六自由度Stewart平台动力学模型的特性分析

根据六自由度Stewart平台的动力学模型,利用矩阵分析的方法详细分析和证明了动力学模型的一些物理特性:动力学模型系数矩阵的有界性,矩阵函数的斜对称性以及动力学模型的线性参数化. 这些工作为基于六自由度Stewart平台动力学模型的非线性控制器设计、系统稳定性的证明以及系统物理参数的辨识奠定了理论基础.      

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

UV镜对摄影测量精度的影响及消除方法研究

针对摄影测量中加入UV镜后对测量结果的影响问题进行了研究。通过理论推导UV镜对于像点坐标偏移的影响,得出UV镜对像点偏移的影响规律,并提出采用自检校光束法平差的方法消除UV镜对像点偏移的影响,实验证明本文得出的对UV镜产生的像点偏移规律的分析及解决方法都是正确的。     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于形貌优化法的无轴承开关磁阻电机减振降噪

脉振的径向电磁力作为激励源作用于12/8极单绕组宽转子齿无轴承开关磁阻电机（Bearingless switched reluctance motor with wider rotor teeth,BSRMWR）的定子齿面并传送至定子轭部及机壳,会引发较大的振动噪声,阻碍其推广应用。针对这一问题,本文从本体结构的角度入手对电机壳体进行优化改进。采用三维多物理场有限元模型,建立了BSRMWR电磁-结构-振动-声场耦合模型。通过对BSRMWR电磁场进行瞬态分析,得到径向电磁力。将模态应变能方法应用于BSRMWR的壳体得到电机外壳结构有较大的应变能,说明电机壳体结构的薄弱。基于此,通过形貌优化的方法对电机的壳体结构进行优化。结果表明,采用形貌优化后机壳结构的BSRMWR,其振动和噪声均有显著改善。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

变几何径向透平损失模型及其分析

基于99 mm叶轮实验, 分析了变几何径向透平静叶的各种损失以及不同的损失模型.给出了变几何透平静叶冲角损失的定量分析.通过计算对比不同静叶喉部宽度下叶道边界层摩擦损失, 验证了Glass-man模型在计算叶片流道损失时, 与试验结果是相符的.基于NASA损失模型分析了径向透平静叶的尾缘损失, 损失随着出口边厚度呈线性增加, 减小出口边厚度是减小尾缘损失的有效方法.      

改进响应面法及其近似性能研究

如何提高近似函数的近似性能是多学科设计优化问题的一个重要研究方向,采用多项式响应面法和径向基甬数结合的方法有效提高了函数近似性能.多项式响应面法(Response surface Method,RSM)在对采样点构建插值曲面时,对结果中的残差并未进行处理,从而导致了部分信息的丢失.径向基甬数(Radial Basis Function,RBF)插值有效地利用了样本点的信息,但却无法提供待拟合曲面的梯度信息.改进响应面法(Improvecl Response surface Method,IRSM)通过对RSM方法的残差进行RBF插值处理,可以在增加有限计算量的条件下提高近似精度.并可提供待拟合曲面的近似梯度信息.测试结果表明,IRSM方法的近似精度随着样本点的增多而显著提高.在样本点较少的时候,IRSM方法的近似性能明显高于RSM方法的近似性能,但可能低于RBF方法的近似性能;而当样本点较多时,IRSM方法的近似性能显著高于RSM方法和RBF方法.     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。