航天器环境干扰力矩的闭环辨识与补偿

研究引入干扰力矩辨识的方法提高三轴稳定航天器在稳态运行期间的高精度指向控制问题.基于航天器的稳态输出数据和系统传递函数,对环境干扰力矩的完整模型进行闭环辨识.其中采用改进的特征系统实现相关算法和多元线性回归法辨识环境干扰力矩的模型参数,最后使用前馈控制对所辨识的环境干扰力矩实现在线补偿.分析和仿真结果表明,该方案能有效地克服不确定的环境干扰力矩对姿态稳定度的影响,提高在轨运行航天器的姿态稳定精度.     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器, 该协调器控制各层权值的修正,大大提高了网络的学习速率。通过对具体网络的仿真,证明了该算法的可行性。     

基于大气阻力实时辨识的Drag-free卫星最优控制研究

研究了基于大气阻力实时辨识的Drag-free卫星最优控制。将Drag-free卫星和其内部的验证质量等效为两颗内、外编队卫星并建立动力学方程,推导了基于卫星和验证质量的相对运动状态观测值反演大气阻力的算法。建立了状态最优调节器模型,采用动态规划求解经典的二次型最优控制。对低轨圆轨道Drag-free卫星的仿真计算结果表明方法的求解精度较高,计算消耗较小。     

基于固体运载器飞试数据的风场辨识方法研究

通过飞行测量数据辨识飞行器主动段飞行过程中真实风场环境是运载飞行器分析与设计中一项必要而具有难度的工作。本文基于固体运载飞行器主发动机工作段各项可测量飞行试验数据,给出了测量数据处理和风场辨识方法,并通过某固体运载飞行器的测量数据应用并验证了本文方法的有效性。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

尖前缘驻点热流精细化测量研究

为提高升阻比特性,现代高超声速飞行器常采用尖前缘结构,这对热防护系统提出了很大挑战。尖前缘结构由于表面曲率较大,常规的点测量和面测量试验技术均难以对驻点热流进行准确测量。针对尖前缘驻点热流测量难题,制作了专用的整体式薄膜电阻温度计,建立了驻点热流参数辨识方法,并以不同前缘半径（R=1.0、2.0和5.0 mm）的斜劈模型为研究对象,在FD-20高超声速脉冲风洞中开展了试验验证,来流马赫数分别为4、5、6和8,试验结果表明:整体式传感器稳定性好、灵敏度高、耐冲刷性强,其参数辨识方法精度高,试验获得的前缘驻点热流与理论值误差小于15%。     

双模态超燃冲压发动机最大供油模态计算方法研究

为了获得不同飞行状态下双模态超燃冲压发动机最大供油状态,在集总参数方程的双模态超燃冲压发动机性能计算模型基础上,通过分析双模态超燃冲压发动机堵塞边界条件及工作机理,发展了最大供油模态流量平衡的求解方法,并以此为基础建立了双模态超燃冲压发动机最大供油模态计算模型。给出某飞行条件下的最大供油模态迭代计算过程,并详细描述了其所表征的物理现象,其流量平衡计算精度达10~(-4),并在此基础上完成了不同飞行马赫数下的最大供油模态计算,获得相应的燃烧室最大供油量及隔离段/燃烧室沿程参数分布。结果表明,该计算方法可实现双模态超燃冲压发动机最大供油模态的流量平衡计算,并能精确地捕捉给定燃油分配形式下的燃烧室最大供油量。     

基于最小二乘法和硬件在环平台的永磁同步电机参数辨识

针对永磁同步电机多个参数同时辨识时会出现欠秩的情况,介绍了在dq坐标系下采用最小二乘法将多个参数分开辨识的方法。在硬件在环平台上采用该方法对电阻、电感和磁链进行了辨识。最后进一步考虑到电阻和磁链受温度的影响较大,进行了考虑温升的电阻和磁链的辨识。经验证,该方法可以比较准确地辨识出电机参数。     

基于模型辨识的数控机床专用伺服电机位置控制

数控机床精密加工要求伺服电机具有精度高和响应快等特性,而传统的伺服控制器位置环采用的是简单的误差比例(P)控制,这种控制方法的响应性不能满足加工要求。提出一种基于模型辨识的伺服电机角位移控制方法。首先,采用最小二乘法辨识出传统闭环控制系统的模型;然后,分析模型的零、极点,根据模型特性设计补偿控制器;最后,通过试验结果说明所提方法能快速、准确地跟随系统输入。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。