发动机状态监控

发动机状态监控为监控发动机性能和状况提供了一种有效的方法，可以利用这方面的信息来测量发动机在使用寿命期内的可靠性，可以手工记录和分析发动机的数据，但用计算机系统处理数据更为可靠，灵活，本文讨论了发动机状态监控技术及可能的发展方向，强调使用以计算机为基础的自动化系统。     

直接力控制飞机飞行品质规范

主要是综述国外资料。首先,介绍DFC(Direct Force Control)飞机飞行品质要求所涉及的几个重要概念:四类解耦;指令变量响应和瞄准误差响应;状态反馈和前置补偿;频带假设等。其次,介绍经过飞行试验及其结果分析后推荐试用的DFC飞机飞行品质规范,包括“军用标准”要求和“手册”讨论两部分。     

发动机状态监测和故障诊断的现状和发展

技术状态监测和故障诊断已成为世界科技发展的热点之一。各国航空界不断推出新的硬件和软件系统。本文综述了航空发动机的技术状态监测和故障诊断的现状和发展。     

主成分分析在发动机状态监控与故障诊断中的应用

讨论了主成分分析在发动机状态监控与故障诊断中的应用,即利用主成分分析对近似线性相关的多个向量进行降维的问题。特别讨论了一般文献中很少注意的两个特殊问题,即测量数据的等方差化问题和中心化限制问题。以ＪＴ９Ｄ发动机故障、故障系数向量以及ＪＴ９Ｄ和ＰＷ４０５６发动机维修指标的降维问题为例说明主成分分析的应用。研究结果表明,利用主成分分析可以将ＪＴ９Ｄ发动机的２６个故障因子综合成９个、或者将５个单元体的１０个故障因子缩减到５个综合变量,并且改善了故障方程的病态特性,因而可以有效地提高故障诊断的可靠性。文中还对用于降维处理的主成分分析方法与线性回归分析（最小二乘法）进行了比较,表明主成分分析方法是解决所提出的降维问题的更为有效的手段。     

基于鲁棒故障观测器的非线性离散系统容错控制设计

针对存在执行器故障以及未知干扰的非线性离散系统,提出了一种鲁棒故障估计与容错控制方法。首先在未知系统干扰作用下,设计鲁棒故障观测器实现系统状态和执行器故障的同步估计;然后根据鲁棒故障观测器得到的系统状态估计和故障估计信息设计容错控制器,进行状态反馈容错控制,同时基于D稳定与H_∞控制理论对鲁棒故障观测器和容错控制器进行设计,实现了多约束条件下的故障估计与容错控制;最后用飞行控制系统模型验证了所提方法的有效性。     

用最优估计法从飞行试验数据估计飞机迎角及测量误差

本文采用最优估计方法——信息平方根滤波和平滑算法,利用飞行数据对J-7原型机安装的92/BJ311型风标式迎角传感器的迎角测量误差进行了估计,给出了飞行迎角的校准公式。状态估计系统方程采用六自由度非线性方程。飞行动作采用推拉机动方法.飞行试验结果与风洞值进行了比较分析,证明飞行试验获得的误差修正系数和零偏误差是合理的。     

状态反馈 H∞ 控制问题可解条件的简化

考虑了状态反馈H_∞控制可解条件的简化问题.状态反馈H_∞控制问题的可解性可转化为一类线性矩阵不等式(LMI)的可解性,通过删除这类LMI中多余的矩阵变量,可减少矩阵变量的维数.而且,基于降维LMI的可行解,可构造出原LMI的可行解集.在此基础上,导出了简化的状态反馈H_∞控制问题可解条件.基于简化条件的可行解,可构造出状态反馈H_∞控制器簇,该控制器簇中含有丰富的自由参数.最后,给出了两个简单的例子,说明了文中方法的正确性.     

基于循环神经网络的SPMA协议信道状态智能检测改进算法

为实现对时敏目标的快速探测、定位和打击,战术瞄准网络技术(TTNT)对战术信息接入信道、交互传输的实时性、可靠性提出高要求。TTNT采用基于统计优先的多址接入(SPMA)协议,通过周期性计算统计平均的思想,估计当前信道状态,控制战术信息接入信道的时机。该思想仅适用于流量相对平稳的情况,在流量非平稳时会导致较大的信道状态检测误差。针对此问题,引入流量预测技术,提出基于循环神经网络的SPMA协议信道状态智能检测改进算法。利用循环神经网络的学习特点学习历史流量数据的隐含特征,构建流量预测器对瞬时时刻的流量脉冲到达数进行实时预测,从而准确获取当前信道状态。实验结果表明：所提算法对信道状态的检测结果更接近真实值,显著降低了信道忙闲状态的误判率。     

补偿函数观测器及其在飞行器姿态控制中的应用

风扰、气流扰动和模型未知部分的估计精度直接影响着无人机（UAV）的稳定性和控制品质,扩张观测器（ESO）能估计这些部分,但存在型别低,收敛性差,估计精度低等问题。补偿函数观测器（CFO）采用纯积分、补偿和传递函数型别的思想,改变了ESO结构,使得CFO较ESO高2个型别,精度高,收敛性强。然而,CFO是利用线性滤波器补偿系统的未知函数或扰动,对快速变化的高次非线性函数补偿能力不足。本文用径向基（RBF）神经网络替代了线性滤波器或积分器,提出了带有RBF神经网络的CFO,进一步提高了估计精度。应用带有RBF神经网络的CFO得到的非线性未知函数和扰动以及微分信息,设计了主动模型函数补偿控制算法,应用Lyapunov稳定性理论证明了闭环系统的稳定性。将该模型补偿控制算法成功地应用于四旋翼飞行器姿态系统的控制。仿真对比了所提出的基于CFO的模型补偿控制,PID控制和自抗扰控制算法,同时在基于Pixhawk的控制测试平台实验中,对比了这3种控制策略,测试四旋翼飞行器对不同参考姿态的跟踪性能。结果表明,所提出的控制方法,在暂态性能和稳态跟踪精度方面,优于其它控制器。