飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

复合固体推进剂细观结构建模及脱黏过程数值模拟

为研究复合固体推进剂损伤演化规律,基于分子动力学颗粒填充算法构建了HTPB(hydroxyl terminated polybutadiene)推进剂细观结构模型,通过在AP(ammonium perchlorate)颗粒/HTPB基体界面处引入黏接接触替代传统的黏接单元,并基于Hooke Jeeves的参数优化算法反演得到颗粒/基体界面处内聚力模型参数,利用双线性和自定义指数型损伤内聚力模型模拟了AP颗粒和HTPB基体黏接界面处损伤的萌生、发展、聚合直至宏观裂纹破坏的过程。通过数值仿真与实验结果对比发现,指数型损伤内聚力模型比双线性模型能更准确描述推进剂单轴拉伸过程中颗粒与HTPB基体界面间脱黏过程。最后对比了多阶段加载实验结果与仿真结果曲线,发现两者变化趋势基本一致,最大偏差仅为10%,验证了所建细观模型的可靠性及反演所得界面参数的准确性。      

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

变循环发动机模态转换建模及控制规律设计方法研究

为了实现变循环发动机快速可靠的模态转换,本文发展了变循环发动机模态转换过渡态模型及控制规律设计方法。在变循环发动机动态数值仿真程序的基础上,针对模态选择阀与涵道引射器这两个模态转换过程中的关键变几何部件,建立了高精度的气流突扩局部损失模型。首次提出了可考虑模态选择阀堵塞对发动机性能影响的模态选择阀堵塞模型,消除了由于模型不精确造成的模态转换参数波动。在建立的变循环发动机数学模型的基础上,提出了基于直接推力控制技术的模态转换控制规律设计方法,考虑了变循环发动机的8个可调参数,采用差分进化算法对模态转换过程进行了优化。结果表明,本文提出的模态转换控制规律设计方法可以实现变循环发动机快速平稳的模态转换,双外涵转单外涵的参数变化规律与单外涵转双外涵的参数变化规律基本类似,推力在0.6秒就稳定在目标推力值,其余参数大多在1.4秒之后才趋于稳定。本文提出的变循环发动机模态转换控制规律设计方法还可应用于常规航空发动机的加/减速过渡态控制规律设计中。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

导弹出水过程动力学参数辨识方法研究

导弹出水过程时间短,边界也随时间变化,对短时非平稳信号的模态参数识别技术进行研究,最后利用特征系统实现法对其出水过程进行模态参数辨识。     

基于EKF方法的橡胶隔震支座参数识别实验研究

采用Bouc-Wen模型建立橡胶隔震支座的非线性动力学方程,基于已有研究成果,缩减模型参数简化模型,建立不同数量参数的迟滞模型模拟橡胶隔震支座的非线性特性。对橡胶隔震支座进行振动台实验,基于测得的加速度信号和广义卡尔曼滤波(Extended Kalman filter,EKF)方法在线识别橡胶隔震支座的参数和位移。对不同参数数量的Bouc-Wen模型在不同地震波激励下,EKF方法识别得到的橡胶隔震支座模型参数一致,且识别的位移和实际测量得到的位移曲线吻合良好,验证了本文所得模型参数的有效性和准确性及模型简化的合理性,也证明了EKF方法在橡胶隔震支座参数识别中的有效性。     

气动加热模拟试验加热系统控制研究

本文通过理论分析和试验测试研究了可控硅功率调节装置和石英灯加热器的动特性，提出了通过系统识别的方法研究石英灯加热器的静特性；在研究被控对象特性基础上找到了对任意一个石英灯加热器组成的被控对象进行非线性PID控制器的设计方法。这些方法提高了控制的质量，缩短了试验准备的周期，并进行准自适应控制，从而改善了气动加热模拟试验加热系统的控制效果。