Simultaneous state and actuator fault estimation for satellite attitude control systems

In this paper, a new nonlinear augmented observer is proposed and applied to satellite attitude control systems. The observer can estimate system state and actuator fault simultaneously. It can enhance the performances of rapidly-varying faults estimation. Only original system matrices are adopted in the parameter design. The considered faults can be unbounded, and the proposed augmented observer can estimate a large class of faults. Systems without disturbances and the fault whose finite times derivatives are zero piecewise are initially considered, followed by a discussion of a general situation where the system is subject to disturbances and the finite times derivatives of the faults are not null but bounded. For the considered nonlinear system, convergence conditions of the observer are provided and the stability analysis is performed using Lyapunov direct method. Then a feasible algorithm is explored to compute the observer parameters using linear matrix inequalities (LMIs). Finally, the effectiveness of the proposed approach is illustrated by considering an example of a closed-loop satellite attitude control system. The simulation results show satisfactory perfor-mance in estimating states and actuator faults. It also shows that multiple faults can be estimated successfully.     

RP-3航空煤油燃烧的详细和简化化学动力学模型

建立了一个包含109组分和946个基元反应的煤油燃烧详细化学反应动力学模型,采用"准稳态"假设方法来对其进行简化,得到了包含22组分18步总包反应的简化反应模型.通过与典型实验结果和文献计算结果对比可以看出,简化模型具有较高的准确性,能够准确反映出RP-3航空煤油点火特性,能够用来对煤油燃烧问题进行准确的数值模拟.      

回转复杂曲面零件在线精密测量技术

针对复杂曲面零件的面形测量难题,提出以超精密机床作为栽体,利用高精度触发式测头,采用接触式的轮廓测量方法,检测曲面零件的子午面曲线,再与理论曲线相比较得出被测零件的面形精度.测量试验分析表明:该测量方法的检测精度高,通用性强,在实际加工和检测应用中具有很高的实用价值和应用前景.     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

基于状态空间法的低马赫数翼型气动载荷计算

Leishman-Beddoes(L-B)非定常动态失速模型适用于中等马赫数(Ma>0.3),而在低马赫条件(Ma<0.3)下存在与翼型气动试验数据不符合的问题,为此首先研究了低马赫数条件下翼型的非定常动态失速气动特性,其次采用状态空间法从翼型表面气流变化的角度修正了L-B模型,最后通过与翼型气动载荷试验数据的对比表明在低马赫数条件下对L-B模型的修正是正确的,能够准确预测及分析翼型的气动载荷,且该修正模型易于耦合进直升机综合分析代码中.      

稳态温度场作用下涡轮叶片振动特性的研究

根据一维线性分段插值方法对一维温度场进行分段插值拟合,为有限元方法分析温度场作用下叶片振动问题中温度载荷的施加提供了简化可行的方案,利用有限元方法验证该线性拟合方案的可行性,并采用多种方法对计算结果进行验证分析,对一维稳态温度场的分段插值进行了误差分析,得到稳态温度场作用下叶片振动问题的有限元分析计算方法和温度载荷施加方案。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.