相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

基于高阶累积量的齿轮系统辨识方法研究

高阶累积量分析技术是近年来迅速发展起来的新技术,作为处理非高斯信号、非线性信号以及盲信号的重要工具而受到日益重视。它有许多优点,特别是对于外加高斯噪声不敏感以及可以检测系统的非线性特性,故理论上可以完全抑制高斯噪声的影响,提高分析精度。本文在对其研究的基础上,将它应用于齿轮旋翼传动系统动态特性分析之中,对传动系统和旋翼桨叶的动态固有频率等进行了识别,并与频域和时域识别法进行了比较。      

逃逸飞行器模型高超声速风洞自由翻滚动导数试验技术

高超声速风洞模型自由翻滚动导数试验技术是为满足航空航天飞行器 0°～ 360°全攻角范围内的动导数测量及产生极限环振动现象的研究之急需而研制。简要介绍了试验技术研制的自由翻滚试验装置、液体轴承、角度测试系统与系统建模的大攻角非线性数据处理技术。该项技术已成功地为逃逸飞行器模型提供了满意的试验数据     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

某型发动机高原起动过程数学模型建立

针对某型发动机高原起动过程具有危险性大和变化规律复杂的特点,提出了一种变记忆长度的小波变换多分辨分析方法。该方法将辨识的数据分解到不同频段,然后针对各不同频段采用不同的记忆长度进行辨识,从而可以建立起该型发动机高原起动过程的数学模型,为高原起动试验提供理论参考。      

人工神经网络在航空发动机中的应用

人工神经网络是一个十分热门的交叉学科,在许多行业都得到了应用。介绍了其在系统建模、模型辨识、控制及其在航空发动机上的应用情况和最新发展,并对各种应用状况进行了归纳和分析。同时对最新神经网络模型作了介绍,并对将来神经网络在航空发动机上的应用作了预测。     

抗荷阀-抗荷服系统动态模型结构研究

 通过理论分析和系统辨识方法研究了 4种不同型式抗荷阀—抗荷服系统的动态响应特性 ,分别建立了机械式、混合式和电磁式抗荷阀—抗荷服系统的动态模型 ,并说明了三者模型结构之间的内在联系。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。