基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

基于RBF神经网络的开关磁阻电机在线建模 及其实验验证

 为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。     

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.     

A Scalable Infrastructure for Online Performance Analysis on CFD Application

The fast-growing demand of computational fluid dynamics(CFD) application for computing resources stimulates the development of high performance computing(HPC) and meanwhile raises new requirements for the technology of parallel application performance monitor and analysis.In response to large-scale and long-time running for the application of CFD,online and scalable performance analysis technology is required to optimize the parallel programs as well as to improve their operational efficiency.As a result,this research implements a scalable infrastructure for online performance analysis on CFD application with homogeneous or heterogeneous system.The infrastructure is part of the parallel application performance monitor and analysis system(PAPMAS) and is composed of two modules which are scalable data transmission module and data storage module.The paper analyzes and elaborates this infrastructure in detail with respect to its design and implementation.Furthermore,some experiments are carried out to verify the rationality and high efficiency of this infrastructure that could be adopted to meet the practical needs.     

同轴离心式喷嘴噪声引发燃烧不稳定分析和预测

以氧化剂和燃料的混合比作为系统控制参数,研究同轴离心式喷嘴燃烧动力学过程。混合比增加和减少过程中,燃烧噪声和振荡燃烧状态间转变的混合比不同,说明系统出现了亚临界Hopf分叉现象,且在双稳定区内出现了燃烧噪声引发的振荡燃烧。利用临界慢化理论,分析3种表征参数:延迟为1自相关系数、方差和条件异方差（CH）对噪声引发不稳定的预警效果。结果表明:延迟为1自相关系数在噪声引发不稳定前出现明显的上升趋势且非随机现象,具有较可靠的指示作用。方差对噪声引发不稳定性的预示性较差。条件异方差在不稳定发生前振荡上升,可以作为辅助判断条件。基于Kendall秩相关系数趋势评估方法,提出一种在线预测噪声引发不稳定的判断准则,具有较好的适应性和可靠性。      

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.     

基于BIT的工程机械智能在线检测方法研究与实现

以某工程机械为研究对象,研究基于CAN总线的嵌入式BIT智能检测方法,研制具有高可信度的工程机械智能故障诊断仪,以提高工程机械作业的可靠性和安全性。     

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。