ACARS报文参数的辨识

针对由于传输差错及人为因素引起的报文准确性和完整性问题,本文介绍了ACARS报文的种类及其基本结构；提出了参数辨识技术,它包括报文数据的预处理、译码和校验三部分。实验结果证明,该技术提高了ACARS报文的正确识别率,具有维护简单、扩充方便灵活的优点,对空地数据链技术在民航的有效应用起到积极作用。     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

模型直升机悬停状态下飞行力学模型辨识

 直升机飞行力学模型的准确性对于直升机的控制系统设计具有非常重要的影响。采用常规的建模方法往往很难获得准确的飞行力学模型。为满足飞行控制系统设计的需要,提出了一种直升机飞行力学模型的系统辨识建模方法。该方法将机理建模方法与辨识建模方法相结合,首先利用状态子空间法获得直升机的近似飞行力学模型,再将机理建模提供的先验知识与子空间法辨识得到的模型相融合,限定主要参数,采用误差预报法进一步寻优得到较准确的直升机飞行力学模型。通过飞行试验,成功地辨识得到了悬停状态下模型直升机状态空间方程表达的线化飞行力学模型。所得的辨识结果能够准确预测出模型直升机的响应,可以应用于飞行控制系统设计当中。     

线振动下惯导平台参数辨识的实现

研究了软性连接条件下线振动试验辨识惯导平台陀螺参数的方法。由于在此条件下原始模型不便用于辨识参数,为此提出了平台漂移的平均模型。对比静态模型指出了线振动对模型参数辨识的实质作用。由于利用平均模型来辨识平台参数存在参数冗余的局限性,因此利用两组不同幅值的线振动试验数据来进行辨识。最后验证了这种辨识方案不仅避免了静态条件下高阶陀螺参数难以收敛的问题,同时也解决了平均模型中参数冗余的局限性问题。     

可重构混联机械手——Tricept的自标定方法

由于并联构型装备难于实现全闭环反馈控制,使运动学标定成为一项具有显著经济价值并十分有效的提高并联构型装备精度的手段,通常包括误差建模、测量、辨识和补偿4个环节。基于以上因素,以5自由度混联机械手Tricept为对象,研究一种基于内部传感器检测信息的运动学标定方法。首先建立传感器测量值与影响末端可补偿位姿误差的几何误差源的映射关系。在此基础上,讨论了几何误差的可辨识性。通过计算机仿真验证了所提方法的可行性和有效性。     

基于不平衡加速响应信息的柔性转子双面平衡

模态平衡法和影响系数法是转子平衡中最常用的两类方法,它们都以转子的稳态响应为基础,因此称之为"稳态平衡方法"。针对当前转子稳态平衡方法中存在的不足,提出了利用不平衡加速响应信息进行柔性转子平衡的新方法。为了描述模态不平衡相对键相槽的角位置,首次引入了模态不平衡方位角的概念,并通过转子的不平衡加速响应信息对其进行了识别;在此基础上,结合转子的模态知识,添加合理的平衡试重组,利用各阶模态试重大小与对应阶模态不平衡响应幅度增量的线性关系,识别出校正质量组的大小,通过双面加重的方法实现了转子前两阶模态的平衡。仿真和实验结果表明,该瞬态平衡方法在有效降低转子不平衡振动的同时,减少了平衡过程中的起车次数。     

双馈异步发电机定转子绕组过热故障监测方法

双馈异步发电机(DFIG)在长期运行中很容易发生定转子绕组过热故障。以绕组温度为研究对象,在分析绕组过热故障成因的基础上,分别从电机热性能和参数辨识两方面进行检测。使用参数辨识法时,首先利用电机电磁数学模型辨识定转子绕组电阻,再根据电阻与温度之间的关系计算定转子温度,从而判断绕组是否过热。最后基于MATLAB软件仿真验证了定转子绕组参数辨识法的正确性,为DFIG诊断绕组过热故障提供理论支撑。     

基于项目集识别过程的航空领域重大基础研究项目发现

航空领域专项计划的实施需要发现大量重大基础研究项目进行支撑,而目前航空科研管理部门在项目发现过程中以被动管理为主,未能充分发挥其作用。通过分析自上而下航空领域重大基础研究项目内涵及现状基础上,借鉴项目集识别过程及其项目识别特点,构建自上而下的航空领域重大基础研究项目发现过程及机制,分析重大基础研究项目发现所涉及的航空领域专项计划主管部门、航空科研管理部门以及科研人员间的相互关系和功能,并结合某航空科研管理部门进行实例应用。表明基于项目集识别过程梳理和完善了航空领域重大基础研究项目发现过程及机制,强化了航空科研管理部门作用,提升了项目发现有效性。     

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

超流体陀螺相位波动噪声自适应抵消系统分析

针对超流体陀螺相位波动噪声影响陀螺角速度检测精度的问题,提出了一种基于递推最小二乘（RLS）算法的陀螺自适应噪声抵消系统。首先,建立了超流体陀螺的相位检测模型,得到了陀螺输出薄膜幅值和相位的关系。其次,考虑热运动的影响,建立了相位波动噪声的等效输入角速度模型,探索了陀螺参数对角速度噪声的影响,得到了陀螺角速度噪声幅值范围。在此基础上,考虑该角速度噪声与输入角速度的互不相关性,将超流体陀螺薄膜幅值解算输出的混合角速度信息作为抵消系统的期望输入,将相位波动噪声引起的角速度噪声作为RLS自适应滤波器的参考输入,通过自适应调节参数使得RLS自适应滤波器的输出与混合角速度信息的噪声部分相抵消。通过与最小均方（LMS）算法仿真对比表明,在大角速度、大噪声情况下,该抵消系统能够有效消除陀螺混合角速度信息中的噪声成分,且具有较快的收敛速度和较好的稳定性。