陀螺加速度计交叉二次项的线振动台测试方法

为了提高陀螺加速度计的标定精度,有必要对交叉二次项进行精确的标定。提出了一种陀螺加速度计交叉二次项在精密线振动台上的测试方法,通过分析陀螺加速度计的测试原理建立了包含交叉二次项的误差模型。利用分度头将陀螺加速度计翻滚到不同的位置,测量陀螺加速度计进动整周期的相关时间参数和输出数据。通过计算加速度计模型输出与平均角速率积分之间的关系,准确辨识出陀螺加速度计误差模型中的各误差项系数。该方法可以有效抑制陀螺加速度计的输出误差,提高标定的精度。最后通过仿真分析,验证了该方法可以准确辨识出陀螺加速度计的二次项、交叉二次项等高阶误差项系数,辨识精度达到了10~(-7),进一步提高了陀螺加速度计在线振动台上的标定精度。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

基于自回归与最小均方理论的振动环境下 光纤陀螺仪滤波方法

针对振动应力下光纤陀螺产生测量误差增大的问题,从振动对光纤环的影响机理出发,分析了振动应力下光纤陀螺干涉信号的表现形式,提出了基于自回归最小均方滤波理论的光纤陀螺滤波方法,将AR模型的平稳性和最小均方根滤波的自适应性相结合,提取平稳数据的特性参数,对高频信号进行滤波,降低非互易相移产生陀螺角速度误差值的干扰.试验表明,该方法简单可行,有效地降低了振动应力下光纤陀螺输出信息的噪声,抑制了由振动引起的陀螺漂移.     

一种双捷联冗余控制系统陀螺故障诊断方法

针对6个双自由度陀螺构成的运载火箭双捷联控制系统,综合硬件冗余和解析冗余的优点,设计了一种先进的陀螺故障诊断方法;利用神经网络观测器技术,解决了硬件冗余无法解决的故障诊断问题,克服了传统解析冗余的局限性;运用故障阈值的自适应调节,提高了故障诊断的鲁棒性,实现了故障陀螺的数据恢复。     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

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UKF的共轴式无人直升机模型辨识

建立了共轴式无人直升机系统非线性模型,并针对其非线性强,不同飞行模态下气动参数差异等问题,将无迹卡尔曼滤波(UKF)引入共轴式直升机系统非线性模型辨识,不但避免了直升机线性模型仅仅适用于悬停模态的局限性,同时为直升机系统在线自适应控制提供了基础条件,使得共轴式无人直升机自主全包线飞行成为可能.以北京航空航天大学FH-1共轴式无人直升机为例进行了仿真辨识实验.实验结果表明基于该方法的共轴式直升机在线非线性模型辨识不依赖于参数初值的选取,模型参数能在10s内收敛,各状态量辨识精度达到80%以上,明显高于传统的预报误差法(PEM),具有一定的实用性.      

基于压缩感知的叶端定时信号参数辨识方法

叶端定时技术作为一种非接触式测量手段,在实际应用中的主要问题之一是测量信号欠采样。压缩感知方法是解决信号欠采样问题的有效手段,但由于求解过程中引入了正则化项,在提高稀疏度时,降低了幅值重构精度,而转子叶片振动幅值参数的准确辨识对于叶片动应力重构具有重要意义。将叶片振动方程设计矩阵与压缩感知字典相结合,在不依赖先验信息的条件下对叶片振动参数进行辨识。首先,根据振动方程设计矩阵形式及关注的最大振动频率,构造压缩感知字典;其次,通过叶端定时信号稀疏表示中的非零元素所在位置,从压缩感知字典中提取对应原子构成设计矩阵进而求得振动参数;接着,叶端定时（BTT）模拟仿真结果表明,所提方法可有效辨识叶片单模态、多模态振动参数;最后,开展旋转叶片振动测试试验,同时利用应变片和叶端定时系统采集振动信号,结果表明,与应变片测量结果相比,提出的方法振动频率辨识相对误差仅为0.14%;对比4个叶片的位移-应变传递比,其中偏离均值的最大百分比仅为2.15%。     

MEMS陀螺零偏温度补偿模型研究

针对MEMS陀螺工作易受温度变化影响、角速度测量输出误差大、预热时间长的问题,通过大量实验数据分析、总结规律,建立了零偏温度补偿模型,并结合最小二乘法利用多元线性回归技术对模型参数进行了辨识。对比零偏温度补偿前后的试验结果表明,经过补偿后的MEMS陀螺不但测量精度得到提高,其工程应用稳定性也得到增强。     

船舶推进永磁同步电机参数在线辨识方法研究

永磁同步电机(PMSM)因其优良的转矩特性和宽广的调速范围而广泛应用于船舶电力推进领域。无位置传感器控制是系统可靠运行的重要保障。然而由于温度变化、磁场饱和效应和磁路交叉耦合作用,电机参数会随运行工况而发生变化,因此实时掌握PMSM运行参数是决定系统控制质量的重要保障。针对以上问题,将模型参考自适应法用于PMSM参数的在线辨识,运用RungeKutta方法建立满秩可调模型,依据Popov超稳定性定理推导出自适应律,最后利用搭建的试验测试平台进行算法的试验验证。仿真和试验结果表明提出的在线参数辨识算法可以准确、实时地辨识出电机参数。     

扰动线运动对惯性系粗对准影响分析及优化方法

针对扰动线运动对惯性系粗对准精度影响较大的问题，通过分析惯性体坐标系下重力加速度积分矢量的物理含义，给出了受扰动线运动影响的惯性系粗对准的误差分析。并在此基础上提出了基于位移积分矢量构造定姿矢量矩阵的抗扰动粗对准算法，利用对速度积分矢量进一步积分得到的3个时间点的位移积分矢量构建姿态解算矩阵，抑制扰动线运动对粗对准精度的影响。仿真结果表明，该算法可有效减小扰动线运动影响下的对准结果振动幅值，能够快速收敛到满足精对准使用的精度范围，从而提高武器装备环境适应性。     

扰动线运动对惯性系粗对准影响分析及优化方法

针对扰动线运动对惯性系粗对准精度影响较大的问题,通过分析惯性体坐标系下重力加速度积分矢量的物理含义,给出了受扰动线运动影响的惯性系粗对准的误差分析。并在此基础上提出了基于位移积分矢量构造定姿矢量矩阵的抗扰动粗对准算法,利用对速度积分矢量进一步积分得到的3个时间点的位移积分矢量构建姿态解算矩阵,抑制扰动线运动对粗对准精度的影响。仿真结果表明,该算法可有效减小扰动线运动影响下的对准结果振动幅值,能够快速收敛到满足精对准使用的精度范围,从而提高武器装备环境适应性。     

基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。     

基于信度规则库的惯性平台健康状态参数在线估计

 实时准确的健康状态预测是规划惯性平台系统及时、经济的维修策略的关键技术。由于平台系统的健康状态是不能够直接观测的,假设平台系统的特征参数监测数据是可以获取到的,而且平台系统的健康状态与特征量是相关的。基于信度规则库(BRB),以平台系统的状态监测特征参数作为BRB系统的输入,以平台的健康状态作为输出结果,组建了惯性平台健康状态预测系统。为了克服现有BRB参数优化方法的不足,实现实时状态预测,基于期望最大化(EM)算法,研究了健康状态预测系统的参数在线估计算法。该算法在获取系统新的输入输出信息后,就对参数进行更新。利用本文提出的方法对惯性平台系统的健康状态实时预测问题进行了实验分析,实验结果表明：该方法可以有效地实现惯性平台系统健康状态预测模型参数实时估计;与参数离线优化方法相比,该方法不仅在预测精度上,而且在运行时间上都具有明显的优势;在工程实际中有良好的应用潜力。     

带有空间机械臂的航天器系统惯性参数辨识

针对航天器惯性参数在轨辨识问题,文章以空间机械臂为研究对象,建立了带有空间机械臂的航天器系统动力学模型,并进行了空间机械臂的动力学分析。通过规划一种复杂的空间机械臂的运动轨迹,对机械臂各关节施加合适激励的方法,使空间机械臂做充分可变构型运动。该运动会改变航天器系统的惯性分布,从而引起航天器系统速度变化。然后,通过ADAMS(Automatic Dynamic Analysis of Mechanical Systems,机械系统动力学自动分析)软件建模测量这些速度变化,计算出空间机械臂的惯性变化,进而基于动量和动量距守恒的方法建立线性回归方程。最后,通过应用递推最小二乘法解线性回归方程组,辨识出了航天器的惯性参数。仿真分析结果表明了所辨识的航天器惯性参数的有效性和准确性。     

Longitudinal parameter identification of a small unmanned aerial vehicle based on modified particle swarm optimization

This paper describes a longitudinal parameter identification procedure for a small unmanned aerial vehicle(UAV)through modified particle swam optimization(PSO).The procedure is demonstrated using a small UAV equipped with only an micro-electro-mechanical systems(MEMS)inertial measuring element and a global positioning system(GPS)receiver to provide test information.A small UAV longitudinal parameter mathematical model is derived and the modified method is proposed based on PSO with selective particle regeneration(SRPSO).Once modified PSO is applied to the mathematical model,the simulation results show that the mathematical model is correct,and aerodynamic parameters and coefficients of the propeller can be identified accurately.Results are compared with those of PSO and SRPSO and the comparison shows that the proposed method is more robust and faster than the other methods for the longitudinal parameter identification of the small UAV.Some parameter identification results are affected slightly by noise,but the identification results are very good overall.Eventually,experimental validation is employed to test the proposed method,which demonstrates the usefulness of this method.     

随钻用光纤陀螺惯导系统振动误差建模与辨识

随钻振动工作环境下,针对惯导系统传统的线性器件误差模型不能适用于线振动工作环境的问题,提出了适用于振动条件下的高阶器件误差模型。通过分析二次项误差在静止与振动状态下的误差传播特性,得出加速度计二次项误差为线振动中主要误差项,建立包含加速度计二次项误差的36阶Kalman滤波器。与传统33阶误差模型相比,36阶误差模型可以有效分离和辨识器件误差。最后,在线振动状态下进行导航验证。结果表明,补偿了二次项误差之后的导航误差得到了大幅优化,速度误差由50m/s减小至2.2m/s,位置误差由90000m减小至2000m,姿态误差由0.7°减小至0.01°。     

Force measurement using strain-gauge balance in shock tunnel based on deep learning

When a force test is conducted in a shock tunnel, vibration of the Force Measurement System (FMS) is excited under the strong flow impact, and it cannot be attenuated rapidly within the extremely short test duration of milliseconds order. The output signal of the force balance is coupled with the aerodynamic force and the inertial vibration. This interference can result in inaccurate force measurements, which can negatively impact the accuracy of the test results. To eliminate inertial vibration interference from the output signal, proposed here is a dynamic calibration modeling method for an FMS based on deep learning. The signal is processed using an intelligent Recurrent Neural Network (RNN) model in the time domain and an intelligent Convolutional Neural Network (CNN) model in the frequency domain. Results processed with the intelligent models show that the inertial vibration characteristics of the FMS can be identified efficiently and its main frequency is about 380 Hz. After processed by the intelligent models, the inertial vibration is mostly eliminated from the output signal. Also, the data processing results are subjected to error analysis. The relative error of each component is about 1%, which verifies that the modeling method based on deep learning has considerable engineering application value in data processing for pulse-type strain-gauge balances. Overall, the proposed dynamic calibration modeling method has the potential to improve the accuracy and reliability of force measurements in shock tunnel tests, which could have significant implications for the field of aerospace engineering.     

平台自标定技术综述

误差标定及补偿是提高惯性系统实用精度的重要手段,尤其是平台使用前一次通电过程中的自主标定,由于排除了多次通电不重复性误差,更显示出十分理想的补偿效果。另外,平台自主标定摆脱了地面设备及其操作过程,包括能实现自主对准,对载体的机动性有重大意义。对目前的自标定技术进行了总结,主要对自标定中的标定模型、标定位置选择和参数辨识方法进行了分析,分析了自标定技术的研究重点和难点,展望了自标定技术的研究前景,指出了一种新的自标定技术研究方向——连续自标定方法。     

空间非合作目标惯性参数的Adaline网络辨识方法

空间在轨操作中,航天器在对空间非合作目标的抓捕行动常常导致航天器本体的姿态和空间轨迹发生变化。为克服空间非合作目标对航天器本体动力学、运动学的影响,使控制系统做出精准及时的姿控策略调整,确保航天器正常在轨工作和轨迹姿态的高精度,需对抓捕的非合作目标的惯性参数进行辨识。针对传统辨识方法依赖广义逆求解导致的辨识过程运算量大,且数值容易产生剧烈振荡,造成辨识结果不稳定等不足,采用基于归一化最小均方（NLMS）准则的Adaline神经网络方法进行空间非合作目标惯性参数的辨识。首先,基于动量守恒理论建立抓捕后的航天器-机械臂-空间非合作目标系统模型;然后将辨识方程的系数矩阵作为网络的输入和输出,空间非合作目标的惯性参数作为神经网络的训练权重,基于迭代步长可变的NLMS准则实现对目标惯量参数的快速、准确辨识;最后,在构造的ADAMS/MATLAB联合仿真平台上进行了验证。仿真结果表明,基于NLMS准则的Adaline神经网络是一种快速、准确辨识目标惯量参数的有效方法。