跨声速风洞颤振试验模型激振与数据处理方法研究

简述了几种主要激励方法在颤振实验中的优缺点,分别用瞬态激励、有限带宽白噪声激励和单频激励进行地面模态实验,测量机翼模型的振动响应,并用STD、ARMA和复指数模态参数识别等时域方法识别固有频率和模态阻尼,通过与软件计算结果对比分析得知,实测的固有频率与计算结果吻合很好.     

神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

从约束试验提取阻尼自由结构主模态

对于大型自由结构,如大型运载器,要实现自由状态下的模态试验是愈来愈困难了。为此,人们被迫只好对这类结构进行约束状态下的模态试验。这样就要求从约束状态试验所测得的数据中提取到原自由状态下的试验模态参数。本文针对这个问题提出了一种“提取方法”。数值模拟结果表明,该方法的精度相当满意,不论是无阻尼,还是考虑有阻尼的情况,都可以获得工程上满意的结果。     

V尾伺服弹性试验失稳定位方法研究

准确获取飞行器结构动力学特性及气动伺服弹性稳定裕度,是飞行器首飞成功的关键。针对某飞机在伺服弹性地面试验时发生结构与控制系统耦合问题进行了研究,提出了一种获取飞行器的失稳频率和振型的方法。利用加速度传感器采集结构的振动响应,采用随机子空间模态参数辨识方法分析获得飞机伺服弹性地面试验失稳时V尾振动频率和振型,为控制系统修改设计提供方向及气动伺服弹性理论模型修正提供数据。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

基于QSSE方法的橡胶隔震支座参数识别

采用二次误差平方和(Quadratic sum-squares error,QSSE)方法对橡胶隔震支座参数识别进行研究。建立经典Bouc-Wen模型以模拟橡胶隔震支座的非线性动力学特性。对橡胶隔震支座进行振动台实验,基于实验测量的加速度响应和QSSE方法在线实时地识别橡胶隔震支座的参数和位移。研究结果表明,在两种典型地震波的激励作用下,采用QSSE方法分别对3种参数数量不同的Bouc-Wen模型进行识别,得到的橡胶隔震支座模型参数一致,且识别位移曲线和实际测量位移曲线吻合良好,验证了QSSE方法在橡胶隔震支座参数识别中的有效性与准确性,并证明了本文所得Bouc-Wen模型参数的合理性及Bouc-Wen模型简化的可行性。     

基于Morlet小波滤波提高系统参数识别精度的方法

提出了一种基于连续小波变换的时频域滤器对信号滤波,不会引起相波方法,用于频响函数估计前的信号预处理.采用Morlet小波构造一种FIR滤波位失真.提出了一种改进的小波基以满足瞬态激励情况的时频域分辨率要求.采用GARTEUR飞机模型构造仿真算例,对仿真数据添加白噪声.仿真结果表明,系统参数识别精度明显改善,滤波后获得的阻尼估计误差较滤波前下降了30%.     

一类MIMO状态可观测非线性系统的激励辨识

研究一类多输入多输出(MIMO)状态可观测非线性系统的激励辨识问题,输入激励信号采用高斯白噪声,均匀采样获得输出状态数据;根据Girsanov定理获得系统参数的渐近无偏估计;数值仿真试验说明了该方法的有效性并发现多变量耦合辨识中的噪噪比(NNR)现象;最后给出该系统的分步激励辨识算法。     

一种概率更新方法及在目标识别中的应用

信息更新问题是控制决策系统中普遍存在而又极为重要的研究课题。二阶概率技术在这些问题的研究中有着广泛的应用前景。文中结合一个目标识别问题中的应用实例,系统介绍了二阶概率技术的应用过程以及建立在二阶概率技术上的一种概率更新方法,并利用该方法解决了一个目标识别问题中的信息更新问题。     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.