棒性还需要进一步提高。为了提高ROM对不同飞行参数下的气动力预测能力,提出了基于最小二乘支持向量回归（LS-SVR）和增量学习算法的参数化降阶模型。LS-SVR是一种具有良好泛化能力的回归方法,基于LS-SVR的增量学习算法的主要贡献是在增加新样本集时,不需要重新学习整个数据集。为说明该方法的有效性,基于两自由度NACA64A010翼型构建参数化非定常气动力降阶模型。为了训练气动力输入和相应输出之间的关系,将马赫数和迎角作为附加的模型输入。仿真结果表明,该降阶模型能够准确描述气动力和气动弹性系统在不同飞行参数下的动态特性。     

建模变量对非定常空气动力数学模型的影响

在某飞机大振幅偏航、滚转单自由度运动风洞试验的基础上,采用不同建模变量,用模糊逻辑方法建立滚转力矩模型,分析研究了不同变量对模型精度的影响;然后运用得到的较为合理的建模变量,采用非定常模型获取偏航-滚转耦合运动的气动力系数,并与试验结果比较,分析不同的变量组合对该模型预测精度的影响。结果表明,不论在哪种运动形式下,建模变量间的相关性都是造成模型预测精度低的主要因素。对于单自由度运动,应取α、β、ωy(ωx)为建模变量;对于耦合运动,以α、β、ωx、ωy为建模变量较好。     

基于多小波的Volterra级数非定常气动力建模方法

非定常气动力建模除了要准确描述气动力的非定常特性,还要反映其非线性特性。Volterra级数因为对系统非线性具有很强的描述能力正日益受到重视。一阶Volterra核只能表达线性特性,要建立反映非线性特性的非定常气动力模型,需要引入二阶核甚至更高阶核的影响。高阶Volterra核辨识的主要困难在于待辨识参数的数量随着核阶次的增加而呈指数增加导致计算难度急剧加大,即出现所谓维数灾难问题。以一种分段二次多小波为基函数将Volterra核展开,求解一个高维病态方程组来计算展开系数,利用小波的多分辨分析在时间和频率两个维度的分解特性将方程降维,最终将问题转化为求解一个低维方程组得到稳定解。通过NACA0012翼型在马赫数0.8下作沉浮运动时,升力系数、阻力系数和俯仰力矩系数的二阶核和三阶核的辨识构建非定常气动力模型,然后由此计算不同减缩频率下的气动力并与CFD结果进行比较,验证了Volterra级数对非线性非定常气动力的描述能力和多小波处理方法的有效性。     

扑翼飞行器非定常气动特性研究

为了研究复杂的非定常运动状态下扑翼飞行器翅翼的气动特性,针对自行研制的一种仿鸟扑翼飞行器建立了翅翼二维非定常空气动力学模型.基于该模型,通过用MATLAB编制计算升力系数和推力系数的程序,计算并分析了各运动参数对升力和推力特性的影响.结果表明,相位差对推力系数的影响较大,而升力系数随迎角的变化较快.     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达96.8%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。