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。     

风洞自由飞试验中气动参数辨识准度评价方法研究

当高超声速风洞自由飞试验的测量数据被有色噪声污染时,传统的Cramér-Rao界作为参数估计准度的度量往往过于乐观。文本采用一种修正协方差方法来处理传统的最大似然估计的残差,以便计算出有色残差情况下精确的Cramér-Rao下界,对辨识参数结果进行不确定度评价。以10°半锥角尖锥模型为例,通过大量的Monte Carlo仿真试验和风洞试验验证了修正协方差方法的有效性。结果表明,在风洞试验测量存在有色噪声情况下,修正协方差方法给出的标准差均值约为传统的Cramér-Rao界方法给出的标准差的3~5倍,与参数估计的统计标准差一致,客观反映了参数辨识结果的精准度。     

基于增益在线辨识的微机电陀螺 标度因数补偿技术研究

标度因数温度稳定性是微机电陀螺的关键指标之一,是评价陀螺温度性能的重要依据。推导并分析了温度对陀螺标度因数的影响,指出驱动模态振动位移、检测通路电路增益及两模态频差是影响陀螺标度因数温度稳定性的3个重要因素,测试了对标度因数影响较大的电路增益和频差在温度变化条件下的变化。对此设计了基于增益在线辨识技术的标度因数温度补偿方案并进行了数值及宏模型仿真,通过在驱动端和检测端施加一远离陀螺工作频率的辅助信号实时辨识出电路的增益变化,进而进行增益补偿,同时对陀螺频差变化带来的影响也进行了补偿。仿真结果表明该方法能够大幅提高陀螺标度因数的温度稳定性,由未补偿下的7.93×10~(-4)/℃降至1.0×10~(-5)/℃以内,改善幅度达98%以上。     

双太阳翼GEO卫星在轨角动量管控方法

地球同步轨道(GEO)卫星在轨的主要环境干扰力矩为太阳光压力矩和重力梯度力矩,干扰力矩的累积效应表现为飞轮转速的变化,需要通过外力矩进行角动量卸载避免飞轮饱和。由于GEO磁场极弱,卫星无法使用磁力矩卸载,只能通过喷气卸载,而喷气将对卫星轨道产生影响,因此需要尽可能延长卸载周期。针对配置双对称太阳电池阵GEO卫星的角动量管控需求,首先建立卫星在惯性空间中角动量积累模型,并映射到卫星本体系中,得到本体系中的角动量变化规律。通过飞轮在轨转速遥测数据,精确辨识获取环境干扰力矩特征参数,获得真实可靠的干扰模型。以角动量卸载周期最长为原则,基于在轨环境干扰模型制定角动量管控策略,并准确预估下次角动量卸载时间。经在轨数据处理与分析表明:提出的角动量管控策略,可有效将飞轮的角动量卸载周期提升为原来的2倍,有效提升卫星在轨应用效能,具有实际工程意义。     

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。     

基于小波包能量谱的航天器在轨泄漏漏孔形状辨识方法

为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。     

一种基于机动辨识预测的空空导弹导引律

现有的空空导弹导引头在有噪声和干扰的环境下获得目标精确信息存在时间延迟,且新一代目标的机动能力更强,不对导弹加以补偿会造成较大脱靶量,所以需对目标状态有效预测。针对新一代目标规避空空导弹常用的大机动模式,为满足新一代空空导弹发展需求,设计了一种新型复合导引律。从目标自身出发,研究高机动目标规避导弹采用的典型机动形式,对机动轨迹进行离线建模,构建具有扩展能力的目标机动模型库。设计自适应滤波器对测量噪声进行降噪。同时,利用模型库设计了机动辨识预测器,对目标实际机动进行在线辨识。基于在线辨识的结果对目标机动进行预测,并对时间延迟进行补偿和修正,实现对高机动目标的精确打击。仿真结果表明:该方法对不同类型的机动目标均有较高的预测精度和命中精度。     

利用混合遗传算法的线性飞机动力学最大似然辨识

本文论述了利用混合遗传算法于线性飞机动力学特性的最大似然辨识。这种方法与其它最小化方法进行了比较，并且发现这种方法明显地优于简单的遗传算法。这种方法也与传统的ＭＮＲ（Ｍｏｄｉｆｉｅｄ Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ）方法和单一方法进行了比较。与ＭＮＲ方法相比，该方法的优点是没有必要说明初始参数估计，即不必给定参数边界。也不会遇到以最佳化技术为基础的梯度有时明显引起的数值问题。如果适用时，结合初始参数估计也是简单的。     

基于CMAC神经网络导弹的气动参数辨识

本文利用ＣＭＡＣ神经网络辨识了几个重要的空气动力参数，证明了估计误差，权误差有界，仿真结果显示了本文算法的有效性。     

机电伺服系统时域辨识装置的研究与实现

应用COR-LS辨识方法研究了中功率伺服系统时域辨识问题,设计并开发出了相应的时域辨识装置。给出了整个系统的硬件实现方案,并用COR-LS辨识方法对一个中功率伺服系统实现了时域辨识。