多项式拟合法在飞机试飞中的应用研究

主要研究了多项式拟合法在飞机颤振试飞数据处理中的应用技术,讨论了在数据预处理中应用指数窗对抑制噪声、提高数据处理结果精度的影响,最后提出了科学合理的数据处理方法,从而大大提高了试飞结果的准确性。     

基于Elman网络的共轴式直升机动力学系统辨识

根据共轴式直升机动力学与运动学基本方程的结构形式建立了一种基于改进的Elman神经网络的辨识模型,同时推导了该网络的训练算法,给出了训练步骤.随后,利用外场试飞中几个典型飞行状态的遥测数据对网络进行训练,计算权值矩阵,获得该共轴式直升机用来进行动力学系统分析的神经网络模型.以匀速前飞状态为例进行了纵向操纵响应仿真,比较仿真结果和实际遥测数据可知,该网络模型基本反映了样例机的动态特性.      

超高速撞击条件下铝合金材料参数识别方法

在超高速撞击过程中,金属材料在大变形、高应变率条件下的材料参数获取是一个研究难点.在确定Steinberg本构模型和Gruneisen状态方程前提下,结合已有的物理试验结果,采用SPH(Smooth Particle Hydrodynamic)算法实现超高速撞击问题的数值模拟,定义优化目标为物理试验结果和仿真结果之间的相对误差值,利用连续响应面法SRSM(Successive Response Surface Method)对铝合金6061的Steinberg本构模型中的4个关键参数进行优化识别计算.经过识别的材料参数与物理试验的结果近似程度更好,证明了这种方法的正确性和可靠性.      

一种快速的星敏感器星跟踪方法研究

阐述了星敏感器中星跟踪方法的重要性,指出了目前国内外星跟踪方法的不足。针对这些不足,提出了一种全新的、快速的星跟踪方法。新的跟踪方法采用现场可编程门阵列(FPGA)实现了实时的星点定位;正是由于这种技术的采用,加快了星点位置信息的获取,摈弃了跟踪窗的跟踪方法,采用简单的匹配识别的跟踪方法;对于新星的识别,由于有初始姿态而采用匹配组的识别方法。最后给出了星跟踪过程的实验结果。     

基于神经网络的自适应非线性控制及仿真研究

研究了神经网络非线性动态系统的自适应控制方法,首先利用改进的非线性自回归滑动平均模型,采用多层前向神经网络辨识非线性系统模型,然后直接由辨识结果设计出控制器,并根据控制误差对控制律作在线修正.利用导弹模型进行了控制仿真,仿真结果表明采用此方法可以得到较好的控制效果,而且在模型不确定和有噪声干扰的情况下仍能正常跟踪给定的迎角信号,具有较好的鲁棒性.      

一种高稳定度帆板驱动系统的摩擦参数辨识

为了减少帆板驱动机构（SADA）对太阳帆板的激励作用和降低摩擦的影响,以永磁同步电机作为驱动源,提出了一种基于LuGre模型的摩擦参数辨识和补偿方法.为了能够准确的进行摩擦参数的试验辨识,设计了SADA系统摩擦力矩测试平台两者相结合进行了试验辨识,并将试验辨识所得到的摩擦模型参数代入SADA驱动系统模型中.通过仿真和试验表明：试验辨识较准确,且摩擦补偿后的SADA系统消除了正弦跟踪中速度过零时的波形畸变现象,能够有效改善SADA系统的动态性能     

基于视觉测量的太阳翼模态参数在轨辨识

针对传统接触式振动测量方法的缺点,提出一种基于视觉测量的太阳翼模态参数在轨辨识方法.具体过程包括相机标定、标志点检测、三维坐标解算和模态辨识等.利用两台相机和一台计算机构成的双目立体视觉测量系统进行了地面试验,测量得到了太阳翼测点处的振动位移响应,然后采用ERA算法辨识出了真实太阳翼的两阶主要模态参数.通过与激光测振仪测量结果进行比较,验证了上述方案的有效性.实验表明,视觉测量方法设备简单,灵活性高,是一种理想的在轨振动测量方法.     

基于CEEMDAN的雷达信号脉内细微特征提取法

有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3 000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 dB信噪比（SNR）下仍保持90%以上的高精度。      

基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.