Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.     

基于径向基函数改进的Delaunay图映射动网格方法

为了提高大变形下动网格生成的效率和质量,基于径向基函数插值技术对原始Delaunay图映射动网格方法进行了改进。首先通过带多项式的径向基函数插值方法计算出背景网格远场边界点的位移;然后将背景网格位移插值到计算网格;最后利用衰减函数将计算网格远场位移衰减为零。基于矩形旋转网格变形实例比较了改进方法与原始Delaunay图映射动网格方法之间的差别,并研究了径向基基点数目和衰减函数类型对变形网格质量的影响。矩形旋转网格变形实例说明该方法能够精确恢复出Delaunay背景网格的旋转特性。NACA 0012翼型、NLR 7301两段翼和M6机翼网格变形算例进一步证明,通过添加控制点,该方法能够不重构背景网格实现大变形下高质量动网格的生成。     

基于径向基函数与混合背景网格的动态网格变形方法

发展了一种基于径向基函数(RBF)插值和混合背景网格映射的动态网格变形方法。混合背景网格由运动物面附近的各向异性网格和偏离运动物面的各向同性网格组成。物面变形或运动后,包含在各向异性背景网格中的所有物面网格点的位移由指定的物面运动规律得到,而各向同性背景网格点的位移通过径向基函数插值获得。然后变形后的计算网格利用计算网格与混合背景网格之间固定的映射关系代数插值得到。各向同性网格距离物面一定的距离,消除了物面保形对径向基函数插值的要求,从而可以减少径向基函数基点的数量,以提高插值的效率和可靠性。最后,通过二维和三维算例对该方法的变形网格质量、参数影响、网格拓扑依赖性、复杂外形变形能力及网格变形效率进行了测试。测试结果表明,该方法能够高效生成大变形下高质量的变形网格。     

面向全疆域设计需求的某涡轴发动机核心机转子减重优化

为满足某涡轴发动机平原、高原、高寒以及海洋环境下的全疆域设计需求,综合采用尺寸优化和拓扑优化对核心机转子盘体形状进行了减重优化。首先提出了一种基于本征正交分解的径向基神经网络代理模型构造方法,通过在关键区域补充采样,在样本总数相当的前提下,提高了寻优效率,缩短了优化所需的时间。利用该方法对核心机转子盘体尺寸进行优化,优化后结构重量减轻,应力分布和强度储备更趋合理。然后采用变密度法对涡轮盘螺栓孔附近区域进行拓扑优化,得到一种带凸耳形状的螺栓孔创新构型,解决了由于优化后盘体减薄而导致的螺栓孔应力上升过多的问题。结果表明：在转子强度、寿命满足规范要求的前提下,优化后的核心机转子减重15%,满足了全疆域设计需求对转子重量的要求。     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

正规基上的快速乘逆算法

根据有限域GF(2~m)上的正规基表示,本文提出一种新的快速乘逆算法。该算法把计算乘逆的复杂忭从O(m)降低到O(1/m)。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。