基于非定常气动力辨识技术的气动弹性数值模拟

选择离散型输入输出差分模型,运用最小二乘方法进行非定常气动力建模,并将辨识得到的降阶模型用于气动弹性的数值模拟。1个马赫数下的颤振临界点的计算仅需调用一次非定常流场求解器。计算精度保持与非定常欧拉方程计算方法相当的同时计算效率提高了1~2个量级。计算了跨声速具有S型颤振边界的气动弹性标准算例－Isogaiwing和三维气动弹性标模算例AGARD445.6,辨识模型计算边界与非定常Euler方程计算结果吻合。证明非定常气动力辨识技术可以提供高效的高精度的气动弹性分析。     

基于主动阻尼控制的柔性基座振动抑制

针对安装在柔性基座上的空间机械臂运动过程中的振动问题,提出了一种改进的主动阻尼控制方案;利用参数辨识,给出了惯性矩阵估计值的显式表达式,并且在基座振动抑制控制律中加入了基座位移补偿项。对平面二连杆柔性基座机械臂进行仿真实验。结果表明:原始的主动阻尼控制虽然能够保证在机械臂运动过程中基座的振动抑振,但机械臂轨迹跟踪误差收敛较慢,改进后的控制律能够更快地缩小轨迹跟踪误差,整体的基座抑振效果更好。     

基于不平衡加速响应信息的柔性转子双面平衡

模态平衡法和影响系数法是转子平衡中最常用的两类方法,它们都以转子的稳态响应为基础,因此称之为"稳态平衡方法"。针对当前转子稳态平衡方法中存在的不足,提出了利用不平衡加速响应信息进行柔性转子平衡的新方法。为了描述模态不平衡相对键相槽的角位置,首次引入了模态不平衡方位角的概念,并通过转子的不平衡加速响应信息对其进行了识别;在此基础上,结合转子的模态知识,添加合理的平衡试重组,利用各阶模态试重大小与对应阶模态不平衡响应幅度增量的线性关系,识别出校正质量组的大小,通过双面加重的方法实现了转子前两阶模态的平衡。仿真和实验结果表明,该瞬态平衡方法在有效降低转子不平衡振动的同时,减少了平衡过程中的起车次数。     

基于小波分形和一类辨识的航空发动机故障诊断

在支持向量机理论的基础上,针对支持向量机的二类辨识传统,引入了基于支持向量机的一类辨识理论。设计了航空发动机几种典型故障的一类分类器,使得发动机的故障诊断更加简单可行。同时,将小波分形方法引入到航空发动机振动信号的特征提取中。通过对航空发动机典型故障的成功诊断,证明了该方法的有效性。     

油膜轴承动态特性参数及转子不平衡的现场识别

 应用有限元方法建立了柔性转子—轴承系统的动力学模型,提出了在不施加人工激励的前提下识别油膜轴承动态特性参数和转子不平衡的一种时—频域混合法。这种方法可以对每个轴承进行单独识别,亦可进行统一识别,真正实现了“现场”和“在线”,而且不破坏油膜的正常工作状态。最后给出了合理的现场识别实验结果。     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

歼击机结构故障的模式识别与参数辨识新方法

针对自修复飞行控制系统的故障,采用基于精确线性化的方法,在原空间和特征空间提出了基于双假设/多假设（增强型）概率统计学的模式识别与参数辨识方法,给出了结构故障的可识别性和可辨识性的判别准则,并以某型歼击机为例进行了仿真研究。     

灰色神经网络在齿轮箱故障识别中的应用

将灰色系统理论与神经网络相结合提出了灰色神经网络这一新的故障识别方法，将此种方法应用在齿轮箱的故障识别中，结果表明：采用灰色神经网络能够识别出来，不同工作状态下的各种故障类型，其识别的可靠性还有待于进一步提高。     

受地效影响飞机起飞着陆运动模型的参数辨识

利用基于最小模型误差法和线性不连续跳跃多重打靶法建立的非线性辨识法，辨识了飞机起飞着陆过程的非线性动态模型。对于包含复杂非线性项的动态系统，本方法可以从实际试验测量的系统非线性数据，确定飞机处于地面效应影响运动过程的系统模型，而不需要预先详细描述系统的非线性形式。算例表明该方法对于原始近似动态系统的状态估计是足够精确的。     

大型三轴气浮台转动惯量和干扰力矩高精度联合辨识技术

利用三轴气浮台对遥感卫星进行载荷平台一体化全系统闭环物理仿真,可模拟卫星在轨运行时的动力学特性,验证整星在轨状态下的姿控特性和相机成像特性等。高精度辨识气浮台转动惯量和综合干扰力矩为三轴气浮台质量特性调整及量化评估整星级试验性能提供重要参数。文章提出一种新的大型三轴气浮台转动惯量和干扰力矩联合辨识技术,通过台上飞轮对三轴施加激励作用,利用激光陀螺等姿态测量数据实现对台体惯量矩阵和干扰力矩的高精度联合辨识。与传统辨识方法不同,该技术仅利用本体角速度信息,不需要角加速度信息,避免了角速度微分引起的噪声放大,将转动惯量辨识相对误差控制在3.5%以内,气浮系统综合干扰力矩优于0.003 N·m,满足了高精度参数辨识需求。