基于CMAC神经网络导弹的气动参数辨识

本文利用ＣＭＡＣ神经网络辨识了几个重要的空气动力参数,证明了估计误差,权误差有界,仿真结果显示了本文算法的有效性。     

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。     

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。     

气动参数辨识飞行试验研究回顾

简要地介绍了气动参数在飞机研制中的作用,获得气动参数的几种途径。着重地介绍了中国飞行试验研究院气动参数辨识飞行试验研究的历程。在古典参数辨识方法研究方面,扼要地介绍了时间矢量法和频率特性法研究和使用情况。在现代参数辨识方面,阐述了参数辩识所要研究的问题,Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ方法和最大似然法（ＭＬ）的原理及其应用,最后概要地介绍了大迎角非线性气动系数辩识方法和电传操纵飞机参数辩识方法。     

不稳定飞机气动参数辨识的一种实用方法

地是飞行器气动参数辨识最广泛采用的一种方法。但对于气动高度不稳定的飞机,辨识算法往往因状态方程组和灵敏度方程组积分发散而无法进行。为克服这一数值困难,将方程解耦技术引入输出误差法,发展了高度不稳定飞机气动参数辨识的一种实用方法－－基于方程解耦的误差法。并对某鸭式布局飞机的纵向劝仿真数据进行了辨识仿真计算,计算结果证实了所述方法的有效性。     

有控飞行器气动参数辨识研究

研究了利用极大似然理论进行有控飞行器气动参数辨识的问题，首先介绍了牛顿－拉夫逊（ＭＮＲ）简化算法，然后，提出了采用此入外部激励的办法进行气动参数辨识，这种方法可增强参数的可辨识性，最后提出了构造故障弹道辨识气参数的设想，由于特定的故障弹道和外加激励一样，不同程度地激发了导弹的飞行信息，故辨识结果较好。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

高超声速飞行器气动力/热参数辨识研究综述

飞行器气动力和气动热参数辨识是高超声速飞行器设计的关键技术之一。笔者对高超声速飞行器的气动力和气动热参数辨识技术进行了综述。介绍了飞行器气动力、气动热参数辨识的基本原理与主要方法,气动力、气动热参数辨识技术在高超声速飞行器研发中的应用情况与发展趋势。同时也简要介绍了中国空气动力研究与发展中心（CARDC）在气动力和气动热参数辨识研究方面的研究概况。     

基于参数辨识的水配重重心调配系统验证方法研究

水配重重心调配系统可实现飞机重心的快速调节,完成试飞科目中对重心的要求.本文以国内某型飞机为例,根据罐内水量的分布计算飞机相应状态的惯性数据,并在此基础上,进行气动特性建模及参数辨识,得到飞机的气动导数.通过公式推导,利用辨识得到的气动导数计算出不同重心的增量,与水配重系统的理论值进行对比.计算结果表明,参数辨识方法的...     

飞行器参数辨识方法与应用研究

研究了非线性连续－离散系统极大似然估计方法的实现及其在飞行器气动参数辨识中的应用问题,首先给出了递推计算灵敏度算法的构成,初始摄动的选择和初值的计算,继而导出了不需矩阵求逆运算的递推算式。最后结合飞行器的气动参数估计来说明算法的具体实现。     

基于遗传算法优化神经网络的直升机参数选择

在直升机初步设计阶段估算其基本参数是很重要的.神经网络的通用性和精度比传统的估算方法有更多的优势,但是在应用神经网络时存在如何选择合适的网络结构和隐层节点数目等一些困难.应用遗传算法优化三层神经网络结构和连接权重,并将优化得到的网络应用于直升机参数选择中.该方法不但可以给出一个最优的神经网络结构和连接权重,而且降低了估算误差,具有及时应用最新数据学习的能力.此外,该方法易于在直升机设计系统中得到应用.     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

基于遗传算法的机载武器调度优化

针对航母机载武器弹药调度存在的过程复杂、不确定性强、涉及因素多等特点,建立了现阶段机载武器弹药调度模型。通过设计编码方案,选择适应度函数,设定交叉、变异操作建立了基于遗传算法的调度优化模型,并通过 Matlab软件进行了仿真验证。结果表明,该优化过程可在一定程度上缩短调度总时间,提高调度效率。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SAPSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机dq坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

一种基于遗传算法的动力学系统辨识方法

把遗传算法与最大似然法相结合，形成了一种基于遗传算法的动力学系统辨识方法，并以某轴对称战术导弹的非线性气动力参数仿真辨识为例，利用仿真技术，检验了该方法的实用性和有效性。结果表明，该方法是十分有效的。     

基于NSGAII算法的宽体客机商载航程研究

宽体客机研发模式已从传统“单一机型”向“系列化机型”转变。根据宽体客机系列化设计通用性准则,对其设计方法进行了研究。建立了以宽体客机系列化设计制造成本、最大起飞重量间差值总和为目标函数,各机型商载能力为约束条件的宽体客机系列化设计模型。利用非劣排序遗传算法（ NSGAII ）,对宽体客机系列化设计模型求解,得到符合条件的Pareto解集,取解集中的两个方案进行比较分析,其结果具有一定的实际意义,为宽体客机制造商在宽体客机系列化设计过程中商载航程的选取提供了一种依据。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

军用飞机使用技术状态标识与控制研究

为了满足军用飞机使用技术状态管理的需要,提出了一种新的技术状态信息编码化标识方法,以及基于此技术状态标识方法的使用技术状态控制方案．重点描述了对引起飞机使用技术状态改变的换件等外场维修活动进行控制的基本原理。     

基于改进遗传算法的终端区排序研究

终端区航班排序是减少航班延误,降低成本的关键技术。基于安全性考虑,将进近无冲突作为约束条件,这是一个组合优化问题,多约束条件互相制约,导致可行解较难获得。采用改进遗传算法,针对航班速度编码的特性引入局部适应度函数,并以此为标准指导交叉变异操作。仿真结果表明,求得的进近队列延误低、无冲突,且遗传更具方向性,收敛快,大大提升求解速度,更符合实际运用中实时性要求,优于传统方法。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...