基于系统辨识的框架控制系统设计

为提高框架系统控制性能,采用系统扫频方法对系统实际模型进行扫频辨识。由于加工和安装工艺等原因,框架不同位置处的摩擦力矩差异较大。研究了固定补偿值摩擦力矩补偿算法和变补偿值积分摩擦力矩补偿算法,并重新进行了扫频。根据辨识得到的模型设计了校正网络,提高了系统控制性能。     

对抗条件下反舰导弹突击效能评估研究

通过分析对抗条件下反舰导弹导引头开机后的突击过程,提出了影响反舰导弹突击作战效能的主要因素并建立评价指标体系。采用层次分析法和模糊综合评判法建立各子指标的能力计算模型,运用指数法构建反舰导弹突击作战能力的综合评估模型,通过算例分析验证了模型的可行性;运用TOPSIS法验证了模型的可靠性。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

基于薄层单元的拉杆转子接触界面动力学建模及修正

为了研究具有复杂接触界面拉杆转子系统的动力学特性,发展了基于薄层单元的拉杆转子接触界面动力学建模及修正方法。采用线性本构关系的薄层单元模拟转子部件的复杂接触关系,基于模态试验数据,运用分层模型修正方法对预紧状态下拉杆转子部件接触面的连接刚度进行识别,通过识别的薄层连接参数建立拉杆转子动力学预测模型。将拉杆转子动力学预测模型的结果与试验数据进行对比分析,结果表明:采用线性本构关系薄层单元能够模拟拉杆预紧状态下接触界面的力学特性,修改薄层单元弹性模量能够模拟接触界面的法向刚度和切向刚度;修正后转子模型与测试结果的最大频率误差为0.6%,平均频率相对误差为0.25%,修正后模型能预测实际结构的振动响应。      

新Omega涡识别法在液体火箭发动机涡轮氧泵中的应用

离心泵中流动不稳定现象与流场中旋涡的形成及演化过程密切相关。为解决传统涡识别法在高速离心泵流场涡结构捕捉方面的缺陷,引入新Omega涡识别法,对液体火箭发动机涡轮氧泵流场中的涡结构进行了分析。确定了新Omega涡识别法在高速离心泵流场涡结构捕捉方面的优势,利用该方法对涡轮氧泵中离心轮与扩压器之间的动静干涉机理进行了阐释。结果表明:对于高速离心泵,传统Q准则以及λ2准则涡识别法错误地将壁面强剪切层识别为旋涡,而新Omega涡识别方法能够有效滤除流场中非旋转涡量部分,较好地捕捉流场中涡结构,可作为高速离心泵流场涡结构识别的首选方法。通过离心轮与扩压器动静干涉区域旋涡演化过程分析可知,涡轮氧泵离心轮与扩压器之间的动静干涉效应主要源自于扩压器叶片压力面上的周期性涡脱落现象。     

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。     

基于分解-粒化和优化极限学习机的燃油泵性能退化趋势预测

机载燃油泵的性能退化呈现非线性多阶段模式,为了提高机载燃油泵性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于奇异值分解-模糊信息粒化与优化极限学习机的模糊粒化预测方法。针对传统的粒化预测方法直接对原始序列进行粒化分析的不足,首先利用奇异值趋势分解方法提取燃油泵性能退化指标序列的趋势项及去趋势项,再利用信息粒化方法对去趋势项进行模糊粒化;然后将趋势项及粒化后的去趋势项数据输入至极限学习机进行回归预测,并采用粒子群算法优化极限学习机参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪燃油泵性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。     

一种用于间断装配的流场结构辨识算法

使用激波装配法时,初始激波是否准确将会对计算过程产生影响。为了确定初始激波的位置,提出了一种新的流场结构辨识算法。该算法以捕捉法计算得到的流场作为系统观测数据,根据密度、压力等参数从该数据中获取激波和接触间断等流动特征周围的网格节点作为离散点集。通过将该离散点集分割成若干子区域,在各子区域内进行分片拟合,最终将离散点集拟合成连续光滑的实体模型,并将此作为初始激波面。在二维方法的基础上,通过引入单位球模型成功将该辨识算法拓展到三维应用。结果表明,采用该方法获得的间断曲面(激波和接触间断)与捕捉法流场中的间断分布吻合较好,作为初始间断面用于装配法可快速得到收敛解。该方法解决了应用激波装配法时确定初始间断面的难题。此外,该方法还可用于网格自适应方法。选择不同流动参数,可以获得相应流场特征结构的空间曲面,在此曲面的基础上可进行网格局部加密或重剖分。该流场结构辨识算法用于网格自适应具有网格尺度自由设置的优势。     

火箭弹电动舵机模糊单神经元PID控制算法

针对制导火箭弹电动式舵机,为提高其响应速度和精度,文章在模糊PID控制基础上,提出了模糊单神经元PID控制方法。首先,建立了火箭弹舵机系统模型;然后,将模糊推理、单神经元自学习算法和PID控制相结合,建立智能控制系统,以实现对舵机输入指令的精确、快速响应。经仿真实验表明:在此智能控制下,舵机位置在阶跃响应的调节时间、超调量以及正弦跟踪上相对于传统模糊PID控制均得到有效改进,具有良好的动静态性能、自适应性和稳定性。