系统辨识在压力计量中的应用研究

针对压力传感器计量检定中数据处理的具体要求,提出利用系统辨识理论对数据进行处理,采用最小二乘一次完成法实现压力传感器工作直线方程参数的辨识。     

基于小波变换和聚类的BLDCM故障检测与识别

为了满足航空用机电作动器(EMA,Electro-Mechanical Actuator)高可靠性和大范围调速的要求,充分利用具有双通道容错结构的无刷直流电动机(BLDCM,Brushless DC Motor)系统特殊的结构和换相特点,通过分析两个通道中功率电路直流母线电流波形的突变特征,提出一种采用小波变换(WT,Wavelet Transform)与层次聚类算法(HCA,Hierarchical Clustering Algorithm)相结合的故障检测与诊断方法.并通过实际电机系统试验验证了方法的可行性与正确性.试验结果表明,这种方法对电机断相故障、逆变器功率管断路故障具有明显的检测与识别效果,而且不受转速、负载和噪声的影响.信号特征提取算法简单,故障识别方法可靠性高,无需额外设备,易于应用,具有很强的实际操作性.     

基于双耦合Duffing振子的气液两相流动特性分析

提出了双耦合Duffing振子仿真系统检测小通道气液两相流型信号的方法。搭建了双耦合Duffing振子仿真系统,针对流型信号的特征确定了3个关键参数:阻尼比、耦合系数和频率,并应用典型混沌信号Lorenz和R9ssler对该仿真系统进行了性能检测。在两相流型信号检测时,提取了振子振动的瞬时速度和位移2个特征值,并基于特征值对流型动力学特性及流型辨识进行了深入研究。结果表明:通过对典型混沌系统的检测验证,发现本文检测方法具有较好的抗噪能力,能够较好地表征典型信号的混沌特性。提取的2个特征值能够揭示出小通道气液两相流型转变过程中气液两相间的作用机理。系统的振子振动瞬时速度结合位移实现了小通道气液两相流典型流型的准确识别,有助于其他不同介质的多相流动特性分析与流型辨识。     

基于AQSSE方法的基础隔震结构损伤识别

提出自适应二次误差平方和(AQSSE,Adaptive Quadratic Sum-Squares Error)方法对基础隔震结构进行在线损伤识别实验研究.建立基础隔震结构实验模型,进行振动实验.实验过程中采用一套刚度元件装置在线模拟结构损伤,测量模型加速度响应和位移响应,基于测得的加速度信号和AQSSE方法在线识别基础隔震结构的参数和位移,并追踪参数的变化,从而识别结构损伤.研究结果表明:在两种典型地震波激励下,通过不同时刻的刚度突变模拟结构损伤,AQSSE方法得到的结构参数值与有限元分析结果一致,且识别得到的位移曲线与实验测量的位移曲线吻合良好,验证了AQSSE方法在基础隔震结构参数识别与损伤追踪中的有效性和准确性.     

航天器模块划分数值优化方法

对航天器模块划分主要依靠经验和定性方法的问题,构建了一种通用的模块划分数值优化方法。利用功能分解方法、相关性评价准则、设计矩阵与设计结构矩阵（DesignStructureMatrix,DSM）同步演化的机制获得了基于功能元的数值DSM;基于DSM构建了遵循公理化设计原理的通用优化模型;利用遗传 模拟退火算法获得了可对模块划分方式及数目进行同步优化的模块划分方法;给出了不同于优化目标的评价方法。仿真结果表明,该方法可将航天器划分为一系列内聚度高、耦合度低的模块。     

悬停状态下小型无人直升机飞行动力学模型辨识

为了更好地研究小型无人直升机悬停状态动力学特性,对一个8.1 kg三轴陀螺仪增稳的电动直升机,从线性系统辨识方面及非线性建模方面,进行了动力学模型深入研究。在线性系统辨识过程中,应用频域辨识方法,在飞行中同时采集陀螺仪之前及之后的操纵数据进行双系统辨识。在非线性建模过程中,机体、旋翼及尾桨动力学被分别建模。尾桨动力学应用3阶段辨识法单独提取基底、陀螺仪及整体增稳模型。结合2种分析过程,应用非线性-线性模型结合修正方法,提高相互的仿真精度。结果表明:13阶高阶模型在线性辨识过程中相对比11阶模型表现更优;双系统线性模型的基底模型数据具有高质量高频特性,最高频率限制可达30 rad/s;除挥舞方程参数和尾桨参数以外,非线性数学模型（NMM）进行了7个非线性变量的修正,有效地拟合了悬停实验数据。      

从自由试验提取具有弹性支承的阻尼约束结构的主模态

作者已对边界固持(即刚性支承)的无阻尼和有阻尼的约束结构，从自由试验提取其实模态和主模态的方法进行过系统的研究，同时，对于具有弹性支承的无阻尼约束结构模态的提取，也建立了一种可行的方法。这些方法和技术途径都取得了良好的结果，仅剩下具有弹性支承的阻尼约束结构主模态的提取方法尚无。对此，本文企图建立一种工程中可行而实用的方法。在该方法中，阻尼分为瑞利阻尼和粘性阻尼两种模型，这样，可以根据不同结构选用不同阻尼模型下的提取方法。数值模拟结果表明，本文建立的方法虽然不像以前无阻尼下的类似方法那样，具有普遍性，即取任何支承刚度(可以很大或很小)都可获得满意结果。不过，对于工程中常见的支承刚度比结构刚度大或等量级的实际情况，本文方法是能取得满意结果的。这表明，本文方法已基本满足工程要求了。     

应用自适应陷波器技术改进FXLMS算法

针对窄带信号，提出了基于自适应陷波器的次级通道特性在线识别算法，该方法利用自适应陷波器技术解决在线识别时存在的激励信号被干扰问题，从而提高次级通道特性在线识别的速度，达到提高算法整体性能的目的。讨论了参考信号比例因子对系统的影响。实验结果表明，应用该算法的控制系统的整体性能得到较大程度的提高。     

具有人工神经网络的目标数据分类

根据人工神经网络自适应共振模型的基本原理，针对空中交通管制系统中辨识空中飞行目标运动轨迹这一实际问题的具体需求，提出了基于多重置条件的空中目标分类方法。在自适应共振模型中的重置条件判别方法中，该方法不同于目标矢量的相似度判别方法，而是采用比较目标矢量夹角及模值的大小来决定其自适应共振模型中的重置触发条件的新方法。仿真结果表明，该方法能很好地解决空中目标的分类问题。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。