含间隙非线性二元翼段的系统辨识

在实际包含间隙非线性的复杂结构中,由于间隙不易或无法测量,难以建立准确描述结构特性的动力学模型;即使间隙得到准确测量,也难以获得结构的标称线性系统的模态参数。为此,利用条件逆谱法和时域非线性子空间法,通过非线性系统辨识获得间隙非线性系数,同时获得非线性结构的标称线性系统的频响函数。以一个包含间隙非线性的二元翼段为例,通过数值方法模拟该二元翼段的地面振动试验,利用条件逆谱法和时域非线性子空间法开展该结构的非线性系统辨识。结果表明:两种方法均可准确地辨识结构的标称线性系统,条件逆谱法利用光滑函数近似,时域非线性子空间法利用多个分段线性函数重构,辨识得到间隙非线性系数。      

环量控制翼型非定常气动力建模

针对目前环量控制技术中射流参数与迎角对翼型气动特性的影响高度耦合,对应非定常气动力模型精度较差的研究现状,基于环量控制翼型强迫俯仰振动数值模拟数据,借助Kriging模型实现环量控制翼型的定常气动力插值,借助微分方程模型完成了适用于环量控制翼型的线性微分方程建模,采用两步线性回归参数辨识方法辨识线性微分方程模型中特征时间常数等参数,对高动量系数大振幅流动状态下的非线性影响进行修正。研究结果表明:基于Kriging模型实现的环量控制翼型定常气动力插值精度较传统气动导数模型高,建立的环量控制翼型非定常气动力模型能够精确预测不同流动状态下的气动力和力矩系数变化情况。      

纳米酚醛气凝胶材料高温热物性参数辨识方法

临近空间高超声速飞行器大面积区域可能广泛采用纳米酚醛气凝胶(IPC)材料,获取高超声速气动加热作用下IPC材料的高温热物性参数,对于高超声速飞行器热防护系统的精细化设计具有重要的意义。考虑烧蚀效应的材料高温热物性参数辨识方法研究,基于Ablation Workshop烧蚀热响应标准算例对高温热物性参数辨识方法进行验证,计算结果表明：热物性参数辨识分析方法计算精度较高;通过带分层温度/烧蚀传感器的IPC材料电弧风洞试验,得到典型来流状态下不同厚度IPC材料内部的温度分布及热解厚度分布数据,通过辨识获得高温烧蚀条件下IPC材料热导率随温度的变化关系,IPC材料原始层热导率在温度低于800 K时随温度缓慢上升（热导率维持在0.1 W/(m·K)以下）,之后材料热解使得热导率发生突变,碳化层热导率在温度高于800 K时随着温度的上升急剧增大,到1 300 K左右时上升到0.17 W/(m·K)。     

涡轮冷却器动态特性研究

从飞机空调的温度控制系统设计的需要出发，首先用理论推导的方法求得涡轮冷却器的动态数学模型的结构形式，然后提出不用理论推导的方法求得涡轮冷却器动态数学模型的模型参数，而用辨识实验的方法求得涡轮冷却器的动态数学模型的模型参数。还推导了辨识的计算公式，论述了辨识实验的方法、步骤和结果。最后提出了涡轮冷却器动态特性的计算方法，并且以欧拉法为例论述了涡轮冷却器动态特性计算的具体公式和步骤。     

基于双磁钢转子的大力矩飞轮用电机设计

针对卫星快速敏捷和大角度机动的需求,设计了一种基于双磁钢转子的大力矩飞轮用永磁电机。介绍了大力矩飞轮用电机的工作原理和结构构成,给出了主要尺寸的设计准则,并在Maxwell 环境下对双磁钢转子的永磁直流电动机进行了有限元分析。     

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

基于模糊自适应Kalman滤波的MEMS惯导系统在线修正研究

MEMS惯性导航系统中,针对传感器零偏存在随机启动的不确定性误差,以及抗外界干扰能力低的实际问题.本文提出了一种基于模糊自适应Kalman滤波在线修正的方法,与常规Kalman滤波相比,该方法通过制定模糊规则,将残差的理论方差与实测方差迹的比值模糊化处理作为模糊推理的输入,量测方差的修正因子作为输出,实时评估系统的观测噪声,既抑制了滤波的发散又增强了估计修正过程中的稳定性.仿真结果表明:该方法能够准确的估计出系统的随机误差,并且在系统观测噪声的统计特性发生变化时,估计的精度和系统鲁棒性依然优于常规Kalman滤波.     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习,不需要离线训练。在无逼近误差和扰动的理想情况下,所提出的在线算法能保证辨识误差趋于零,基函数持续激励条件能保证权重趋于零。在非理想情况下,权重调整律采用ｅ修正权重算法,它是ＢＰ算法的推广,不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

高动态GPS信号粗捕和精捕算法仿真实现

为了解决高动态下对GPS信号快速捕获的问题,提出了改进的部分匹配滤波(PMF)和快速傅里叶变换(FFT)相结合的粗捕方法,对其原理和结构进行了分析,并针对其引起的扇贝损失和捕获性能不高的问题,对传统PMF+FFT方法进行加窗处理;考虑到高动态下基于扩展卡尔曼跟踪的方法对捕获后参数的精度要求很高,因此在粗捕的基础上提出了基于线性调频Z变换(CZT)算法的精捕方法,并在GPS信号理论模型和模拟高动态轨迹的基础上,实现了高动态GPS数字中频信号的生成,为进一步加快捕获速度,对于冷启动时提出了一种组合码相关的卫星快速盲搜方法;最后通过MATLAB进行系统仿真实验,验证了所提出的高动态GPS信号粗捕和精捕算法能在加速度为100 g的高动态环境下有约10 Hz的捕获精度。