电传飞机低阶等效系统频域辨识新方法

针对带有复杂电传飞控系统飞机的飞行品质评估难题,提出了采用Chirp-Z方法将时域信号变换至频域,并在此基础上利用频域方程误差法（Equation error method,EEM）和输出误差法（Output error method,OEM）相结合辨识电传飞机低阶等效系统（Low order equivalent system,LOES）参数的新方法,并以低阶等效系统辨识的标准算例（F-14飞机经典算例）进行验算。结果表明本文所提出的低阶等效系统辨识新方法正确、辨识精度高,可以应用于工程实践。     

模态参数识别的特征系统实现算法:研究与比较

以 GARTEUR飞机模型的飞行颤振和地面共振试验为例,对模态参数识别的特征系统实现算法的4种变形特征系统实现算法(ERA)、快速ERA(FERA)、相关ERA(ERA/ DC)和快速相关ERA(FERA/ DC),进行了深入的理论分析和仿真研究。结果表明:与ERA相比,ERA/ DC的阻尼识别精度在10%和30%噪声下可以提高6～60倍;FERA的识别速度可以比ERA提高4～1 0倍,且精度较高;而FERA/ DC的识别速度可以比ERA/ DC提高 3～5倍,并且精度不会降低。     

利用互相关差分模型在环境激励下提取模态参数

对于一些大型结构,难以采用人工激励进行模态识别,只能利用环境激励信息,单独从响应数据提取模态参数。针对这一实际情况,首先从经典差分模型入手,推导出了环境激励下的多参考点互相关差分模型,然后分别采用增广矩阵法和多项式特征值法求解模态参数。最后采用一飞机模型对多参考点互相关差分模型法进行了试验验证,并且将2种求解方法得到的结果进行了比较。结果表明,多参考点互相关差分模型能够有效地进行环境激励下的模态识别,并且多项式特征值法比增广矩阵法所得结果更好。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

用极大似然法辨识轴对称飞行器的气动参数

采用极大似然法完成了轴对称飞行器的非线性气动参数辨识。根据飞行弹道的特性,采用考虑了横侧向运动耦合的纵向三自由度飞行动力学模型;为了反映气动参数随马赫数的变化,给出了一种考虑马赫数变化的气动参数数学模型,并采用了分段辨识的技巧;通过采用建模前估计法的辨识结果作为极大似然法的初值,保证了极大似然法的收敛,计算结果表明：这种算法对大攻角下的非线性气动参数能获得满意的辨识结果。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

弹性梁碰撞阻尼识别的新方法

首先将连续碰撞系统离散成包括任意个模态的状态方程,然后基于Hertz定理和能量平衡原理,证明弹性碰撞阻尼取决于碰撞冲量和最大碰撞力,提出了确定弹性梁碰撞阻尼的新方法,解决了碰撞阻尼识别中的关键问题。最后由两个弹性梁的碰撞实验检验了其正确和有效性。     

大迎角非定常气动力建模与模型比较

应用系统识理论,以６００ 三角翼纵向俯仰运动为例,在频率域内建立了基于Ｆｏｕｒｉｅｒ变换法的非定常气动力数学模型及非线性代数模型,在时间域内建立了基于Ｆｏｕｒｉｅｒ反变换法及数据库法的阶跃函数模型。用大振幅非定常实验数据进行模型参数辨识。本文主要对Ｆｏｕｒｉｅｒ变换模型初值的选取进行讨论,并对所建立的几种数学模型进行比较。结果表明,基于Ｆｏｕｒｉｅｒ变换法的数学模型,有明确的表达式,拟合结果较好;非线性代数模型表达式简单,便于应用,但对于不同实验模型,表达式不同;基于Ｆｏｕｒｉｅｒ 反变换法的阶跃函数模型,表达式复杂,而且当时间趋于零时,计算误差较大;基于数据库法的阶跃函数模型没有明确表达式,但其精度较高,可以用于对其他模型结果的比较。     

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

航空发动机叶片高频模态阻尼的实验测试方法

以NASA Rotor37叶片为对象,研究了航空发动机叶片的高频模态阻尼比的实验测试方法.实验分析和数值计算均说明:在随机声激励下获得频响曲线将包含由支撑结构振动造成的峰值.基于此提出在支撑结构上布置多个传感器的实验方案,并以支撑结构的振动峰值位置和能量相对大小来判定叶片振动主导的振动峰值.用小波阈值收缩法和曲线拟合法对这些振动峰值进行了降噪和模态阻尼比识别,给出了实测模型在10kHz内“叶片主导振动”的模态阻尼比.结果表明:一般的结构金属材料条件下,叶片结构的高频模态阻尼比的数量级小于1%,且随频率增加呈下降趋势.