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。     

基于DNN的飞机俯仰运动响应预测研究

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

飞机短周期运动参数的神经网络辨识

本文提出了一种用馈神经网络辨识飞机短周期运动参数的新方法。该方法的特点是不需要预先假定模型，只需要用获得的飞行数据训练一前馈馈神经网络，就可以用这个网络直接辨识参数的值。模拟飞行数据的仿真结果证明所提出的方法是有效的并且具有较好的鲁棒性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

基于RBF神经网络的航空发动机起动模型辨识与仿真

为解决基于气动热力学方程建立发动机起动模型时存在的困难,本文以某型发动机起动调整试验的试车数据为样本,使用径向基函数(RBF)神经网络对在某一大气条件下的发动机起动模型进行了辨识;并使用另外一组试车数据,通过辨识模型对起动过程进行了仿真。结果表明,用RBF神经网络辨识发动机起动模型,具有方法简单、学习速度快、辨识精度较高等优点。     

基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验...     

基于模糊补偿神经网络辨识器的发动机转速控制系统

提出了一种带模糊补偿的神经网络辨识器,并应用在某型涡扇发动机转速控制系统中。一个动态神经网络用于被控装置的在线辨识,然后根据被控装置的输出和参考模型的响应迭代出控制信号,具有4条简单规则的模糊逻辑块用于提高整个系统的闭环特性。试验结果显示,对比传统的机械-液压式控制器和模拟式电子控制器,提出的控制策略具有更好的瞬变特性及抗干扰特性,同时提高了系统的过渡过程品质,保证了航空发动机对高性能指标和高控制精度的要求。      

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

基于支持向量机的航空发动机辨识模型

针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。      

固体火箭发动机瞬变参数辨识

叙述了固体火箭发动机参数辨识的方法, 以反喷管打开后瞬变过程中推进剂瞬变燃速、打开函数和喷喉收缩因子的辨识为例, 说明了瞬变参数辨识的技术。辨识采用的数学模型是零维不定常内弹道计算方程组, 这是一个非线性系统的参数辨识问题。优化方法采用阻尼最小二乘法。给出了算例, 经参数辨识准度分析, 辨识结果是合理的。      

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。     

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。     

风扇/压气机失稳辨识系统设计与验证

失速和喘振是航空发动机试验中常遇的两类气动失稳现象,为保障发动机零部件试验安全运转,必须对失速喘振信号进行在线检测控制。根据零部件试车台架的需求,设计了失速喘振辨识算法并对影响辨识算法的关键因素进行了分析,通过小型嵌入式系统为硬件平台实现了失稳辨识系统在线检测功能。该失稳辨识系统具有体积小、实时性强、抗干扰能力强的特点。在多个型号零部件试验件的应用表明,该系统能有效识别发动机深度失速和喘振状态,满足航空发动机风扇/压气机对失速喘振在线检测控制的要求,具有较高的工程应用价值。     

极大似然法及在有控飞行器气动参数辨识中的应用

 <正> 一、引言 飞行器气动参数辨识作为系统辨识理论在航空、宇航领域的应用分支,在一些发达国 家受到了相当的重视,并且从70年代以来已形成了气动参数辨识软件包,不仅缩短了飞行器的设计、改型及性能分析的周期,并且还具有靠风洞实验或理论分析所不具备的优点。目前飞行器的气动参数辨识虽已有很大发展,但是对有控飞行器的闭环辨识问题仍未解决,分析传感器非线性因素对气动参数辨识结果的影响也不够深入。本文使用极大似然法,结合某有控飞行器的全弹道仿真数据,研究了在闭环飞行状态下进行气动参数辨识所存在的问题,分析了传感器的非线性因素对气动参数辨识的影响。     

神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上，应用神经网络技术，研究马赫数在线辨识问题，为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理，然后介绍神经网络拓扑结构的设计，并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响，进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

基于神经网络的表面热流辨识三维效应修正

在已有顺序函数法对一维、二维表面热流辨识的研究基础上,考虑到三维辨识实时性的困难,提出神经网络和顺序函数法结合的方法。在顺序函数法一维辨识结果的基础上,利用人工神经网络对热传导三维效应进行修正,从而获得峰值热流实时准确的辨识结果。为了获得更优的神经网络模型,引入粒子群算法优化神经网络的初始权值和阈值。通过数值仿真的算例测试结果可以看出,本文提出的方法对于峰值热流的辨识结果准确度在4%以内,避免了三维辨识的时间复杂性,同时具有良好的抗噪性和稳定性。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

固体燃料冲压发动机燃速的人工神经网络辨识

由于固体燃料冲压发动机(SFRJ)结构的特殊性,其燃速的预测比较困难。为探讨燃速对于不同飞行工况的依赖性,对模拟试验的结果采用BP人工神经网络进行了辨识,并将辨识结果与用最小二乘法辨识的结果进行比较。从辨识的结果来看,这种辨识方法具有精度高、处理实验数据迅速、能进行在线辨识等特点,能够较好地满足工程应用的要求。此外,在利用人工神经网络对类似的大样本系统进行辨识时,如果能采用一些数学上的处理技巧。      

微型直升机动力学建模的研究现状

从模型修改、结构分析、神经网络及系统辨识几个方面介绍了微型直升机动力学建模的研究现状,并对几种不同的建模方法进行了比较。然后,指出了系统辨识方法中存在的问题。通过讨论和比较,为微型直升机的不同建模目标提供了可供借鉴的建模方法。