Levy 方法的改进

由于Levy方法简化了指标函数,并采用经典的最小二乘法,用于估计系统传递函数的参数,受实验数据误差影响大。基于Levy方法但保持原来的指标函数,提出一种改进的增量迭代算法和正交最小二乘法,仿真结果表明,该算法具有良好的收敛性,并使系统参数估计精度较Levy方法有明显的提高。     

N-S方程及其简化形式在圆柱绕流分离点邻域的数学性质

证明了在圆柱绕流分离点的邻域上 ,N-S方程和高智的简化 N-S方程是正则的 ,即存在级数解 ;而 Davis和 ГКП的简化 N-S与经典的边界层方程一样存在 Goldstein奇性     

空间光电跟踪系统闭环全物理仿真试验技术

为验证空间光电跟踪系统与卫星平台耦合作用下的跟踪性能,提出空间光电跟踪系统全物理仿真试验方法。利用三轴气浮台模拟卫星零重力下的自由转动,在地面实现了非合作目标闭环跟踪控制和空间动力学特性的综合模拟。采用基于整星姿态动力学的重力干扰力矩辨识方法,消除转动部件重力干扰对试验的影响,实现对系统跟踪脱靶量的精确评估。试验结果表明,空间光电跟踪系统针对非合作目标的跟踪脱靶量优于0.006°（3σ）,满足系统在轨应用需求。但在对高速目标跟踪过程中,跟踪脱靶量存在一定的相位滞后,控制方案需进一步优化。     

基于POD和ARMA的阵风响应预测降阶模型研究

针对阵风响应流场高效精确分析需求,基于非定常CFD数值模拟发展了一种快速流场预测的降阶模型。采用本征正交分解(POD)方法对高斯阵风激励的CFD非定常流场快照进行特征分析、并基于能量占比准则截取主要基模态来降维,采用自回归滑动平均(ARMA)方法建立各主要基模态系数的线性预测模型。采用NACA0012和DLR-F12的分析算例进行了验证,与CFD非定常计算结果对比分析表明,模型具有可靠的计算精度,适合于精确高效快速分析阵风响应,为阵风减缓设计提供技术支撑。     

再生冷却推力室准二维传热数值计算

为了提高液体火箭发动机传热计算精度,建立了再生冷却推力室准二维传热计算的通用方法。冷却通道内考虑了冷却剂层间导热导致的温度分层效应,燃气侧对流换热既可采用传统Bartz公式,又可直接求解边界层控制方程得到热流密度,最终基于MATLAB开发完成了通用的再生冷却推力室准二维传热程序。利用该程序对某氢氧发动机进行了传热计算,并与一维传热程序和三维CFD传热计算结果进行了对比,结果表明：准二维传热计算方法可以计算出冷却通道内温度分层情况,冷却剂温升、流阻计算值与热试数据吻合较好,误差在10%以内,优于一维传热结果,验证了计算方法的有效性;直接求解边界层控制方程得到的热流密度与三维计算结果吻合较好;准二维传热计算时间短,效率高。     

基于数据驱动的主燃油计量装置故障诊断

为建立主燃油计量装置的故障诊断方法,提出一种基于快速存取记录器（QAR）数据的燃油计量参数估计模型建模方法,并结合液压机械控制装置工作原理,给出了基于燃油计量参数残差设计的主燃油计量装置故障诊断方案。设计基于系统辨识的燃油计量活门位置（FMVP）估计模型,采取降阶处理策略以提高模型的估计精度和动态响应速度,在此基础上给出基于多项式拟合的燃油流量（FF）估计模型。结果表明：所建立的FMVP模型估计残差不超过±2%,FF估计模型残差不超过±5%;该方案能够有效地诊断出燃油计量活门故障、线性可变差动位移传感器故障和热式流量计故障。该方案结构简单,不需要大量的调试技术,提高了故障检测精度,具有工程应用前景。     

递推阻尼最小二乘及其在INS/双星组合中应用

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导(INS)/双星组合导航时,其滤波特性较差;而此时最小二乘法是实际工程应用中常用的方法,但易产生参数爆发现象.因此,提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,并将其应用到INS/双星组合导航系统中.仿真结果表明,利用递推阻尼最小二乘法能达到和递推最小二乘法同样的精度,且能明显抑制参数爆发现象.      

一种单相光伏并网逆变器改进预测电流控制算法

光伏并网逆变器传统预测电流控制算法由于采样与计算延时会造成差一拍控制,使得逆变器并网电流不能很好地跟踪目标电流,同时逆变器滤波电感模型值与实际值有误差时会造成并网电流谐波大,还可能导致系统不稳定。为克服这些不足,提出了一种改进的预测电流控制方法,可提前一个采样周期对并网逆变器输出电压进行预测,同时利用递推最小二乘法对电感参数进行在线辩识。仿真和试验结果表明所提方法有效提高了逆变器并网电流对目标电流的跟踪精度,减小了并网电流的谐波分量,提高了由逆变器进网的电能的质量。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.