基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

基于UKF的共轴式无人直升机模型辨识

建立了共轴式无人直升机系统非线性模型,并针对其非线性强,不同飞行模态下气动参数差异等问题,将无迹卡尔曼滤波(UKF)引入共轴式直升机系统非线性模型辨识,不但避免了直升机线性模型仅仅适用于悬停模态的局限性,同时为直升机系统在线自适应控制提供了基础条件,使得共轴式无人直升机自主全包线飞行成为可能.以北京航空航天大学FH-1共轴式无人直升机为例进行了仿真辨识实验.实验结果表明基于该方法的共轴式直升机在线非线性模型辨识不依赖于参数初值的选取,模型参数能在10s内收敛,各状态量辨识精度达到80%以上,明显高于传统的预报误差法(PEM),具有一定的实用性.      

基于观测器与前馈控制技术的动态转台 控制实验研究

基于前馈控制技术对动态转台进行控制研究,分析了PID 控制在动态转台 控制中对于响应带宽提高的缺点。通过实验与Matlab 结合辨识了开环系统模型,并与实 际数据进行了比对。建立了系统状态观测器,并设计了基于观测器与前馈控制结合的控制 器,证明了观测器与控制器的稳定性。最后通过实验证明了观测器与控制器的有效性。     

飞机方向舵故障建模与侧风着陆仿真

基于风洞试验数据和CFD数据,建立了某型飞机上、下两片方向舵在松浮、卡滞和脱落等故障的数学模型;针对方向舵脱落故障,在飞行模拟器上进行了人在环的侧风着陆仿真试验,验证了模型的准确性,得到了与实际侧风响应相吻合的故障模型;最后,基于此模型探讨了方向舵故障下的侧风着陆安全性与驾驶员负荷.     

智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.     

复合固体推进剂细观结构建模及脱黏过程数值模拟

为研究复合固体推进剂损伤演化规律,基于分子动力学颗粒填充算法构建了HTPB(hydroxyl terminated polybutadiene)推进剂细观结构模型,通过在AP(ammonium perchlorate)颗粒/HTPB基体界面处引入黏接接触替代传统的黏接单元,并基于Hooke Jeeves的参数优化算法反演得到颗粒/基体界面处内聚力模型参数,利用双线性和自定义指数型损伤内聚力模型模拟了AP颗粒和HTPB基体黏接界面处损伤的萌生、发展、聚合直至宏观裂纹破坏的过程。通过数值仿真与实验结果对比发现,指数型损伤内聚力模型比双线性模型能更准确描述推进剂单轴拉伸过程中颗粒与HTPB基体界面间脱黏过程。最后对比了多阶段加载实验结果与仿真结果曲线,发现两者变化趋势基本一致,最大偏差仅为10%,验证了所建细观模型的可靠性及反演所得界面参数的准确性。      

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。