星载天线传感器优化部署的均匀设计方法

为提高模态密集大型星载天线在轨模态参数辨识精度,提出基于均匀设计的遗传算法对传感器数量和位置进行优化部署。根据模态空间H₂范数确定参振模态阶数;分别以测量信息正交性和能量最大为优化目标,引入均匀设计方法对传感器数量、种群规模、交叉概率和变异概率4个组合参数进行选取;采用特征实现算法进行在轨模态参数辨识研究。数学仿真表明：所提出的方法可以有效解决传感器数量和位置的优化部署问题,避免了以往人为经验选取参数时存在的主观性和盲目性问题。     

时变参数辨识梯度算法稳定性分析

研究用于时变参数辨识的梯度算法稳定性问题.基于随机过程有界性判据对时变参数辨识梯度算法进行了稳定性分析,给出了梯度算法稳定的充分条件.指出在待辨识参数变化率有界,观测噪声是零均值白噪声,且系统满足持续激励条件的情况下,梯度算法参数选择满足一定条件时,能够确保参数辨识误差的有界性.上述研究与以往工作的不同之处在于稳定性证明过程中仅要求待辨识参数的变化率是有界的,而不要求参数变化率是零均值白噪声.     

直升机气动与操纵导数的频域辨识方法研究

对频域辨识求取直升机气动与操纵导数方法进行了探索与研究。建立了直升机横航向运动辨识数学模型,并介绍了频域辨识原理;利用直升机模拟器横向扫频飞行测试数据,进行了直升机横航向气动与操纵导数辨识,并对辨识结果进行了时域验证。结果表明,所建立的频域辨识方法正确、可行,具有一定的工程应用价值。     

闭环气动参数辨识的两步方法

对于闭环控制飞行器动力学系统,如果输入输出数据中含有误差和噪声,将其直接用于辨识气动参数是有偏差的。针对这个问题,利用闭环控制飞行仿真数据,采用两步方法辨识飞行器的气动参数,并与直接开环辨识的结果及参数真值进行对比,表明两步方法辨识结果较直接开环辨识方法具有更高的精度,是一种有效的闭环气动参数辨识方法。     

用于统计能量分析参数辨识的子空间方法研究

利用统计能量分析法预示航天器结构高频动力学响应时,正确估计各子系统的统计能量分析参数至关重要。论文从实验参数辨识角度,基于子空间法的统一理论框架,提出功率流模型辨识/耦合矩阵修正方法(PMI/CMA)辨识系统的内损耗因子和耦合损耗因子参数。首先利用子空间法直接由时域测试数据辨识功率流模型的等价状态空间模型,然后利用辨识模型特征参数修正初始耦合矩阵。耦合矩阵修正方法考虑了子系统间的耦合信息,并通过寻求耦合矩阵初始值相对误差的最小范数解得到修正参数。最后利用两个实际结构分别对算法进行了仿真分析并与功率流实现/统计能量分析模型修正方法(PRM/SMI)进行了对比,验证了PMI/CMA方法的有效性。     

一种针对短码、周期长码直扩信号扩频序列盲估计方法

提出一种新的针对短码和周期长码直接序列扩频(DSSS,Direct Sequence Spread-Spectrum) 信号的扩频序列盲估计方法。将周期长码DSSS信号建模为多用户短码DSSS信号系统,根据接收信号相关矩阵最大特征值个数,判断一个PN周期内调制信息符号个数,依此盲估计信息速率,同时形成分段相关矩阵矢量。利用改进二阶统计盲辨识（SOBI,Second Order Blind Identification）算法盲估计多用户分段DSSS的PN序列,根据特定约束条件(如m序列、Gold序列)去分段相位模糊,最终形成周期长码PN序列。仿真结果表明该算法的有效性,且适应较低信噪比。     

导弹气动参数辨识与优化输入设计

导弹气动参数的可辨识性和辨识准度很大程度上取决于控制输入设计。首先阐述了导弹气动参数辨识的最大似然方法,在此基础上发展了一种控制输入的优化设计方法,目标函数取为参数估计的不确定椭球体积,最优解搜索采用粒子群优化算法。最后,给出一个样例导弹的优化输入设计和飞行试验气动参数辨识结果。计算分析结果表明,所发展的优化输入设计方法是有效的,辨识获得的气动参数可信度较高。     

单轴航空涡扇发动机数学模型辨识

依据某型单轴航空涡扇发动机试车数据辨识建立了发动机的全包线、全工况实时动态数学模型。由于试车数据所含噪声较大,辨识方法采用了先建立稳态模型,进而建立实时动、静态数学模型的方法,这种方法可以通过辨识稳态点来消除噪声。验模表明,所建模型精确度很高,且能准确反映发动机性能,并满足实时性需求。     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

基于最小二乘支持向量机的小型无人直升机悬停动态建模

小型无人直升机(SUH)是一类典型的非线性动态系统,由于其本质不稳定性,由开环辨识实验获得的数据通常是小样本的,使用传统黑箱辨识方法难以获得较好的辨识效果。提出一种利用支持向量机(SVM)对SUH悬停动态进行辨识建模的新方法。通过动力学机理分析和合理的简化,确定了模型的非线性回归形式,以及从低维输入空间到高维Hilbert特征空间的映射关系和相应的机理核函数,并应用最小二乘支持向量机(LS-SVM)训练获得SVM模型和对应的参数化非线性多输入多输出（MIMO）模型。利用实际飞行数据辨识得到的模型不仅具有良好的预报精度,而且显式表达了各状态变量之间以及输入与状态之间的耦合关系,便于非线性控制策略的设计。