基于灰色预测的自适应解耦控制

传统的预测控制算法虽然有着良好的性能,但是需要求解复杂的丢番图方程.因而在实际应用中,算法的计算量很大,难以满足实时性要求.文中结合灰色理论,利用GM(1,2)模型辨识多输入多输出系统的参数,提出了一种解耦灰色预测控制算法.该算法可以采用较少的数据进行建模,需要辨识的参数也较少,并且元需求解丢番图方程,所以减少了计算量.为了消除系统各通道之间的输入输出耦合,在性能指标中引入解耦因子,给出了详细的解耦推导过程.最后,对解耦灰色预测控制算法进行了设计.仿真结果表明:本文算法能够有效地消除系统耦合,进而提高多输入多输出系统的闭环跟踪性能.     

跨声速风洞颤振试验模型激振与数据处理方法研究

简述了几种主要激励方法在颤振实验中的优缺点,分别用瞬态激励、有限带宽白噪声激励和单频激励进行地面模态实验,测量机翼模型的振动响应,并用STD、ARMA和复指数模态参数识别等时域方法识别固有频率和模态阻尼,通过与软件计算结果对比分析得知,实测的固有频率与计算结果吻合很好.     

神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

从约束试验提取阻尼自由结构主模态

对于大型自由结构,如大型运载器,要实现自由状态下的模态试验是愈来愈困难了。为此,人们被迫只好对这类结构进行约束状态下的模态试验。这样就要求从约束状态试验所测得的数据中提取到原自由状态下的试验模态参数。本文针对这个问题提出了一种“提取方法”。数值模拟结果表明,该方法的精度相当满意,不论是无阻尼,还是考虑有阻尼的情况,都可以获得工程上满意的结果。     

测量粗糙集中模糊性的一种新方法

针对粗糙集中存在的模糊性问题，提出了一种利用模糊熵测量其模糊性的方法。中给出了一种新的模糊熵，提出了基于等价关系下粗糙集模糊熵的计算公式及等效表示方法，证明了这种模糊熵的性质。并将基于等价关系的粗糙集的模糊熵拓展到基于一般二元关系下粗糙集的广义模糊熵，给出了广义模糊熵的计算公式及等效表示形式。最后以一个例子说明粗糙集中模糊熵的具体求解方法。从例子可以看出，本提出的模糊熵可以方便、有效地测量出粗糙集中的模糊性。     

模糊理论在机械可靠性预计中的应用研究

机械可靠性预计是机械可靠性设计的重要任务之一，且贯穿整个设计过程。但在初始设计阶段，机械产品的可靠性数据往往十分缺乏，且可靠性预计本身就具有一定的模糊性，从而使机械产品的可靠性预计较为困难。鉴于模糊综合评判能够较好地运用专家经验和模糊信息，本用来评估可靠性的影响因素。在评估结果的基础上，再应用模糊推理理论对可靠性的预计值进行推理。该方法尤其适用于复杂机械产品(包括其它产品)设计初期的可靠性预计，从而弥补了现有可靠性预计方法的不足。中通过示例讨论了其具体应用方法。     

基于模糊神经网络的升温超塑性成形工艺参数优化

为了解决恒温超塑性成形工艺效率低的问题，本文提出了一种升温超塑性成形的新工艺方法，并用模糊神经网络对升温超塑性胀形成形的工艺参数进行优化，得出了优化后的TC4钛合金升温超塑性胀形成形工艺的加载曲线，利用优化后的成形工艺参数进行了某航空器用TC4钛合金薄板盒形件的升温超塑性胀形成形试验。试验结果表明：与恒温超塑性成形相比，此工艺可以显著地缩短成形时间，在本文试验条件下每个零件可以缩短成形时间10min，并可改善材料的成形性，获得厚度分布均匀（厚度分布不均匀率〈8％）的成形零件。基于模糊神经网络方法进行成形工艺参数优化的升温超塑性成形方法可在实际生产中应用。     

结构多目标模糊优化设计

在传统结构优化设计的基础上。首次考虑疲劳断裂因素的影响,建立了以结构的静强度、疲劳、断裂、振动性能为模糊约束条件,以结构重量、疲劳寿命和断裂寿命为多个目标的结构多目标模糊优化设计模型。以此模型对一双梁式平直机翼进行了优化设计,设计结果表明：模糊多目标优化设计得到了比确定性多目标优化设计更小的翼梁总截面积;模糊优化设计放宽了对约束条件的限制,材料得到了更加有效的利用。     

V尾伺服弹性试验失稳定位方法研究

准确获取飞行器结构动力学特性及气动伺服弹性稳定裕度,是飞行器首飞成功的关键。针对某飞机在伺服弹性地面试验时发生结构与控制系统耦合问题进行了研究,提出了一种获取飞行器的失稳频率和振型的方法。利用加速度传感器采集结构的振动响应,采用随机子空间模态参数辨识方法分析获得飞机伺服弹性地面试验失稳时V尾振动频率和振型,为控制系统修改设计提供方向及气动伺服弹性理论模型修正提供数据。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。