线性模型系数的有界影响辨识

基于采样数据的新息增量过程,本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响,提高统计推断的可靠性。     

航天器下行数据异变检测算法研究

针对航天器下行遥测数据故障检测问题,建立了相应的非平稳+异常分量模型,并借鉴采样数据新息增量过程的回归系数有界影响辨识方法,提出了航天器下行数据异常突变在线检测算法,该算法具有简捷的递推关系和良好的容错能力。实测数据结果表明,该算法可以有效地检测出航天器异常数据,并能克服异常数据的不利影响,提高在轨航天器测控过程的可靠性。     

采样数据含高频有色噪声的连续模型辨识

提出了一种采样数据中存在高频有色噪声的连续模型辨识方法,该方法通过引入积分运算,将连续时间系统的微分方程模型转换为积分方程模型,从而在辨识时使噪声的影响可以忽略,然后直接利用传统的最小二乘法估计出系统的连续时间模型参数。该方法具有较强的抗有色噪声干扰的鲁棒性、计算方法简单、参数辨识精度高等优点。仿真实例验证了该方法的有效性与可行性。     

电液负载模拟器的神经网络参数辨识

基于神经网络,提出一种根据参数上下界辨识系统参数的新方法。在建立电液负载模拟器模型的基础上,在待辨识参数的上下界内,使用神经网络对动态系统的参数进行辨识,找到一组参数使之满足对实际系统的最佳逼近,使系统在实际输入信号下能更好地复现实际系统的实际输出。并使用另一组实验数据检验辨识结果对实际系统的任意实际输入输出采样数据组的逼近程度。验证结果表明该辨识结果能很精确地逼近实际系统。该方法可用于一般复杂系统的实际参数辨识。     

重复采样情况下识别异常值的方法

为满足试验靶场设备性能分析与精度鉴定实际需要,本文全面介绍了一套用于重复采样的一维与多维异常数据的统计诊断法;利用稳健统计理论,创造性地提出了多个异常数据的“一揽子诊断”法和经验影响函数诊断法。     

基于MCMC-Gibbs采样的天波超视距雷达联合状态估计与模式辨识

天波超视距雷达(OTHR)目标跟踪面临着"三低"(低检测概率、低数据率、低测量精度)和"多路径"(多条传播路径)的严峻挑战,准确的传播模式辨识与精确的目标状态估计是改善跟踪能力的关键。针对上述问题,提出了一种基于马尔科夫蒙特卡洛吉布斯(MCMC-Gibbs)采样的OTHR联合状态估计与模式辨识算法,该算法通过MCMC-Gibbs采样求取当次迭代当前拍最优的关联矩阵,进而利用同时多量测滤波进行状态和协方差更新,最后引入联合估计与辨识风险函数寻求最优的模式辨识与状态估计结果。不同仿真参数下仿真结果表明该算法的有效性,同时该算法在径向距和方位角估计精度上均高于多路径概率数据关联算法(MPDA),但这是以计算量为代价的。     

飞机结冰在线辨识方法研究

开展飞机结冰气动特性在线辨识研究,不仅可以用于分析结冰对飞机气动特性的影响,而且对于飞机结冰在线识别具有重要的意义。近年来卡尔曼滤波和 H ∞算法在飞机结冰在线辨识中应用较多,二者均具有可靠性高、收敛快等特点,但对于噪声环境下算法的可靠性和精度评估还不够充分。本文针对飞机结冰在线辨识需求,探讨了扩展卡尔曼滤波和 H ∞算法作为结冰在线辨识算法的应用。首先通过 NASA 双水獭结冰研究飞机算例,利用扩展卡尔曼滤波和 H ∞算法,辨识双水獭飞机结冰后的俯仰方向导数,通过考虑阵风扰动和测量噪声后的仿真数据快速估计该飞机俯仰方向上的三个稳定和控制导数,并将辨识结果与参考值对比,发现两种算法均能在2s 之内快速收敛到参考值附近,且滤波得到的状态量与仿真数据吻合较好,说明算法可靠性高且收敛快,具备飞机结冰在线探测的能力。在此基础上利用不同测量噪声统计特性的仿真数据,评估测量噪声对两种算法辨识精度的影响,经分析发现随着测量噪声标准差取值增大,扩展卡尔曼滤波辨识结果精度明显降低,而 H ∞算法的辨识精度变化较小,说明扩展卡尔曼滤波辨识精度依赖于噪声先验信息的准确性,而 H ∞算法不依赖于噪声先验信息,即使数据质量较差,H ∞算法也能得到精度相当的辨识结果。     

高速自旋飞行器气动参数辨识

根据高速自旋飞行器运动的特点，发展了气动参数辨识的一种数学模型，辨识参数包括静态气动导数、气动阻尼导数和马格努斯力矩导数等。仿真算例证实了该数学模型的有效性。应用该数学模型分析处理了某高速自旋飞行器的飞行试验数据．辨识获得了其主要气动参数，并分析了若干常见误差源对气动参数辨识结果的影响。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。     

白化滤波器阶数对GLS算法辨识结果的影响

在数据长度一定的前提下,讨论了如何用GLS算法得到精度较高的辨识结果。仿真结果表明:GLS算法中白化滤波器的阶数对辨识结果有影响;如果适当选择参数,则可保证在数据长度相同的条件下,辨识精度较高。     

采用BP网络辨识航空发动机数学模型

运用ＢＰ网络和实测数据作为学习样本，对某型航空发动机的数学模型进行了辨识研究。辨识模型输出的结果与实测数据比较误差较小。这种方法收敛速度快、精度高，结果表明用ＢＰ网络辨识方法能够得到比较精确的发动机数学模型。     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

MF-1飞行试验表面热流辨识

利用物体内部测点温度辨识表面热流,是一典型热传导逆问题。利用一维表面热流辨识方法处理分析MF-1航天模型飞行试验的温度测量数据,获得了表面热流数据。辨识结果结合数值模拟预测结果可以有效地判断边界层流态变化(再层流化、转捩)发生的区域,达到了预期目标。一维辨识方法模型过于简单有其局限性,比如一维方法没有考虑到测温结构与飞行器壳体之间的横向传热,辨识结果中出现了不合理的负热流,精度不足以支持深入定量对比分析。为了克服这一缺陷,提高辨识精度,采用三维传热模型来分析处理温度测量数据、辨识表面热流,由此得到的辨识结果比一维辨识结果更加合理。在三维传热模型的表面热流辨识计算中,还考虑了接触热阻对测温部件表面温度辨识结果的影响,并通过模拟计算给出了他们的影响规律。通过这一系列分析可以看到,飞行试验中测温部件传热较为复杂,而基于精细传热模型的表面热流辨识方法可以有效获得精度较高的辨识结果。同时这也预示了这一方法在航天飞行试验中应用的潜力。     

考虑地面效应影响飞机起飞着陆过去运动模型的参数辨识

利用基于最小模型误差法和线性不连续跳跃多重打靶法基础上建立的非线性辨识法，辨识飞机起飞着陆过程飞机的非线性动态模型，对于包含复杂非线性项的动态系统，本方法可以从实际试验量测的系统非线性数据，确定飞机处于地面效应影响运动过程的系统模型，而不需要预先详细描述系统的非线性形式。     

基于H∞算法的飞机机翼结冰气动参数辨识

针对国内大型飞机结冰防护需求,开展针对大型结冰研究样机的H_∞算法参数辨识结冰探测研究。首先通过参数调节选取一组合适的H_∞算法参数,利用考虑测量噪声的结冰研究样机飞行仿真数据验证H_∞算法的辨识能力,由结果对比发现辨识算法能够跟踪飞机气动导数随结冰累积过程的变化趋势,辨识精度较高,其最大归一化平方根（RMS）误差仅为真值的11%;分析了H_∞算法对81种不同结冰累积过程的辨识能力,通过结果分析发现结冰累积时间较长且结冰速度较慢的情况辨识效果较差,结冰累积时间在100~300 s之间辨识精度较高;最后利用蒙特卡罗仿真分析了不同测量噪声大小对H_∞算法辨识精度和跟踪延时的影响,给出了3个纵向气动导数在随机误差影响下的辨识误差和跟踪延时的统计结果,发现在给定噪声标准差变化范围内,升力和俯仰力矩关于迎角的导数能够得到较为准确的辨识结果,二者的归一化平方根误差均值仅为各自真值的1.8%和4%,其预报延时均值最大仅为3 s和9.5 s。     

基于SVR方法的飞行仿真气动数据辨识及预测

气动数据的辨识是全状态飞行仿真中的关键点。辨识数据模型的有效性与完整性将直接决定飞行运动仿真的准确度并将影响后续工作的效率。由于实验获得的数据具有离散性和不完整性,往往不能获得飞机整个飞行包线内各种状态下的气动数据。分析了飞机气动参数的分布类型,提出一种基于ε-支持向量机理论的气动数据辨识及预测方法,通过对离散气动数据的曲线和曲面拟合验证了该方法的可行性、精确性和鲁棒性。     

用于气动导数辨识的试飞数据处理方法研究

飞行试验的测量环境十分复杂,未经处理的试飞数据直接用于飞机的气动导数辨识会降低辨识精度,甚至导致辨识的迭代过程发散或收敛到错误值。提出一套从野值剔除、数据平滑、时延修正到相容性检验的试飞数据处理方法,并将其应用到真实试飞数据的气动导数辨识中,通过对比分析数据处理前后的辨识过程和辨识结果,验证了本文提出的数据处理方法在改善辨识过程收敛特性和提高辨识精度上的有效性。     

Kalman滤波器在机床热误差建模中的应用

在辨识机床的热变形模型时，由于所能得到的样本数据较少且含有测量噪声，因此简单地采用传统的辨识方法效果并不理想．为此本文使用Kalman滤波器对数据进行处理以提高辨识精度．     

利用大迎角试飞数据辨识飞机气动导数

基于用局部线化代替非线性概念．探索了利用大迎角飞行试验数据辨识飞机空气动力参数问题。在准定常假设条件下，提出了迎角分割算法和时间分割算法，针对歼教七飞机的失速飞行试验数据，用最小二乘回归方法和最大似然法验证了上述大迎角参数辨识的思想，取得了较好的结果，为进一步开展大迎角参数辨识技术的工程应用奠定了基础。     

基于飞行试验的模拟器气动模型校准方法

针对模拟器客观测试标准要求及仿真模型模拟逼真度需求,提出了一种基于飞行试验的模拟器气动模型校准方法。首先,以经过预处理的飞行试验数据和模拟数据为基础分别辨识得到气动导数;然后分析两辨识结果的统计关系,以确定修正系数;最后,根据不同状态点修正系数随动压变化规律建立了修正系数插值表,达到对仿真模型进行校准的目的。飞行试验数据验证表明,校准后的仿真气动模型容差范围能满足模拟器客观测试要求,显著提高了仿真模型模拟逼真度。