基于实测频响函数反推管路卡箍支承刚度与阻尼

为了有效创建航空发动机管路系统动力学模型,需要获得动载荷作用下管路卡箍支承刚度及阻尼。提出一种基于实测频响函数(FRF)反推卡箍支承刚度及阻尼的方法。确定了针对单管路双卡箍支撑系统的反推辨识流程;利用自编有限元创建了该管路系统的动力学模型,并给出了求解频响函数的方法;进一步,提出了基于灵敏度的卡箍支承刚度和阻尼反推辨识算法;以典型管路卡箍为例,用所提出的方法辨识出了该卡箍的支承刚度和阻尼。将辨识值回带到理论模型中,发现仿真及实测固有频率及相对应的频响函数偏差均小于9%,从而证明了研发的辨识方法的合理性。另外,辨识结果也表明卡箍的刚度及阻尼具有频率依赖性,且水平及竖直方向存在差异。      

一种变频电机参数离线辨识方法的研究

传统电机参数辨识采用固定脉冲宽度调制(PWM)波占空比。该方法导致电流大小不可控,而辨识电流大小又直接影响辨识准确性。为此,提出新的参数离线辨识方法,采用恒电流辨识原理并检测电机相电流,控制辨识电流在给定值附近波动,解决了电机辨识电流不合适问题。设计了续流二极管和IGBT电压模型,d轴和q轴电感辨识都采用在270°而非0°进行辨识,以此提高了辨识精度。最后,在变频冰箱上进行验证并与原来数据进行对比。该方法很好地解决了冰箱电机带背压条件下,电机d、q轴电感辨识不准确、辨识时间长等问题,试验结果证明了该方法的可行性和有效性。     

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。     

基于级联型逆变器的感应电机无速度传感器矢量控制

针对采用级联型逆变器的感应电机矢量控制系统,提出了基于反电动势的转速辨识方法。该方法以反电动势作为系统模型输出来构造模型参考自适应系统(MRAS)。MRAS采用参考模型和可调模型并联型结构实现转速辨识,消除了纯积分环节带来的问题。将所提方法应用于感应电机矢量控制系统并通过仿真和试验得以实现。仿真和试验结果表明,该方法易于实现,能够准确估计电机的转速。     

基于高精度模态气动力的跨声速静弹高效分析方法

跨声速静弹分析一直是工程设计中的难点问题,以模态坐标系下的线性静弹方程为基础,提出了基于高精度模态气动力的跨声速静弹高效分析方法,该方法仍需求解线性静弹方程,但对于其中关键的模态变形引起的弹性气动力增量,采用由结构变形到气动力的单向计算流体动力学(Computational Fluid Dynamics,CFD)/计算结构动力学(Computational Structural Dynamics,CSD)耦合方法获得,实现了高效线性方法与高精度CFD/CSD耦合方法的有效融合。以某小展弦比机翼基本状态、舵偏状态以及某型战斗机跨声速副翼效率的静弹分析为例,对比分析了本文方法、经典线性方法、CFD/CSD耦合方法的计算结果以及某型机的试飞辨识结果。分析结果表明,所提出的方法在计算效率、精度和鲁棒性方面具备综合优势,具有较高的工程应用价值。     

MEMS惯性器件工程化测试体系研究

由于低成本和高可靠性的优势,MEMS惯性器件被广泛用于军事、汽车、消费类电子等领域.但是国内目前无法实现工程化和批量化生产,国产MEMS惯性器件的市场占有率增速缓慢.分析了制约国产MEMS惯性器件工程化的瓶颈,设计了一套用于批量化生产的测试系统,该系统已经过实际生产验证,具有自动化和高效率的优势.该系统能有效降低生产成本,加速解决MEMS惯性器件工程化问题.     

大型民用飞机尾旋运动的系统辨识研究

为了研究某常规布局大型民用飞机的尾旋特性,首次利用一个满足动力相似的缩比模型在Ф5m尾旋风洞中进行研究试验,利用机载传感器所采集的模型运动参数来研判飞机模型的尾旋特性。目前,对于此类飞机模型尾旋运动中所承受的气动力矩研究还十分缺乏,以飞机模型尾旋试验结果为基础,采用飞机六自由度运动学方程来还原模型在尾旋运动中所承受的气动力矩系数,同时利用常规风洞测力试验结果来检验所还原的气动力矩系数的可靠性。进一步采用多元高次方程对模型尾旋运动进行了系统辨识研究,建立了能辨识飞机在尾旋运动条件下的气动力矩系数的数学模型,成功的辨识了重要的气动力系数的导数(Cmα,Cmδe,Cmq,Cnβ,Cnδr,Cnr,Clβ,Clδr,Clp),与相关参考值比较显示其结果具有较高的可信度。     

一种计及观测噪音的分系统递推辨识方法

本文提出一种可以处理带测量噪音的多输入多输出线性系统递推参数辨识方法。目前多输入多输出系统的在线参数估计方法或者需要将模型正规化,或者要做大量高维矩阵求逆运算,不仅运算时间长,而且很可能由于矩阵逆的不存在而导致估计失败。本文方法将多输入多输出系统参数估计问题分解为若干步多输入单输出系统参数估计问题,把高维矩阵求逆化为若干步求倒数运算,从而避免了可能由此而导致的估计失败。本方法直接估计线性系统参数,不需将模型正规化,从而节省了实际运算时间。最后,根据有观测噪音的试飞数据对本文方法进行之检验。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

驾驶员结构模型参数辨识

给出一种驾驶员结构模型的参数辨识方法：根据人—机实时仿真试验测量的驾驶员描述函数,按最小二乘准则辨识驾驶员模型参数。推导出驾驶员结构模型的灵敏度公式,用于参数辨识过程,使计算方便、收敛性改善。针对驾驶员完成俯仰跟踪任务的人—机仿真试验结果,进行了实例计算,表明该方法是一种确定驾驶员结构模型参数的简单实用的方法