排序方式: 共有33条查询结果,搜索用时 359 毫秒
11.
航天器动力学特性参数在轨辨识技术 总被引:2,自引:0,他引:2
从结构模态参数的可识别性出发,结合结构自由响应识别技术和数字处理技术,开发出大型航天器动力学特征参数在轨辨识系统,包括硬件系统和软件系统,其中软件系统由C+ +和汇编语言组合编写,系统各部分均模块化,可适用于较复杂的工程任务.在此基础上设计了模拟在轨航天器的试验验证系统,检验辨识算法和设计软件的可靠性以及航天器在轨辨识的实时性.该试验系统包括一个对称的双梁结构,利用对称结构的弱耦合可得到多个密集模态,该结构可模拟大型航天器在太空失重条件下所特有的动力学特征.试验表明系统辨识算法可靠,精度达到设计要求. 相似文献
12.
航天器反作用轮扰动建模及参数辨识 总被引:1,自引:2,他引:1
为预测反作用轮微振动对航天器产生的影响,提出了一种改进的扰动模型.由于共振造成的扰动放大是反作用轮扰动对卫星姿态精度的最重要影响,改进模型通过引入放大系数体现结构固有频率对扰动的影响.鉴于改进模型的非线性特性,应用模拟退火遗传算法对改进模型进行了参数辨识.设计刚性六分量力测试平台对反作用轮扰动进行测试,并利用实测数据对改进模型及参数辨识结果进行验证.验证结果表明:改进模型准确地反映了反作用轮的扰动特点,模拟退火遗传算法可以提高参数辨识的精度. 相似文献
13.
低温风洞运行过程消耗大量液氮和电力,洞体结构产生附加热应力和热变形,建立可靠的低温风洞热力学模型对研究风洞运行安全性和经济性是必不可少的。以低温风洞扩散段为方法研究对象,建立有限元热力学模型,为提高热力学模型和实际模型的相关性,使用响应面法对有限元热力学模型多个参数进行修正。通过对比分析温度、应力监测点试验数据和仿真数据的差别,确定驻室锥形体内表面对流换热系数为待修正参数;使用中心复合试验设计生成有限元热分析样本空间,以温度、应力监测点试验数据和仿真数据的残差均方和为考核指标,在样本空间内对残差均方和进行非线性回归分析,建立残差均方和的响应面模型;以所有监测点残差均方和总和为目标函数,在样本空间内进行多目标非线性优化分析,得到最优解;验证修正后的热力学模型,结果表明:(1)基于响应面法的热力学模型修正是可行的;(2)修正后的热力学模型分析数据与试验数据吻合性提高,并且适用于其它降温试验。 相似文献
14.
15.
考虑耦合效应的动量轮扰动测量 总被引:1,自引:0,他引:1
动量轮微振动是影响卫星姿态控制精度的重要因素.测量动量轮扰动的目的是掌握其扰动规律,进而采取相应的控制方法和隔离技术.由于动量轮的扰动频带很宽,扰动会与测试台的固有频率产生耦合.应用"动质量测试法"来定量地考察测试台刚度对扰动力测试的影响,并建立动量轮的力学模型,以得到不受影响的纯扰动.设计两种不同刚度的测试平台进行扰动测试.应用放大系数对测试结果进行修正,得到消除测试平台刚度影响的测试结果并进行比较.比较结果表明:动质量测试与理论建模结合法能够得到测试台的刚度对测试结果的影响. 相似文献
16.
17.
基于EMD及PNN的航天器振动环境分析 总被引:2,自引:0,他引:2
针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力. 相似文献
18.
根据哈密顿原理建立了三维压电动力学耦合系统的哈密顿对偶体系,将经典的弹性力学一类变量问题转化为二类变量,并建立了哈密顿正则方程组.分别在不同坐标系下研究了功能梯度压电材料FGPM(Functionally Graded Piezoelectric Material)四边简支板及两端简支管的静动力学特性,通过辛算法进行了数值分析.结果表明,在哈密顿对偶体系中能够求解复杂FGPM结构机电耦合静动力学问题;在FGPM多层板/管结构中,面外变量在厚度方向连续分布,而面内变量在材料分界面处存在突变现象. 相似文献
19.
翼盒结构复杂,航行中承载条件恶劣,利用有限测点信息重构其它位置响应对于实时健康监测具有很强的现实意义。通过误差反向传播神经网络训练得到响应之间的非线性关系,建立基于神经网络的响应重构方法,开展有限元分析对其进行数值仿真验证,并将该方法应用于实测随机激励环境下翼盒典型承力结构的响应重构及损伤定位与判断分析。结果表明:采用该方法重构出的预测响应功率谱密度的均方根相对误差不超过1.90 dB,主要频点误差小于10%;判断出翼盒关键测点e 的损伤或故障发生在所截取片段数据3 s 后,其故障特征频率为240 Hz 左右,该方法应用于响应重构预示及健康监测分析具有可行性。 相似文献
20.
机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的. 相似文献