改进频域子空间模态分析方法及在试飞中的应用

基于频域子空间模态参数识别方法,提出了一种适用颤振试飞数据处理的频域子空间与非线性优化相结合的模态参数识别方法。通过GARTEUR模型数据对其进行了仿真验证,结果表明,模态阻尼识别精度在5%以内。将该方法用于实际颤振飞行试验的数据处理,结果表明,通过非线性优化后能够提高模态阻尼的识别精度,且具有抗噪声能力强、密集模态识别能力强和识别速度快等优点。     

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

频域最小二乘辨识方法的参数约束条件选取

近年来,频域最小二乘(LS)辨识方法因其较小的计算量和较高的辨识精度,在模态分析尤其是飞机颤振模态分析中得到了广泛关注。在实际应用中为提高辨识精度,通常采用过拟合方法进行系统辨识,然而过高的模型阶次会引入多余的数学极点,导致稳态图中虚假模态的出现,进而影响真实模态的识别。为此,针对多输入多输出系统辨识问题,研究了两种典型参数约束条件对频域最小二乘辨识方法的不同影响,通过理论分析和数学推导解释了约束条件和虚假数学极点稳定性之间的关系。研究结果表明:适当选取约束条件有助于区分真实和虚假模态,是获得清晰稳态图的关键。最后,采用仿真算例和颤振实测数据验证了本文的结论。     

曲线拟合频域分解法在颤振试飞中的应用

研究了曲线拟合频域分解法在颤振试飞数据处理中的应用技术,讨论了由旋转部件引起的谐波分量对模态参数辨识精度的影响。对仿真信号和颤振飞行试验实际信号应用不同的数据处理方法进行对比。分析结果表明,曲线拟合频域分解法能够有效去除结构响应中的谐波分量,提高了试飞数据处理结果的准确性,具有一定的工程实用性。     

一种基于亚临界响应的颤振稳定性边界预测新方法

基于地面模态试验事先获取的结构模态参数,通过弹性机翼在气流中的亚临界响应,解算出作用在机翼上的非定常模态气动力系数。以弹性机翼的模态位移作为系统输入,模态气动力系数作为系统输出,通过辨识方法获得弹性机翼振动的气动力模型。在时域内耦合结构运动方程和气动力模型,建立基于试验数据的气动弹性稳定性分析模型。通过分析系统稳定性随动压的变化规律,获得弹性机翼的颤振稳定性特性。与经典颤振边界外推方法的主要区别在于该方法实质上只需要一次亚临界响应试验即可预测颤振临界点,可极大降低颤振试验的风险和成本。该方法既可用于颤振风洞试验,也可用于颤振试飞。     

基于气动力分段表达的颤振求解方法与模态跟踪技术的应用

在频域颤振方程的求解中,PQI法采用分段气动力的表达形式将颤振方程进行分段直接求解,避免了迭代。由于广义气动力分段插值函数PQI的构建依赖折合频率的选取,将构造的分段插值函数嵌入颤振方程中求解存在模态窜支问题,对此发展了一种基于特征值摄动理论的预测跟踪法来确定各阶模态对应的特征值随参数变化的前后对应关系。文中介绍了PQI颤振分析的基本方法,并采用P-K法进行对比分析来验证算法的计算精度,最后将发展方法应用到某飞机全机轴对称状态颤振分析中来验证算法在实际工程颤振分析中的有效性,数值结果表明该方法计算精度高,模态跟踪效果良好。     

一种基于短时机动试飞数据的动力学辨识优化方法

飞行动力学辨识算法的一个关键问题是,如何通过简单的机动获取所关心频率范围的响应特性。短时倍脉冲是一种易于实施的激励信号,兼顾试飞安全性与经济性,但与频域辨识法通常使用的扫频输入激励相比,短时机动频谱范围窄、信噪比低,一般难以得到准确的辨识结果。对如何基于短时机动飞行试验数据,提高辨识结果准确性的问题进行了研究。首先分析了经典Welch谱估计进行时域-频域转换过程中,影响非参数模型辨识精度的主要因素,提出了削减窗函数边缘缩减效应的数据预处理方法,并结合多窗口综合技术,提高频域特性辨识结果的精度。在参数化模型辨识过程中,针对有限频谱范围,提出了利用相干函数和功率谱密度加权综合,确定等效拟配的频率范围和频率节点的自适应方法,使得低阶等效拟配与输入激励信号高度相关,提高参数化模型辨识的精度、一致性和适应性。通过不同类型飞机的大量短时机动和少量扫频飞行试验数据模型辨识的工程应用示例,验证了动力学辨识优化方法算法稳定、结果准确,可满足飞行品质模态特性评价等应用需求。     

基于大气湍流激励的颤振试飞随机响应EFDD方法分析及应用

EFDD方法是近年国外提出的一种新的模态辨识分析方法。基于仿真分析研究,提出了能显著提高模态参数辨识准确度的变参数EFDD分析方法。多项试飞应用表明,利用大气湍流激励变参数EFDD分析方法,不仅有效解决了现代大中型飞机密集模态辨识问题,提高了模态参数识别准确度,而且该方法解决了飞行中无法实施人工激励的试飞问题,对现代大中型飞机的颤振试飞具有重要意义。     

模态参数识别在飞行颤振试验中的应用

 本文介绍了飞机飞行颤振试验的简况、颤振试飞数据处理的特点和一些特殊要求。简要介绍了用频域参数识别方法和时域参数识别方法识别模态频率和阻尼的基本原理和基本数学模型。文中着重介绍了为解决颤振试飞中所获得的信号的信噪比差,而又要求识别的模态阻尼值的精度比较高这个矛盾和为了尽量缩短数据分析所花费的计算时间而采取的若干措施。     

结构在环境激励下的模态参数辨识

针对传统模态辨识方法存在的缺陷,研究了工程结构在环境激励下的模态参数的辨识问题。通过各点测试数据的协方差数据构成Hankel矩阵,运用随机子空间实现进行系统矩阵的辨识。经飞机模型的环境激励分析验证,上述方法具有理想的辨识精度,在大型结构的模态辨识领域,拥有广阔的应用前景。     

Identification of reduced-order model for an aeroelastic system from flutter test data

Recently, flutter active control using linear parameter varying (LPV) framework has attracted a lot of attention. LPV control synthesis usually generates controllers that are at least of the same order as the aeroelastic models. Therefore, the reduced-order model is required by syn-thesis for avoidance of large computation cost and high-order controller. This paper proposes a new procedure for generation of accurate reduced-order linear time-invariant (LTI) models by using sys-tem identification from flutter testing data. The proposed approach is in two steps. The well-known poly-reference least squares complex frequency (p-LSCF) algorithm is firstly employed for modal parameter identification from frequency response measurement. After parameter identification, the dominant physical modes are determined by clear stabilization diagrams and clustering tech-nique. In the second step, with prior knowledge of physical poles, the improved frequency-domain maximum likelihood (ML) estimator is presented for building accurate reduced-order model. Before ML estimation, an improved subspace identification considering the poles constraint is also proposed for initializing the iterative procedure. Finally, the performance of the proposed procedure is validated by real flight flutter test data.     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

系统识别与飞机颤振

本文在简要综述了系统识别技术在飞机颤振研究中的应用后,介绍了三种系统识别方法。重点讨论了其算法要点及理论基础。对有关数据处理问题也作了适当说明。基于复模态分析和优化技术的传递函数法可以精确识别出全部模态参数,并在带外挂机翼颤振模型试验中获得成功,该法可推广到仅有响应数据的风洞与飞行试验情况。脉冲响应和自回归滑动平均模型法采用了相关和最小二乘技术,可以在较强干扰情况下得到精确结果,后者还可求出估计值与真值的协方差。两种时域方法皆可无需专用信号分析设备而直接利用测量采样数据进行系统识别。     

一种无人直升机飞行力学模型辨识方法研究

研究了一种无人直升机飞行力学模型辨识方法.将状态子空间辨识法和误差预报辨识法这两种不同机理的辨识方法相结合,用于无人直升机飞行力学模型的辨识.通过仿真计算,成功地辨识得到了悬停状态下算例无人直升机的高阶飞行力学模型.结果表明:提出的辨识方法具备状态子空间辨识法和误差预报辨识法各自的优点,不会出现经典辨识算法中寻优过程中出现的局部极小现象以及迭代带来的收敛性问题.     

某型飞机颤振试飞数据的模态参数识别

 地面模态试验表明某机型的机翼对称一阶弯曲与发动机对称俯仰频率比较接近。为了检查这两阶模态是否会在设计的飞行速度下引起颤振,在不同飞行速度下利用脉冲激励方式测量了频响函数。这组频响函数不仅在关心频段存在密集模态,而且受噪声干扰严重。采用了修正的整体正交多项式识别方法(引入额外的加权函数来降低估计的方差,分子和分母引入采用相同的正交基) , 对这组数据进行了模态分析,并利用一些先验信息和规则从拟合模态鉴别出真实模态。研究表明机翼对称一弯和发动机对称俯仰的两阶模态的频率随速度增加而趋近,两阶阻尼比均随速度增加而下降,但是在设计速度下,模态参数离颤振有较大裕量。     

采用工作模态识别法进行模态分析

对于一些大型工作结构 ,有时很难测得输入信号 ,只能单独利用实测响应数据进行工作模态识别。本文针对工程实际中的这一情况 ,首先利用响应间互相关函数同脉冲响应函数在表达形式上的相似性 ,推导出了多参考点时域工作模态复指数法 ,继而又从响应间的互相关函数入手 ,推导出了多参考点频域工作模态识别法。最后采用一飞机模型对这两种方法进行了试验验证 ,并将所得结果做了对比分析 ,结果表明 ,两种多参考点方法都能较有效地单独从实测响应数据提取结构的模态参数 ,且频域工作模态识别法比时域工作模态复指数法识别精度更高。