变截面悬臂梁结构动载荷辨识方法

在航空航天领域，作用在结构上动载荷的确定对结构健康监测是非常必要和重要的。为此，本文以类似机翼结构的变截面悬臂梁结构为研究对象，提出了一种基于光纤光栅传感器与卡尔曼滤波器的动载荷识别方法。首先，根据变截面梁单元形式，推导出变截面梁的质量矩阵与刚度矩阵，建立动力学运动方程。然后，以光纤光栅传感器测得的应变信息作为观测信号，通过卡尔曼滤波器生成的增益矩阵、新息序列矩阵以及协方差矩阵，得到灵敏度矩阵和估计力的增益矩阵。在此基础上，利用广义回归模型及其最小二乘算法，估算出动载荷大小、判断出动载荷激励位置。借助数值仿真与实验手段，分别验证了该方法对于单点正弦激励、方波激励、锯齿波激励以及多点同时激励等工况下的动载荷识别效果。结果表明，本文所提算法具有较好的动载荷识别效果和噪声抑制能力，能够为未来风洞试验和真实飞行试验环境中诸如大展弦比机翼表面气动压力等载荷实时辨识、气动外形自适应控制以及结构健康监测提供技术支撑。     

Accuracy analysis of GNSS-IR snow depth inversion algorithms

In recent years, with the continuous development of Global Navigation Satellite System (GNSS), it has been applied not only to navigation and positioning, but also to Earth surface environment monitoring. At present, when performing GNSS-IR (GNSS Interferometric Reflectometry) snow depth inversion, Lomb-Scargle Periodogram (LSP) spectrum analysis is mainly used to calculate the vertical height from the antenna phase center to the reflection surface. However, it has the problem of low identification of power spectrum analysis, which may lead to frequency leakage. Therefore, Fast Fourier Transform (FFT) spectrum analysis and Nonlinear Least Square Fitting (NLSF) are introduced to calculate the vertical height in this paper. The GNSS-IR snow depth inversion experiment is carried out by using the observation data of P351 station in PBO (Plate Boundary Observatory) network of the United States from 2013 to 2016. Three algorithms are used to invert the snow depth and compared with the actual snow depth provided by the station 490 in the SNOTEL network. The observations data of L1 and L2 bands are respectively used to find the optimal combination between different algorithms further to improve the accuracy of GNSS-IR snow depth inversion. For L1 band, different snow depths correspond to different optimal algorithms. When the snow depth is less than 0.8 m, the inversion accuracy of NLSF algorithm is the highest. When the snow depth is greater than 0.8 m, the inversion accuracy of FFT algorithm is higher. Therefore, according to the different snow depth, a combined algorithm of NLSF + FFT is proposed for GNSS-IR snow depth inversion. Compared with the traditional LSP algorithm, the inversion accuracy of the combined algorithm is improved by 10%. For L2 band data, the results show that the accuracy of snow depth inversion of various algorithms do not change with the variations of snow depth. Among the three single algorithms, the inversion accuracy of FFT algorithm is better than that of LSP and NLSF algorithms.     

最小二乘法在计量经济模型中的应用

本文从古典计量经济模型的建立谈起，又从异方差模型，自相关模型和联立方程模型中，论述了由最小二乘法派生出的加权最小二乘法、广义最小二乘法和间接最小二乘法等。     

加速度计温控系统被控对象建模技术研究

加速度计工作过程中,其内部与外界环境存在温度梯度,针对温度变化影响加速度计参数的问题,提出了一种加速度计温控系统被控对象建模的方法。进行了多工作点加速度计升温和降温试验,采用递推增广最小二乘法对被控对象模型进行了辨识,建立了加速度计温控系统被控对象模型和降温模型,计算结果表明,3min后温控系统被控对象模型曲线残差在-0.5~0.5℃之间,降温模型曲线残差在-0.15~0.15℃之间,满足系统对加速度计性能需求,表明了方法的有效性。     

一种实现飞行品质参数实时辨识的实用方法

考虑到辨识算法收敛的可靠性及结果的精度，采用递推最小二乘估计、飞机运动模态连续－离散模型相互转换及递推极大似然估计，实现飞行品质参数的实时辨识。这种方法的优点在于算法的吸收域是全平面的。初值不影响算法的收敛性，能很好地满足实时性要求，同时还保证了结果精度。利用该方法对某型飞机铁鸟台实测数据进行了处理，取得了满意的结果。     

交互作用的双自适应模型估计器

 通过对目标的不确定机动分析和对不确定机动的模式分类(非机动、临界机动、弱机动、强机动),建立了一种新的目标状态自适应估计器——交互作用的双自适应模型估计器。它通过具有机动识别特性的二阶自适应模型和具有机动水平特性的三阶自适应模型,以及它们之间交互作用自适应组合方式的结合,达到了跟踪估计目标各种运动的“全面”自适应能力。应用新估计器对目标的5种基本运动进行了Monto-carlo仿真。仿真表明,它具有所期望的良好性能。     

样条函数在估算飞机气动参数中的应用

根据气动参数估算的需要，分析了样条函数的基本概念，方程及三次插值样条函数在参数估算中的应用，以某歼击机全机平衡升力线斜率对马赫数的偏导数为例，用三次插值样条函数对其进行了估算。     

总体均值估计量最小方差的改进

在简单随机抽样中,样本均值是总体均值的无偏估计.其他复杂的抽样方法常以简单随机抽样为基础,对于相同的样本容量条件下不同的抽样方法来说,总体均值估计量的方差就成为衡量各种抽样方法的有效程度的重要标志.对文[1]中给出的求有限总体均值估计量最小方差的几种方法进行了讨论,并对其求解方法进行了改进.     

飞控-飞机低阶等效系统的在线辨识

以飞控—飞机低阶等效系统为背景，采用Taylor展开法研究了带纯延迟环节的二阶系统的在线辨识。采取了对低信息点进行抛弃，变步数起动等算法对传统的最小二乘法加以改进，大大减少了辨识过程中产生的误差，更适合于实时辨识。实际应用结果表明：该方法可以有效地对具有时变特性的带纯延迟的非线性系统加以辨识，辨识结果满足工程要求。     

方形角尺的测量及不确定度评定

介绍了方形角尺垂直度误差的测量方法、测量中的关键问题以及测量不确定度分析.