动态神经网络的模型检验

讨论了利用仅含一个隐层的前馈多层神经网络来辨识离散时间非线性动态系统时的模型检验问题。从估计理论出发，加上实际应用的考虑，提出了一种检验神经网络模型适用性的综合误差指标（ＳＥＩ）准则，并利用学习速度快、收敛性能好的递推预测误差（ＲＰＥ）学习算法，对两个例子进行了仿真计算。结果表明：综合误差指标准则可用来检验非线性动态系统的神经网络模型。与相关检验法相比，综合误差指标准则具有计算简单、使用方便等优点。最后，指出了今后的研究方向。     

火箭在地面风作用下的振动载荷识别

将地面风作用下的火箭作为一个非均质变截面梁,研究了非轴对称火箭的任意风向风振载荷识别问题。根据结构风振的特性,引入等效阻力系数和升力系数,利用风载荷作用下火箭的振动加速度或弯矩响应识别等效阻力和升力系数以及归一化随机载荷的功率谱。给出了等效阻力和升力系数与以往风载试验中使用的非定常阻力和升力弯矩系数的关系。     

通用的前馈振动控制Simulink仿真系统及其应用

利用Simulink平台，建立一个基于自适应滤波技术的前馈振动控制的通用仿真系统，并对直升机结构响应主动控制进行仿真研究，为了模拟机体的力学特性以及旋翼对机体的激振作用，本文建立了一个带伺服液压惯性式作动器的自由一自由梁模型，并使之处于双频扰力作用下，对于该模型，采用了FIR、SIIR等滤波模型进行识别和控制。通过对不同控制模式和与之相适应的滤波算法的仿真研究，揭示其算法收敛性和收敛速度等特性。     

隔振支承系统动力学试验与辨识

通过对聚氨酯泡沫塑料的动力学特性进行试验和理论研究，发现聚氨酯泡沫塑料在不同频率与不同振幅作用下其隔振力与位移呈现出典型的迟滞非线性，而且系统的动刚度是频率的非线性函数，与振幅基本无关；阻尼是振幅，速度，频率以及位移的非线性函数，在此基础上本文提出了描述隔振支承系统的动力学方程，并进行了参数辩识。计算与试验比较，吻合较好。     

风洞模型自由翻滚实验动导数辨识方法

用笔者发展的从风洞模型自由翻滚实验数据获取动导数的最大似然辨识方法仿真的算例表明 ,动导数辨识结果受测量误差、测量噪声以及静态俯仰力矩系数非线性的影响很小 ,而常用的动导数估算方法所得结果受其影响较大。最后 ,采用最大似然辨识方法处理了某飞行器模型风洞自由翻滚实验数据 ,获取了该飞行器在M =4.0和M =6.0下 0°～ 1 80°振幅范围的动导数     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

厘米级微型涡轮喷气发动机关键控制技术研究

结合厘米级微型涡喷发动机自身特点, 从工程角度研究其关键控制技术.首先运用相似理论, 将参考发动机的起动控制时序变换适用于目标发动机的起动控制, 为了解决微型发动机起动困难问题还首次提出起动供油自校正技术.慢车以上状态采用系统辨识法建模, 通过仿真结合试验的方法设计了带可自动调整前馈的闭环PI调节器.试车试验表明, 研究的控制规律能控制发动机正常可靠运转, 满足各项性能指标要求.      

火星巡视器动力学建模研究与仿真平台实现

火星巡视器是执行复杂的火星表面探测任务的重要载体,为保证巡视器的可靠性,本文对火星巡视器动力学原理进行了研究.首先,分析了巡视器的结构组成,介绍了巡视器动力学建模的相关理论基础.然后根据巡视器有向Span树的轴链系统,基于拉格朗日递归动力学分析方法,得到了多轴系统拉格朗日方程,通过遍历巡视器轴链拓扑完成了巡视器动力学模...     

CAD技术在牙齿上下颌模型虚拟对位中的应用

采用上下颌模型牙尖交错牙合的虚拟对位技术,解决了在口外获取缺牙对颌牙牙合面三维数据的问题。首先通过构造圆柱面上点的高斯图和任意采样的方法,计算出简单牙合架转动轴线方程。然后鉴于牙合面结构的复杂性和非凸性,引入了一种基于图像的快速碰撞检测方法,用于检查上下颌牙齿的对位情况。该方法通过在上颌左右第一磨牙近中舌尖处建立透视视景体,利用O penGL的选择模式,可以实时地检测下颌模型绕牙合架转动轴线旋转过程中与上颌模型碰撞对位情况,效率很高。最终建立了上下颌全牙列牙尖交错位的牙合面间关系,为缺牙牙合面虚拟咬合调整初步奠定了基础。     

Modeling and parameter identification of linear time-varying systems based on adaptive chirplet transform under random excitation

In this paper, a time–frequency algorithm based on adaptive chirplet transform for parameter modeling and identification of Linear Time-Varying (LTV) systems under random excitation is presented. It is assumed that the solution of responses of LTV structures is expressed as the sum of multicomponent Linear Frequency Modulated (LFM) signals in a short-time. Then the measured acceleration response is used to perform the adaptive chirplet transform, in which an integral algorithm is employed to reconstruct the velocity and displacement responses. The vibration differential equation with time-varying coefficients is transformed into a simple linear equation. Furthermore, for systems under random excitation, the input–output relation based on correlation function is also derived to estimate the parameters including physicals parameters and instantaneous modal parameters. The full procedure of the method is presented and validated by using simulated responses. The results show that the presented method is accurate and robust for various LTV systems under random excitation.