磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

空间目标监视雷达信号频率的优选准则

随着在轨微小卫星及空间碎片数量不断增加,为保证在轨卫星的运行安全,需要对微小目标进行有效跟踪探测及稳定编目。雷达作为近地空间目标监视的主用设备,在对厘米级小目标进行探测跟踪时,其工作频率是决定其能否可靠探测关键因素,高频有利于探测小目标,并可获得相对稳定的RCS,但高频信号的波束小、搜索能力较低,实现难度大,也使得成本过高。为适于实际工程应用,需从效费比出发,对频率进行优选。本文从目标RCS的角度提出一种空间目标监视雷达信号频率的优选准则,给出该准则下周长波长比ka的取值范围。为了更加清楚地说明该优选准则的应用,给出了直径5 cm和10 cm的目标在该准则下信号频率的取值范围,并与国外工作做了比较,证明该准则可行。     

弹载数据链抗干扰性能分析

针对电磁环境与人为干扰共存环境下的弹载数据链系统性能评估问题,构建了信号和干扰经历不同传播衰落信道条件下的数据链接收信号模型,分析了不同干扰样式特性及功率谱,并据此推导了QPSK数据链系统的误符号性能表达式。针对不同干扰样式的仿真结果表明,当干信比较小且干扰因素占主导时,梳状谱干扰样式的干扰效果较好（优于其他干扰样式约1~3 dB）,噪声调幅干扰次之,噪声调频和宽带扫频两种干扰样式差别不大。     

计算参数对数值修正载荷识别算法的影响

针对在载荷识别计算中经常遇到的累积误差问题,提出了一种在每个时间步长内迭代修正的 载荷识别算法。首先利用拟静态算法得到载荷初值,再使用数值迭代算法对其进行修正计算,仿真结果表明,该修正算法可以有效地减小由于累积误差导致的发散,得到收敛的识别结果。针对上述算法,本文以多输入多输出简支梁为模型,分别分析了区间放大系数、区间分割系数和精确度指标3个计算参数对于识别结果的影响。计算结果显示,参数的选择对算法的效率和精度影响很大,不当的参数甚至可能引起识别结果严重发散,所以选择合适的计算参数对于数值修正算法十分重要。     

考虑非理想噪声干扰的直升机飞行动力学模型辨识方法

利用MATLAB/SIMULINK平台搭建了直升机仿真实验系统,并以UH-60直升机为对象实现了考虑非理想噪声干扰的仿真飞行实验。建立了非理想噪声数学模型并基于增广最小二乘法设计 了一套同时考虑模型参数和噪声参数的综合辨识算法,在此基础上,利用仿真实验数据实现了UH-60直升机纵向飞行动力学模型的辨识与验证。最后,通过与普通最小二乘法的对比验证了本文方法的优越性。      

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。     

基于压力信号分析的轴流式压气机失速预测

为了得到压气机工作状态的稳定观测点,并建立压气机近喘失速工作状态与压气机压力信号的相关关系,本文针对低速双级轴流式压气机,分别进行了均匀进气及畸变进气条件下不同转速的近喘失速试验,实时动态测量标定压气机由正常工作到失速工况下压力信号,并在时域内提出了一种基于自相关系数的压气机失速预测算法,对进口、出口以及压气机首级转子叶尖位置压力信号预测分析。结果表明所提出的预测算法具有良好的失速预测能力,且发现叶尖处离叶片前缘20%的位置,最适宜作为压气机失速预测的观测点,此时压气机叶尖压力自相关性数据与压气机喘振裕度具有明显的单调相关性。     

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。