柔性接头迟滞阻尼特性识别

为实现对柔性接头系统的建模和动力学分析,对柔性接头的迟滞阻尼特性识别方法进行了研究.测试了一系列不同摆角和不同频率条件下柔性接头的动态特性参数,基于变刚度变阻尼法对不同频率下的刚度系数和阻尼系数进行了参数识别,获得了刚度系数和阻尼系数跟摆动频率之间的关系,建立了柔性接头动力学模型.应用该模型分析计算了柔性接头低速频率特性,并与试验结果进行了对比分析.结果表明:建立的模型可以很好地描述柔性接头的低频特性,随摆动频率的增加,恢复力矩略有增加;在振幅较小时,弹性力矩随摆角呈线性,随着摆动振幅的增加,弹性力矩的非线性逐渐增强.      

严格逆向过程的捷联惯导快速回溯对准

回溯对准是利用高性能计算机反复进行正向和逆向导航解算来实现惯导系统的初始对准。对捷联惯导系统回溯参数辨识对准技术进行了研究,首次将严格逆向过程用在常规回溯对准中,其逆向过程不采用常规的近似解算,而是严格由正向过程的终点递推至起点,这可有效缩短惯导姿态失准角的估计时间,从而可相应提高捷联惯导在相同对准精度下的对准速度。最后,利用光纤陀螺捷联惯导系统进行了离线对准试验。结果表明,该对准方法的对准时间比常规回溯对准法缩短了1/3以上,证明了该对准方法的正确性、可行性。     

船舶推进永磁同步电机参数在线辨识方法研究

永磁同步电机(PMSM)因其优良的转矩特性和宽广的调速范围而广泛应用于船舶电力推进领域。无位置传感器控制是系统可靠运行的重要保障。然而由于温度变化、磁场饱和效应和磁路交叉耦合作用,电机参数会随运行工况而发生变化,因此实时掌握PMSM运行参数是决定系统控制质量的重要保障。针对以上问题,将模型参考自适应法用于PMSM参数的在线辨识,运用RungeKutta方法建立满秩可调模型,依据Popov超稳定性定理推导出自适应律,最后利用搭建的试验测试平台进行算法的试验验证。仿真和试验结果表明提出的在线参数辨识算法可以准确、实时地辨识出电机参数。     

基于QPSO-ELM的某型涡轴发动机起动过程模型辨识

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机（QPSO-ELM）的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用QPSO-ELM算法对该起动模型进行辨识,试验结果表明：燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且QPSO-ELM的辨识精度优于极限学习机（ELM）、支持向量机（SVM）和反向传播（BP）神经网络。     

基于系统辨识的框架控制系统设计

为提高框架系统控制性能,采用系统扫频方法对系统实际模型进行扫频辨识。由于加工和安装工艺等原因,框架不同位置处的摩擦力矩差异较大。研究了固定补偿值摩擦力矩补偿算法和变补偿值积分摩擦力矩补偿算法,并重新进行了扫频。根据辨识得到的模型设计了校正网络,提高了系统控制性能。     

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

基于薄层单元的拉杆转子接触界面动力学建模及修正

为了研究具有复杂接触界面拉杆转子系统的动力学特性,发展了基于薄层单元的拉杆转子接触界面动力学建模及修正方法。采用线性本构关系的薄层单元模拟转子部件的复杂接触关系,基于模态试验数据,运用分层模型修正方法对预紧状态下拉杆转子部件接触面的连接刚度进行识别,通过识别的薄层连接参数建立拉杆转子动力学预测模型。将拉杆转子动力学预测模型的结果与试验数据进行对比分析,结果表明:采用线性本构关系薄层单元能够模拟拉杆预紧状态下接触界面的力学特性,修改薄层单元弹性模量能够模拟接触界面的法向刚度和切向刚度;修正后转子模型与测试结果的最大频率误差为0.6%,平均频率相对误差为0.25%,修正后模型能预测实际结构的振动响应。      

新Omega涡识别法在液体火箭发动机涡轮氧泵中的应用

离心泵中流动不稳定现象与流场中旋涡的形成及演化过程密切相关。为解决传统涡识别法在高速离心泵流场涡结构捕捉方面的缺陷,引入新Omega涡识别法,对液体火箭发动机涡轮氧泵流场中的涡结构进行了分析。确定了新Omega涡识别法在高速离心泵流场涡结构捕捉方面的优势,利用该方法对涡轮氧泵中离心轮与扩压器之间的动静干涉机理进行了阐释。结果表明:对于高速离心泵,传统Q准则以及λ2准则涡识别法错误地将壁面强剪切层识别为旋涡,而新Omega涡识别方法能够有效滤除流场中非旋转涡量部分,较好地捕捉流场中涡结构,可作为高速离心泵流场涡结构识别的首选方法。通过离心轮与扩压器动静干涉区域旋涡演化过程分析可知,涡轮氧泵离心轮与扩压器之间的动静干涉效应主要源自于扩压器叶片压力面上的周期性涡脱落现象。     

惯性系姿态确定的SINS晃动基座初始对准算法

在晃动基座下,载体将受到外界干扰(例如阵风和海浪),从而使传统解析粗对准无法完成捷联惯导系统(SINS)初始对准过程。基于此,采用SINS惯性系姿态确定初始对准算法解决SINS晃动基座初始对准,并使用Davenport-q递归算法实现其姿态确定过程。传统惯性系初始对准算法直接采用构造重力矢量观测来实现初始对准过程,可能会引起矢量构造共线,从而造成初始对准过程姿态计算震荡,降低其对准性能。通过分析晃动基座初始对准实际条件,提出了采用构造速度矢量观测来实现其对准过程,可以充分利用积分平滑作用,抑制周期性噪声和高斯白噪声,从而可以提高其对准性能。最后,通过SINS某码头系泊状态的对比测试试验进行验证,采用速度观测矢量完成SINS姿态确定初始对准时,其误差曲线将更加平滑,并具有优越的性能。     

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。