智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

涡轴发动机高速两支点转子不平衡识别

针对实际工作中的涡轴发动机不平衡量难以监控现状,提出了一种基于非线性支承参数的涡轴发动机高速两支点转子不平量识别方法。建立起转子动力学有限元模型,以支承位移响应工频信号有效值为目标,采用Pointer优化器开展不平衡量识别,通过反馈迭代识别油膜阻尼、刚度。以某真实发动机转子的不平衡量开展识别验证,识别结果符合实际转子不平衡量变化规律,该识别方法计算效率满足工程要求,为发动机整机振动响应仿真分析中的不平衡量施加提供输入条件。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

点火瞬态过程仿真模型参数辨识

建立了固体火箭发动机点火瞬态过程一维非定常流场仿真模型,采用系统辨识方法进行了模型参数不确定性研究。基于点火试验用缩比发动机试验结果,得到了传热模型参数和瞬态燃速模型参数的最优估计,提高了点火瞬态过程一维仿真模型的预估精度。采用近似方法,构建Kriging近似函数,有效解决了一维非定常流场仿真的计算复杂性问题。     

一种基于SNM降阶技术的整体叶盘结构失谐识别方法研究

本文以谐调叶盘有限元模型解析模态和失谐系统的实验测量模态作为基础信息,提出了一种整体叶盘结构失谐识别方法。该方法基于SNM降阶技术,大大降低了识别过程的计算花费以及对基础信息的要求;采用了子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,有效的限制了测量噪声、非线性等因素对识别过程的影响。最后以一个真实叶盘结构的数值仿真分析证明了该方法的正确及有效性。     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

硅基复合材料粘性系数的参数辨识

硅基复合材料是目前国内比较成熟、综合性能较好的烧蚀型热防护材料之一,高温粘性系数是这类材料烧蚀性能的重要表征参数.本文利用系统识别原理,给出这类复合材料粘性系数的参数辨识方法及其应用实例.     

自主机动条件下的实时定轨方法

中继卫星在跟踪自主机动用户目标时,由于机动轨道未知,需要利用中继卫星下传的星载GNSS(Global Navigations Satellite System,全球导航卫星系统)数据进行实时轨道确定与预报,为中继卫星跟踪提供实时的引导信息,以方便中继卫星快速捕获目标和连续稳定跟踪。针对该类用户目标的任务需求,讨论了基于星载GNSS数据自主机动条件下的实时定轨方法,建立了连续推力机动力学模型。以某一型号卫星的实测数据进行分析验证,并对轨道机动进行辨识,计算的机动加速度和机动时间与试验单位提供的结果一致。针对卫星不同机动情况,5min的观测数据定轨预报10min的弧段,最大位置误差小于8km,可以为中继卫星快速捕获提供高精度的引导信息。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。