飞机纵向高阶等效系统品质参数辨识研究

对飞机纵向高阶等效系统模型的可辨识性进行了分析,指出原有的辨识飞行品质参数方法存在的问题,并提出新的解决方案,即首先对原始模型进行转换,得到一组可辨识性强的模型,然后综合引用极大似然方法和Ｅｘｔｅｍｅ单变量寻优方法辨识新的模型及参数,最后利用双步ＱＲ分解技术求出与原始模型中的相对应的。物理意义明确的飞行品质参数,另外,针对现代主动控制飞机时间延迟τ较大的特点,提出了一种新的处理时间延迟环节ｅ＾－τ     

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。      

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

航空发动机多变量自校正控制研究

针对航空发动机这一具有耦合和强非线性被控对象,采用基于带遗忘因子的最小二乘参数估计算法的最小方差多变量自校正控制,通过分析保证了闭环系统的可辨识性。仿真结果表明,控制器响应速度快,跟踪精度高,抗干扰和耦合能力强,估计参数能以较快的速度收敛。      

基于微分载荷模型的飞行载荷参数辨识方法

介绍了一种基于微分载荷模型的飞行载荷辨识方法.根据实测载荷与飞行参数之间存在的相关性,利用输出误差法对平尾微分载荷模型进行了辨识,得到了飞行状态下平尾载荷的计算模型.同时得到了适合于飞行载荷辨识的一种方法,该方法可以研究飞机的不同操纵规律对结构载荷的影响,具有较高的精度,可行有效.     

表面热流可辨识性初步分析

表面热流的可辨识性分析可用于飞行器防热层内温度测量精度和测温点位置的确定,在工程上有较强的实用意义。从无量纲分析和仿真辨识出发,根据防热层材料热物性系数、测点位置、表面热流的频域特性等参数对表面热流辨识结果的影响规律,总结出了表面热流辨识问题的相似参数：基于表面热流频率参数的傅立叶数。此后,以这一傅立叶数为判据,针对不同测量误差值的情况初步建立起了表面热流可辨识性的准则和分析方法。     

遗传算法在气动力参数辨识中的应用

将遗传算法推广用于气动力参数辨识，以取代通常采用的梯度类优化算法。通过采用遗传模拟退火算法对某型飞机的纵向气动力参数进行辨识计算及分析后，可以看到：(1)遗传算法是气动力参数辨识的一种新的有效方法，该算法不受参数初值选取的影响，具有较好的全局寻优特性；(2)遗传算法的计算效率受种群规模、遗传算法构造本身等因素的影响比较大。并且还有相当大的进一步完善与改进的空间。     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

基于高阶累积量的齿轮系统辨识方法研究

高阶累积量分析技术是近年来迅速发展起来的新技术,作为处理非高斯信号、非线性信号以及盲信号的重要工具而受到日益重视。它有许多优点,特别是对于外加高斯噪声不敏感以及可以检测系统的非线性特性,故理论上可以完全抑制高斯噪声的影响,提高分析精度。本文在对其研究的基础上,将它应用于齿轮旋翼传动系统动态特性分析之中,对传动系统和旋翼桨叶的动态固有频率等进行了识别,并与频域和时域识别法进行了比较。